许多科学领域,包括人类肠道微生物组科学,收集多变量计数数据,其中计数的总和与所测量的基础系统的规模无关(例如,在受试者的结肠中的总微生物负载)。这种断开连接使下游分析复杂化,例如病例对照研究中的差异分析。本文是由对体外人肠道微生物组模型的新研究进行的。用于分析这些数据的流行工具导致假阳性和虚假负面的率显着提高。要理解这些失败,我们提供了正式的问题陈述,该声明是根据经典的标志性理论来构成这些规模挑战的。我们将其称为规模的Reliant推理问题(SRI)。我们使用此公式来证明SRI对SRI的基本限制,例如一致性和I型误差控制。我们表明,现有方法的失败源于基本未能正确量化系统量表中的不确定性的基本失败。我们证明了一种称为贝叶斯部分鉴定的模型(PIM)的特定类型的贝叶斯模型可以正确量化SRI中的不确定性。我们引入了比例模拟随机变量(SS-RV),作为指定和推断贝叶斯PIM的灵活和高效方法。在真实数据和模拟数据的上下文中,我们发现SSRV DRASTICLICLVS降低了I型和II型错误率。
主要关键词