Nature Methods | MaAsLin3：用于宏组学关联发现的广义多变量线性模型的优化与扩展

背景：微生物群落研究的核心任务是识别微生物特征与环境或健康表型之间的关联，但数据固有的稀疏性和组成性特征阻碍了这一过程。研究目的：本文推出MaAsLin3，旨在通过广义多变量线性模型优化与扩展，同时识别微生物组特征在丰度与检出率两方面的关联，并适配现代复杂实验设计，包括通过实验或计算策略校正组成性。结论：在多种模拟与实际数据集中，MaAsLin3的表现均优于当前主流差异丰度分析方法，尤其在处理复杂数据集时表现出色。应用于炎症性肠病多组学数据库时，该方法不仅复现了既往关联，还发现77%的关联主要体现在特征检出率而非丰度上，为研究人员在复杂数据背景下更准确、精细地解析微生物组关联提供了有力工具。