结合孟德尔随机化与高效多 GWAS 整合的中介分析
统计方法学
2024-05-20 v2 统计理论
统计理论
摘要
中介分析是研究感兴趣的暴露、中介与结局变量之间因果通路的有力工具。使用观测数据的经典中介分析通常需要强且有时不切实际的假设（如无混淆性），而孟德尔随机化（MR）通过将遗传变异作为工具变量来避免未测量混淆偏倚。我们开发了一个新的 MR 框架，用于基于全基因组关联研究（GWAS）汇总数据的中介分析，并提供了可靠的统计学保证。我们的框架采用精心设计的估计方程，允许使用不同组的遗传变异分别作为暴露和中介的工具变量，从而高效整合存储于三个独立 GWAS 中的信息。作为此项工作的一部分，我们证明在中介分析中，工具变量选择带来的挑战超出了众所周知的赢家诅咒问题，因此需要特殊处理加以解决。随后，我们开发了偏差校正技术，以解决工具变量选择问题以及常遇的测量误差偏差问题。总而言之，通过理论探究，我们表明与现有方法相比，我们的框架能为直接效应和中介效应提供有效的统计推断，并提升了统计效率。我们进一步通过模拟实验和案例研究阐明了本方法的有限样本表现。
引用
@article{arxiv.2312.10563,
title = {Mediation Analysis with Mendelian Randomization and Efficient Multiple GWAS Integration},
author = {Rita Qiuran Lyu and Chong Wu and Xinwei Ma and Jingshen Wang},
journal= {arXiv preprint arXiv:2312.10563},
year = {2024}
}