Assessment of Sparse Multi-Block Partial Least Squares Regression Model Performance in Analysis of High-Dimensional Phenotypic Data

Abstract

FTIR and Raman spectroscopy, and MALDI-TOF mass spectrometry are emerging technologies for multidimensional phenotyping of microorganisms. While FTIR and Raman both represent a full metabolic fingerprint, MALDI spectra mainly represent the microbe's ribosomal protein composition.

All methods are used for microbial identification, both by the food industry and in the clinical laboratory, but direct comparison of them by integration into the same statistical model is lacking in scientific literature. To compare the three methods, we applied a Sparse MultiBlock PLSR (SMBPLSR) routine capable of analysing all data types simultaneously.

We present results indicating that this SMBPLSR method can be used to establish connections between the metabolic fingerprint of FTIR and Raman spectra, and ribosomal protein expression in MALDI-TOF data, and that the method to a large extent enables identification of samples on the strain level. Furthermore, we show that the SMBPLSR method can be used to indicate how phenotypic response to varied growth temperature is ascribed to certain types of biomolecules. Finally, we present results showing that different types of phenotypic data are treated differently by the SMBPLSR method. Grouping among variables or samples in FTIR and Raman data is achieved by a different set of latent variables than in grouping in MALDI data. The sensitivity and wealth of information obtainable from the SMBPLSR method makes it a viable complement to the already existing multivariate analysis methods.

FTIR- og Raman-spektroskopi, og MALDI-TOF massespektrometri, er alle framvaksande teknologiar brukt til multidimensjonal fenotyping av mikroorganismar. Medan FTIR or Raman gjev eit fullt metabolsk fingeravtrykk, er det ribosomal proteinkomposisjon som kjem til uttrykk i MALDI.

Alle desse metodane brukast for å identifisera mikrober, både i matvareindustrien og i kliniske laboratorier, men ei direkte statistisk samanlikning av metodane manglar i den vitskaplege litteraturen. For å bøte på mangelen, brukte me ei Sparsomleg MultiBlokk PLSR-metode (SMBPLSR) som kunne analysera alle datatypane samstundes. Me synar fram resultat som indikerer at SMBPLSR-metoden kan nyttast til å etablera koplingar mellom metabolsk fingeravtrykk i FTIR- og Raman-spektra på den eine sida, og ribosomalt proteinuttrykk i MALDI-TOF data på den annan. SMBPLSR-metoden kan i utstrekt grad identifisera prøver på stammenivå. Vidare syner me at SMBPLSR-metoden kan brukast til å indikera korleis fenotypisk respons på ulike veksttemperaturar kan tilskrivast spesifikke typar biomolekyl. Til slutt presenterast resultat som syner at dei ulike slaga fenotypiske data handsamast svært ulikt av SMBPLSR-metoden. Grupperingar av variablar eller prøver i FTIR- og Raman-data tilskrivast heilt andre latente variablar enn tilsvarande grupperingar i MALDI-data. Følsemda til og vellet av informasjon som kan framskaffast frå SMBPLSR-metoden gjer han til eit levedyktig tilskot til allereie eksisterande multivariate analysemetodar.