组成性数据分析 (CoDA)

CoDA = Compositional Data Analysis，专门处理总和为常数（如100%）的数据的统计框架。微生物组丰度数据天然是组成性的。

为什么微生物组数据是组成性的？

测序仪报告的是相对丰度（reads 数量），而非绝对丰度：

实际绝对丰度:  A=1000, B=500, C=500   → 总数=2000
测到的 reads:  A=500,  B=250, C=250   → 总数=1000

如果 A 的绝对丰度翻倍:
实际绝对丰度:  A=2000, B=500, C=500   → 总数=3000
测到的 reads:  A=667,  B=167, C=167   → 总数=1000

B 和 C 的"丰度"下降了，但它们的绝对丰度没变！

这就是组成性偏差 (compositional bias)：一个物种的丰度变化会影响其他所有物种的相对丰度。

问题的本质

闭合效应 (Closure Effect)

测序数据经过"闭合"处理（除以总 reads 数），导致：

• 负相关伪影: 即使物种间完全独立，也会出现负相关
• 虚假差异: 一个物种的真实变化会"传染"给其他物种
• 标准方法失效: t 检验、DESeq2 等假设独立性的方法不再适用

对比率空间 (Ratio Space)

CoDA 的核心思想：不看绝对值，看比率

CLR 变换: clr(x_i) = log(x_i / g(x))
其中 g(x) = (x_1 * x_2 * ... * x_D)^(1/D)  # 几何均值

CLR (Centered Log-Ratio) 变换将组成性数据转换到欧几里得空间。

微生物组 CoDA 方法对比

方法	原理	优点	缺点
ANCOM-BC	偏差校正 + 线性模型	控制 FDR，支持多组比较	需要较大样本量
ALDEx2	贝叶斯 Dirichlet-multinomial	鲁棒性好，假阳性低	计算较慢
ANCOM	对比率检验	理论优雅	不报告效应量
DESeq2	负二项分布	广泛使用，文档丰富	对组成性数据假阳性高
LEfSe	LDA + Kruskal-Wallis	直观可视化	统计基础较弱

Benchmark 结论 (Naylor et al., 2022)

在 38 个 16S 数据集上比较 14 种方法：ALDEx2 和 ANCOM-II 产生最一致的结果。

实践建议

推荐流程

library(ANCOMBC)
library(phyloseq)

# 1. 准备 phyloseq 对象
ps <- phyloseq(otu_table, sample_data, tax_table)

# 2. ANCOM-BC 分析
result <- ancombc2(
  data = ps,
  fix_formula = "Group + Age + Sex",  # 固定效应
  p_adj_method = "BH",                 # FDR 校正
  lib_cut = 1000,                      # 最低 reads 数
  group = "Group"                       # 分组变量
)

# 3. 查看结果
result$res  # log fold change, SE, W-stat, p-value

注意事项

1. 过滤稀有 OTU: 移除出现在 <10% 样本中的 OTU
2. 添加伪计数: 处理零值（CoDA 方法通常内置处理）
3. 考虑混杂因素: 在模型中加入批次、年龄等协变量
4. 多方法验证: 至少用 2 种方法确认结果
5. 报告效应量: 不只看 p 值，也要看 log fold change

2025 新工具：dar 包

dar R 包 将 DESeq2、ALDEx2、ANCOM-BC、metagenomeSeq 整合为一个共识框架：

library(dar)
result <- differential_abundance(ps, method = "consensus")

相关概念

• Alpha 多样性
• ANCOM-BC
• LEfSe
• DESeq2
• phyloseq

参考文献

1. Gloor et al. (2017) Microbiome Datasets Are Compositional: And This Is Not Optional. Frontiers in Microbiology. DOI: 10.3389/fmicb.2017.02224
2. Lin et al. (2020) Analysis of compositions of microbiomes with bias correction. Nature Communications. DOI: 10.1038/s41467-020-17041-7
3. Naylor et al. (2022) Microbiome differential abundance methods produce different results across 38 datasets. Nature Communications. DOI: 10.1038/s41467-022-28034-z
4. Lin & Peddada (2024) Multigroup analysis of compositions of microbiomes with covariate adjustments and structural zeros. Nature Methods. DOI: 10.1038/s41592-023-02092-7

---

最后更新: 2026-03-30