腸内細菌叢のデータで遊ぼう（Kostic et al, 2015）

Kostic et al, 2015 (https://www.cell.com/cell-host-microbe/fulltext/S1931-3128(15)00021-9) では、乳幼児の腸内細菌叢のコホート研究をおこなっています。

その結果として、腸内細菌の種の多様性は年齢とともに増加する傾向があるが、糖尿病を発症する群は2歳くらいで種の多様性の増加がサチるという現象を発見しました。

Image may be NSFW.
Clik here to view.
（https://www.cell.com/cell-host-microbe/fulltext/S1931-3128(15)00021-9より）

データセットは
DIABIMMUNE
に公開されています。

本当は統計モデリングでこの説を検証したかったけど、いまのところノーアイデアなので、今回は可視化だけ。

Kostic らは種の多様性の指標として Chao 1 （https://www.ism.ac.jp/editsec/toukei/pdf/60-2-263.pdf）というのを使っているけど、Chao 1がなんでこの式になるのかよくわからなかったので、ぼくはエントロピーを使うことにします。

腸内細菌のでデータはDNAを便のサンプルからまとめて回収してきて、データベースに照会することで菌種を特定します。

このときDNAのひとつの断片が菌種 k に該当する確率を Image may be NSFW.
Clik here to view.と表します。

エントロピーは

Image may be NSFW.
Clik here to view.

で定義されます。

このエントロピーをサンプルごとに計算してプロットしたのがこちらです。

Image may be NSFW.
Clik here to view.

T1Dが糖尿病です。たしかにちょっとサチってる気がする。

サンプルごとの繰り返し測定を表現したくて、こんな図も書いてみた。

Image may be NSFW.
Clik here to view.

R のコードを貼ります。

library(tidyverse)library(readxl)

tab0 <- read_tsv("~/data/Kostic/diabimmune_t1d_16s_otu_table.txt",skip=1)
meta <- read_excel("~/data/Kostic/diabimmune_t1d_wgs_metadata.xlsx")
abundance <- tab0 %>% 
  dplyr::select(starts_with("G"))%>% 
  mutate_all(as.numeric)%>% 
  t()


S_obs <- ncol(abundance)

S0 <- rowSums(abundance>0)
F1 <- rowSums(abundance==1)
F2 <- rowSums(abundance==2)

P <-(abundance+1)/rowSums(abundance+1)

dfalpha <- tibble(Gid_16S = row.names(abundance),diversity=S0+(F1^2)/(2*F2),
                  entropy=-rowSums(P*log(P)))
datout <- left_join(dfalpha,meta)%>% 
  drop_na()

theme_set(theme_bw(16))

ggplot(datout,aes(x=Age_at_Collection,y=entropy,colour=T1D_Status))+
  geom_point()+
  stat_smooth()

ggplot(datout,aes(x=Age_at_Collection, y = Subject_ID, colour=entropy))+
  geom_point(size=10, pch=15,alpha=0.8)+
  scale_color_gradient2(mid="gray", midpoint = mean(datout$entropy))+
  facet_grid(T1D_Status~.,scales ="free_y", space ="free")

だれか種の多様性の変化のモデリングやりませんか？