基于精细映射遗传数据的孟德尔随机化：从大量相关工具变量中选择
统计方法学
2017-07-10 v1
摘要
孟德尔随机化利用遗传变异对风险因子与结局之间的效应进行因果推断。对于精细映射的遗传数据，单个基因区域内可能存在数百个遗传变异，其中任何一个都可用于评估该因果关系。然而，在分析中使用过多遗传变异会导致虚假估计和膨胀的I类错误率。但如果仅使用少数遗传变异，则大部分数据被忽略，且估计对特定变异的选择高度敏感。我们提出一种仅基于汇总数据（遗传关联与相关性估计）的方法，利用主成分分析来构建工具变量。该方法具有理想的理论性质：它考虑了全部数据且不会遭遇数值不稳定性。它在模拟研究中也表现良好：对分析中纳入的遗传变异或遗传相关矩阵的变化不特别敏感，且不会大幅膨胀I类错误率。总体而言，该方法给出的估计精度不如变量选择方法（如采用条件分析或剪枝方法选择变异），但对变量选择步骤中看似任意的选择更为稳健。方法通过一个实例加以说明：利用320个遗传变异与睾酮的遗传关联，评估性激素相关通路对冠状动脉疾病风险的影响，而变量选择方法给出了不一致的推断。
引用
@article{arxiv.1707.02215,
title = {Mendelian randomization with fine-mapped genetic data: choosing from large numbers of correlated instrumental variables},
author = {Stephen Burgess and Verena Zuber and Elsa Valdes-Marquez and Benjamin B Sun and Jemma C Hopewell},
journal= {arXiv preprint arXiv:1707.02215},
year = {2017}
}