複数の関連するマーカーのメタ分析方法：複数のα-ダイバーシティインデックスでの結果を伴うマイクロビオーム研究への応用

メタ分析は、複数の研究の結果全体で統合された統計的推論を可能にする実用的で強力な分析ツールです。特に、研究者はしばしば、各研究の複数の関連マーカーに関する結果を報告します（たとえば、微生物叢研究におけるさまざまなα-diversityインデックス）。ただし、単変量メタ分析は、一度に単一の共通マーカーの結果を組み合わせることに限定されていますが、既存の多変量メタ分析は、各研究でマーカーごとの相関が示される状況に限定されます。したがって、ここでは、マルチマーカーメタ分析（MMEME）と適応型マルチマーカーメタ分析（AMETA）の2つのメタ分析方法を紹介し、複数の関連マーカーの複数の研究をマーカーごとの先験的な結果と組み合わせて組み合わせます。相関。MMEMETAは、すべての研究とマーカーにわたるプールされた推定値とそのSEの統計的推定量ですが、AMETAはマーカー固有のメタ分析の最小p値のテスト統計に基づいた統計テストです。MMEMETAは、マーカーごとの相関を順列を介してノンパラメトリーで推定しなが​​ら、マーカー固有のプールされた推定値の加重平均に基づいて、効果推定と仮説検定の両方を実施しますが、そのパワーは中程度です。対照的に、AMETAはマーカー固有のメタ分析の中で最も高い出力に密接に近づいていますが、仮説検査に限定されています。それらのアプリケーションはより広くなる可能性がありますが、MMEMETAとAMETAの使用を使用して、複数のα-ダイバーシティインデックス全体でミクロビオーム研究を組み合わせています。シリコでムメタとアメータを評価し、ヒト免疫不全ウイルス（HIV）感染の状態により、α-ダイバーシティの格差に関する実際の微生物叢研究にそれらを適用します。MmetaとAmetaのRパッケージは、https://github.com/hk1785/mmetaで無料で入手できます。

Meta-analysis is a practical and powerful analytic tool that enables a unified statistical inference across the results from multiple studies. Notably, researchers often report the results on multiple related markers in each study (eg, various α-diversity indices in microbiome studies). However, univariate meta-analyses are limited to combining the results on a single common marker at a time, whereas existing multivariate meta-analyses are limited to the situations where marker-by-marker correlations are given in each study. Thus, here we introduce two meta-analysis methods, multi-marker meta-analysis (mMeta) and adaptive multi-marker meta-analysis (aMeta), to combine multiple studies throughout multiple related markers with no priori results on marker-by-marker correlations. mMeta is a statistical estimator for a pooled estimate and its SE across all the studies and markers, whereas aMeta is a statistical test based on the test statistic of the minimum P-value among marker-specific meta-analyses. mMeta conducts both effect estimation and hypothesis testing based on a weighted average of marker-specific pooled estimates while estimating marker-by-marker correlations non-parametrically via permutations, yet its power is only moderate. In contrast, aMeta closely approaches the highest power among marker-specific meta-analyses, yet it is limited to hypothesis testing. While their applications can be broader, we illustrate the use of mMeta and aMeta to combine microbiome studies throughout multiple α-diversity indices. We evaluate mMeta and aMeta in silico and apply them to real microbiome studies on the disparity in α-diversity by the status of human immunodeficiency virus (HIV) infection. The R package for mMeta and aMeta is freely available at https://github.com/hk1785/mMeta.