近年来，越来越多的证据表明，宿主体内微生物和宿主代谢物在病理、生理中存在着重要且复杂的关联。为了更好地探索宿主微生物与代谢物之间的互作，上海交通大学附属第六人民医院贾伟教授团队针对现有相关分析方法的不足和组学数据的特点，设计并开发了一套新的代谢物组和微生物组相关分析方法（Generalized coRrelation analysis for Metabolome and Microbiome，GRaMM)，于10月22日发表在Anal. Chem.（IF=6.38）期刊上，第一作者为梁丹丹，通讯作者为陈天璐和贾伟。该方法的Matlab函数、R包、使用手册和示例数据可以在Github上获取，供学术研究免费使用：https://github.com/chentianlu。R包还可以在R和Rstudio平台中通过Bioconductor直接加载使用。
GRaMM整合了线性回归、最大信息系数（maximum information coefficient，MIC）、代谢物混杂变量消除（metabolic confounding effect elimination，MCEE)以及中心对数转换等方法（centered log-ratio transformation，CLR)，能够较好地处理线性和非线性关系，可兼顾大样本和小样本情况，且可以将混杂变量纳入分析。
GRaMM法主要步骤
GraMM法主要包含四步（如下图）：
（1） 代谢物组数据、菌群数据预处理；
（2） 自动确定线性/非线性关联；
（3） 校正混杂因子并进行相关分析，得到r值和p值；
（4） p值校正。
图1. GRaMM法流程示意
GRaMM与其他方法的比较
作者采用多个仿真数据集，对GRaMM与传统的Spearman相关、线性回归(LR法)、MIC法进行了全面比较（图2）。对于线性相关，GRaMM的均方根误差（RMSE）最小，ROC曲线下面积（AUC）最大，能够有效地识别菌类和代谢物之间的相关关系。对于非线性相关，GRaMM的结果和MIC类似。因而，在分析线性和非线性相关同时存在的复杂数据时，GRaMM的总体性能最优。值得注意的是，由于GRaMM能够识别广泛的线性和非线性相关对，因而可能存在一定数量的假阳性结果。所以，作者推荐使用校正后的p值，或结合实验目标对结果进行筛选验证。
此外，GRaMM针对代谢物组和微生物组数据各自的特点，设计并整合了专门的预处理流程。GRaMM还整合了团队早期开发的MCEE方法，用于消除已知的混杂变量对结果的影响。文章对以上关键环节的重要性和必要性都进行了独立的和联合的测试和分析，进一步提高了策略的科学性和实用性。
图 2. 基于仿真数据集的性能比较。
最后，文章在多个真实数据集中再次验证了GRaMM的每个环节以及整体的优越性。如图3所示，GRaMM在多个真实数据集中表现稳定，FDR校正可有效控制假阳性结果。
图3. 基于多个真实数据集得到的相关对占比。
如图4所示，预处理会降低所有相关分析方法的假阳性。混杂变量校正对LR和GRaMM的结果有明显影响（只有这两种方法可以处理混杂变量）。无论是否预处理，GRaMM法找到的相关对总是多于其他方法。深入比较还发现，相较于Spearman和Partial Spearman，GRaMM会识别出更多的强相关对，且大多数为非线性相关对。
图4. 基于真实数据集的性能验证。
有关该方法的更多信息，欢迎查阅原文 https://pubs.acs.org/doi/10.1021/acs.analchem.9b02948。
麦特绘谱已经获取作者授权，可使用该方法为客户提供宿主微生物与代谢物关联分析。欢迎垂询400-8672686。
参考文献
1.Strategy for Intercorrelation Identification between Metabolome and Microbiome[J]. Analytical chemistry, 2019,91(22):14424-14432.
2.MCEE 2.0: more options and enhanced performance[J]. Analytical and bioanalytical chemistry, 2019,411(20):5089-5098.
3.MCEE: a data preprocessing approach for metabolic confounding effect elimination[J]. Analytical and bioanalytical chemistry, 2018,410(11):2689-2699.
4.Strategy for an Association Study of the Intestinal Microbiome and Brain Metabolome Across the Lifespan of Rats[J]. Analytical chemistry, 2018,90(4):2475-2483.
5.Evaluation of metabolite-microbe correlation detection methods[J]. Anal Biochem, 2019,567:106-111.
首页
