Projets des équipes de recherche collaborative – Projet 29

Méthodologies statistiques et outils informatiques pour identifier les corrélats microbiens de la santé intestinale des abeilles canadiennes

Pour soutenir l’économie apicole de l’apiculture et de l’agriculture canadiennes, il est important de rechercher les causes de la perte de colonies et d’améliorer la survie des abeilles. La meilleure approche pour comprendre ce problème complexe est l’analyse statistique des risques. Ce projet fera progresser le domaine de l’analyse des données de composition en développant de nouvelles méthodes statistiques et informatiques plus réalisables pour analyser des modèles complexes de comptage multivarié (CMV).

Catégorie de recherche :
Région : Nationale
Date : 2025–2028

Pourquoi de nouvelles méthodes d’analyse des modèles MVC sont-elles nécessaires ?

Le projet canadien sur le système digestif des abeilles (PCSDA), dirigé par notre collaboratrice, la Dre Emma Allen-Vercoe, a été financé par le programme Food from Thought de l’Université de Guelph (2022–2024). Le PCSDA vise à améliorer la compréhension du rôle des microbes présents dans les intestins des abeilles sur l’état de santé des abeilles ainsi que sur leur survie hivernale.

Les modèles de régression CMV sont souvent utilisés pour corréler la composition du microbiome intestinal à un ensemble de covariables. Dans des recherches antérieures, nous avons développé les fondements théoriques et méthodologiques pour l’optimisation des modèles de régression SGL-CMV dans le cadre de l’algorithme de minorisation-maximisation (MM) par régularisation de l’hyperplan dominant (RHD).

La phase initiale du projet actuel s’appuiera sur ce travail et utilisera les résultats pour préparer un package R pour la régression CMV régularisée.

Les outils de diagnostic résiduels issus du travail initial seront modifiés et incorporés dans le cadre du modèle spatial pour développer des modèles spatiaux qui peuvent être généralisés à la classe plus large des modèles mixtes CMV.

En outre, le projet développera des outils pour les cas où les observations appartiennent à un ensemble de sous-populations latentes mais biologiquement significatives et pour tenir compte des corrélations spatiales/temporelles souvent présentées par les données du monde réel.

Objectifs et activités de recherche

Notre objectif principal ici est de faire progresser davantage le domaine de l’analyse des données compositionnelles. Nous développerons des méthodes statistiques et informatiques nouvelles et plus réalisables pour analyser des modèles de comptage multivariés complexes, avec les quatre objectifs spécifiques suivants :

1. Développement de modèles de régression CMV régularisés pour associer des facteurs influents aux compositions du microbiome intestinal
2. Développement de modèles de régression CMV spatio-temporels pour les compositions du microbiome intestinal des abeilles
3. Développement d’un modèle de regroupement régularisé des compositions du microbiome intestinal
4. Développement d’un modèle de régression régularisé basé sur un arbre pour associer des facteurs influents importants au microbiome intestinal et associer les compositions du microbiome aux résultats phénotypiques

Ensemble, ces quatre objectifs fournissent une classe solide de modèles CMV régularisés qui peuvent être appliqués aux données de comptage présentant des corrélations spatiales et/ou temporelles. Les développements théoriques fournissent une bonne interprétation de la manière d’ajuster ces modèles via une série de régressions régularisées pondérées de manière itérative. Nous nous attendons à ce que nos résultats soient généralisables à d’autres types de données CMV.