孟德尔随机化研究中基于随机效应模型的因果效应矩估计方法

基因分型技术的最新进展提供了丰富的遗传数据，这正在迅速推进我们对复杂疾病潜在遗传结构的理解。孟德尔随机化（MR）利用此类遗传数据，从观察性研究中估计暴露因素对结果的因果效应。在本文中，我们利用遗传相关性来总结与暴露因素相关的大量遗传变异的信息。我们提出的方法是 MR-逆方差加权（IVW）方法的推广，在其中我们可以容纳许多弱效应和多效性效应。我们的方法量化了所有有效工具变量（IV）解释的变异，而不是估计单个效应，因此可以容纳弱 IV。这对于在小型研究或少数群体中进行 MR 估计尤为有用，因为在这些情况下，有效 IV 的选择是不可靠的，从而对 MR 估计有很大影响。通过模拟和真实数据分析，我们证明了我们的方法为现有的 MR 方法提供了稳健的替代方案。我们展示了在 MR 假设被违反时我们所提方法的稳健性，并将其性能与几种现有方法进行了比较。