贝叶斯孟德尔随机化通过家系数据、部分观测暴露与相关性工具变量识别致病蛋白
应用统计
2019-09-24 v2
摘要
背景:在一项针对多发性硬化症(MS)撒丁岛多发家系以识别致病血浆蛋白的研究中,孟德尔随机化(MR)方法的应用因个体间亲缘关系、精细定位基因型工具变量(IVs)间的相关性以及暴露缺失而遇到困难。方法:我们改进Berzuini等人(2018)的方法以应对这些困难。所提方法允许家系结构通过亲缘矩阵进入结局分布的设定,并将缺失暴露作为可从数据估计的附加参数处理。它还通过将原先提出的IV特异性多效效应独立先验替换为g先验,来承认工具间的可能相关性。基于相关(r2<0.2)的IVs,我们使用独立先验与g先验分析了四种候选MS致病蛋白的数据。结果:在两种分析中,蛋白IL12A与STAT4因果效应的95%可信区间均位于严格负实半轴上,提示潜在因果性。那些估计多效效应超过对结局总效应85%的工具变量被发现以反式(trans)作用。频率学MR分析给出不一致结果。以g先验替代独立先验使得因果效应的可信区间更小。结论:基于家系数据与中等相关工具,贝叶斯MR或是研究蛋白水平疾病因果性的良好途径。
引用
@article{arxiv.1903.00682,
title = {Bayesian Mendelian Randomization identifies disease causing proteins via pedigree data, partially observed exposures and correlated instruments},
author = {Teresa Fazia and Leonardo Egidi and Burcu Ayoglu and Ashley Beecham and Pier Paolo Bitti and Anna Ticca and Jacob L. McCauley and Peter Nilsson and Carlo Berzuini and Luisa Bernardinelli},
journal= {arXiv preprint arXiv:1903.00682},
year = {2019}
}