基于功能数据分析的纵向微生物组距离计算方法LorDist及其在表型区分中的应用

本研究创新性地提出纵向微生物数据距离计算方法LorDist，通过功能数据分析（FDA）框架整合时间序列微生物组的动态特征，有效解决数据稀疏性（≤60%缺失）和采样不规则性等挑战。相比CTF、TCAM等方法，LorDist在PERMANOVA检验中展现出更高的F值（P<0.05），在炎症性肠病（IBD）和婴儿肠道发育等实证数据中显著提升表型区分能力，为微生物组时序研究提供新范式。

　　

方法创新：LorDist算法框架

针对纵向微生物数据的高维、稀疏和时序自相关特性，LorDist采用三阶段计算策略：首先通过B样条或傅里叶基函数（K=√n_t）拟合个体微生物特征曲线，将离散观测值转化为连续函数x?_ij(t)=∑_l=1^Kc_ijl?_l(t)；继而进行功能主成分分析（FPCA），提取表征时序变异模式的ξ_ijr得分；最终构建加权距离矩阵d_j(S_i,S_i′)=[∑_r=1^Rλ_jr(ξ_ijr-ξ_i′jr)²]^1/2，整合200+微生物特征形成全局距离度量。

性能验证：突破60%缺失阈值

在模拟数据测试中，LorDist展现出卓越的鲁棒性：

• 抗稀疏性：当数据缺失达60%时，仍保持PERMANOVA检验显著性（P=0.001），显著优于CTF（P>0.05）和TCAM（P=0.061）

• 时序适应性：在错位采样场景下，其F值比microTensor提升37%（Wilcoxon检验P<0.01）

• 深度不敏感性：测序深度从5,000到100,000reads时，F值波动范围<15%

典型微生物动态捕获案例显示，Parabacteroides merdae在膳食干预（EEN/杂食/纯素）下的丰度轨迹差异被精确建模，FPCA首主成分（解释度82.3%）成功定位抗生素干预前的关键变异时点（第5天）。

真实数据应用：IBD分型突破

在Qiita-11546数据集中：

• 克罗恩病vs溃疡性结肠炎：LorDist实现显著区分（P=0.004），而microTensor失效（P=0.687）

• 婴儿抗生素暴露：在Qiita-13173数据中F值达9.87，较FTSVD提升2.3倍

方法论比较优势

相较于现有技术：

1. CTF：忽略时间排序，在50%稀疏度下失效

2. FTSVD：依赖规整时间网格，错位数据P值恶化至0.063

3. TCAM：强数据完整性假设限制实际应用

局限与展望

当前方法需≥3个时间点/个体，未来可通过引入系统发育权重优化特征整合。该成果已应用于FARMM膳食研究，为个性化诊疗提供新工具。