mbSparse: un método de imputación basado en un autocoder para abordar la escasez en datos de microbioma.

La implicación de la microbiota intestinal en las actividades fisiológicas del huésped es crucial, sin embargo, la alta escasez de datos de microbioma, marcada por numerosos ceros en matrices de conteo, presenta enormes desafíos analíticos. Para superar esto, desarrollamos mbSparse, un algoritmo de imputación que aprovecha el aprendizaje profundo en lugar de distribuciones de conteo predefinidas tradicionales. Utilizando un autoencoder de características para aprender representaciones de muestras y un variacional condicional autoencoder (CVAE) para la reconstrucción de datos, mbSparse integra eficazmente estos procesos para mejorar la imputación.

Nuestros resultados demuestran que mbSparse logra una precisión excepcional, con reducciones del error cuadrático medio de hasta 4,1 en comparación con los métodos existentes de microbioma, incluso entre muestras atípicas y profundidades de secuenciación variables. En el análisis de cáncer colorrectal, mbSparse aumenta la detección de taxones asociados a enfermedad validados de 7 a 27, mientras que la precisión predictiva mejora, como lo demuestran los valores del área bajo la curva de precisión-recall que suben desde 0,85 hasta 0,93.

Además, mbSparse aborda ceros no biológicos restaurando más del 88% de conteos eliminados y logrando una correlación de Pearson de 0,9354 a una tasa de eliminación del 10%, preservando relaciones taxonómicas esenciales. Finalmente, nuestra exploración de variantes de mbSparse revela que el CVAE es crucial para mejorar la precisión, proporcionando valiosas perspectivas para optimizar aún más las técnicas de imputación de datos de microbioma.