So sánh các phương pháp Mendelian ngẫu nhiên mạnh mẽ sử dụng dữ liệu tóm tắt

Genetic Epidemiology - Tập 44 Số 4 - Trang 313-329 - 2020
Eric A. W. Slob1,2, Stephen Burgess3,4
1Erasmus School of Economics, Erasmus University Rotterdam, Rotterdam, The Netherlands
2Erasmus University Rotterdam Institute for Behavior and Biology, Rotterdam, The Netherlands
3Department of Public Health and Primary Care, University of Cambridge, Cambridge, UK
4MRC Biostatistics Unit, University of Cambridge, Cambridge, UK

Tóm tắt

Tóm tắtSố lượng các phân tích Mendelian ngẫu nhiên (MR) bao gồm số lượng lớn các biến di truyền đang tăng nhanh. Điều này là do sự phát triển nhanh chóng của các nghiên cứu liên kết toàn bộ gen và mong muốn có được những ước lượng chính xác hơn về các hiệu ứng gây ra. Vì không có khả năng tất cả các biến di truyền đều là các biến công cụ hợp lệ, đã có nhiều phương pháp mạnh mẽ được đề xuất. Chúng tôi so sánh chín phương pháp mạnh mẽ cho MR dựa trên dữ liệu tóm tắt có thể được thực hiện bằng cách sử dụng phần mềm thống kê tiêu chuẩn. Các phương pháp được so sánh theo ba cách: bằng cách xem xét các thuộc tính lý thuyết của chúng, trong một nghiên cứu mô phỏng rộng rãi, và trong một ví dụ thực nghiệm. Trong nghiên cứu mô phỏng, phương pháp tốt nhất, được đánh giá bằng lỗi bình phương trung bình là phương pháp hỗn hợp ô nhiễm. Phương pháp này có tỷ lệ lỗi loại I được kiểm soát tốt với tới 50% biến công cụ không hợp lệ trên nhiều kịch bản khác nhau. Các phương pháp khác hoạt động tốt theo các chỉ số khác nhau. Các phương pháp mạnh mẽ đối với giá trị ngoại lai có khoảng tin cậy hẹp nhất trong ví dụ thực nghiệm. Với những ngoại lệ riêng rẽ, tất cả các phương pháp đều hoạt động kém khi hơn 50% các biến là biến công cụ không hợp lệ. Khuyến nghị của chúng tôi cho các nhà nghiên cứu là thực hiện nhiều phương pháp mạnh mẽ khác nhau hoạt động theo các cách khác nhau và dựa trên các giả định khác nhau để đưa ra suy luận hợp lệ, nhằm đánh giá độ tin cậy của các phân tích MR.

Từ khóa


Tài liệu tham khảo

10.1093/biostatistics/kxy027

10.1002/gepi.21965

10.1002/sim.7221

Burgess S. Bowden J. Dudbridge F. &Thompson S. G.(2016).Robust instrumental variable methods using multiple candidate instruments with application to Mendelian randomization. arXiv 1606.03279.

10.1002/gepi.21758

10.1002/sim.6835

Burgess S., 2020, A robust and efficient method for Mendelian randomization with hundreds of genetic variants, Nature Communications, 11

10.1007/s10654-017-0255-x

10.1093/ije/dyy080

10.1093/ije/dyg070

10.1177/0962280206077743

10.1073/pnas.1707388115

10.1093/aje/kwr323

10.1111/rssb.12275

10.1093/ije/dyx102

10.3945/ajcn.115.118216

Jiang L., 2017, Constrained instruments and their application to mendelian randomization with pleiotropy, bioRxiv, 22754

10.1080/01621459.2014.994705

10.1038/nature14177

10.1186/s12863-016-0425-y

Mosteller F., 1977, Data analysis and regression: A second course in statistics

10.1038/ng.3396

10.1038/s41588-018-0255-0

10.1093/ije/dyn080

10.1093/aje/kwt084

Qi G., 2019, A comprehensive evaluation of methods for Mendelian randomization using realistic simulations and an analysis of 38 biomarkers for risk of type‐2 diabetes, bioRxiv, 70287

Qi G., 2020, Mendelian randomization analysis using mixture models for robust and efficient estimation of causal effects, Nature Communications, 10

10.1016/j.ajhg.2011.10.004

10.1093/ije/dyh132

10.1038/nrg3461

10.1093/bioinformatics/btw373

Tchetgen Tchetgen E. J. Sun B. &Walter S.(2017).The GENIUS approach to robust Mendelian randomization inference.arXiv 1709.07779 [stat.ME].

10.1016/j.annepidem.2006.12.005

10.1097/EDE.0000000000000081

10.1038/s41588-018-0099-7

10.1016/j.jhealeco.2015.10.007

10.1093/nar/gkt1229

Windmeijer F. Farbmacher H. Davies N. &DaveySmith G.(2016).On the use of the lasso for instrumental variables estimation with some invalid instruments(Technical Report Discussion Paper 16/674). University of Bristol.

Zhao Q. Wang J. Bowden J. &Small D. S.(2018).Statistical inference in two‐sample summary‐data Mendelian randomization using robust adjusted profile score.arXiv 1801.09652 [stat.AP].

10.1093/bioinformatics/btw613

Thông tin
Thông tin xuất bản

Genetic Epidemiology

Tập 44 Số 4

313-329

Thông tin tác giả