揭示基因-环境交互作用孟德尔随机化中的挑战
统计方法学
2023-09-22 v1
摘要
许多疾病和性状涉及基因与环境之间复杂的相互作用，这引发了通过观测数据研究基因-环境交互作用的浓厚兴趣。然而，对于生活方式和环境风险因素，它们常常易受未测量混杂因素的影响，从而可能使基因与环境联合效应的评估产生偏倚。近年来，孟德尔随机化（Mendelian randomization, MR）已发展成为一种基于观测数据评估因果关系以解释未测量混杂因素的通用方法。该方法利用遗传变异作为工具变量（instrumental variables, IVs），旨在提供可靠的统计检验与因果效应估计。MR近年来广受欢迎，很大程度上得益于大规模全基因组关联研究在识别与生活方式和环境因素相关的遗传变异方面的成功。已开发了许多MR方法；然而，用于评估基因-环境交互作用的工作甚少。在本文中，我们关注两种主要的IV方法：两阶段预测替代（2-stage predictor substitution, 2SPS）和两阶段残差包含（2-stage residual inclusion, 2SRI），并将它们扩展到分别在连续和二值结局的线性和逻辑回归模型下容纳基因-环境交互作用。大量模拟与分析推导表明，在线回归模型设定下寻找解相对直接；然而，逻辑回归模型显著更复杂且需要额外工作。
引用
@article{arxiv.2309.12152,
title = {Unveiling Challenges in Mendelian Randomization for Gene-Environment Interaction},
author = {Malka Gorfine and Conghui Qu and Ulrike Peters and Li Hsu},
journal= {arXiv preprint arXiv:2309.12152},
year = {2023}
}