利用多变量孟德尔随机化解析具有共享成簇遗传预测因子的性状效应
统计方法学
2021-10-05 v2
摘要
当一个基因簇中的遗传变异与疾病结局相关时，从变异到结局的因果路径可能难以厘清。例如，趋化因子受体基因簇包含与多种细胞因子相关的遗传变异。该簇中变异与卒中风险的关联可能由这些细胞因子中的任何一种驱动。多变量孟德尔随机化是标准单变量孟德尔随机化的扩展，用于估计具有共享遗传预测因子的相关暴露的直接效应。然而，当遗传变异成簇时，会出现金发姑娘困境：在分析中包含过多高度相关的变异会导致病态条件，但过于激进地剪枝变异会导致估计不精确甚至无法识别。我们提出了使用主成分分析的多变量方法，将许多相关遗传变异降维为较少数量的正交成分，用作工具变量。我们在模拟中表明，这些方法产生的估计更精确，且对强相关和输入数据微小变化引起的数值不稳定性更不敏感。我们将这些方法应用于证明趋化因子基因簇中最可能的卒中因果风险因子是单核细胞趋化蛋白-1。
引用
@article{arxiv.2109.12361,
title = {Disentangling the effects of traits with shared clustered genetic predictors using multivariable Mendelian randomization},
author = {Fatima Batool and Ashish Patel and Dipender Gill and Stephen Burgess},
journal= {arXiv preprint arXiv:2109.12361},
year = {2021}
}