Mendelian Randomization (MR) 文章学

有关MR方法的学习请参考：https://www.mubu.com/doc/5Ke3fGOVKrY

今日学习一篇2023年发表于BMC medicine上的文章，题目是：Circulating levels of micronutrients and risk of infections: a Mendelian randomization study。

摘要：

背景：微量元素的缺失增加感染的易感性。目前有关微量元素和感染之间的观察性研究及RCT很有限。
方法：Two-sample MR，数据来源为欧洲血统（European ancestry）的独立队列（independent cohorts）。表型（危险因素：3种感染）数据来源为UK Biobank and FinnGen。统计分析为：反方差加权法（IVW，Inverse variance-weighted MR）和一系列敏感性分析。统计显著性P设置为2.08E-3
结果：研究发现血液循环中的铜的水平和胃肠道感染明显相关。一个SD的增加与0.91的OR值相关。这些发现被后续的敏感性分析证实为稳健的。

方法

1.报道按照STROBE-MR的方法。（Skrivankova VW, Richmond RC, Woolf BAR, Davies NM, Swanson SA, VanderWeele TJ, et al Strengthening the Reporting of Observational Studies in Epidemiology using Mendelian Randomisation (STROBE-MR): explanation and elaboration. BMJ. 2021;375:n2233.）
2.Flow chart:

Flow chart
3.数据：共14 GWASs数据集：8个暴露因素数据集和6个结局数据集。
为了减少人群分层的偏倚，数据选择了同为欧洲血统（European ancestry）的数据。

4. 表型（危险因素）GWAS数据的两个搜索平台：GWAS Catalog and PubMed
5. 表型（危险因素）GWAS数据的临床显著性确定：P ≤ 5E−08
6. 结局（疾病）GWAS数据的两个搜索平台：UK Biobank 和 FinnGen Release 6。
7. 使用SAIGE对与遗传相关的性别、年龄及前4个（UK Biobank）或前10个主成分进行调整（FinnGen）。
8. 汇总统计（summary statistics）的meta分析采用METAL的随机效应模型（random-effects model）（Willer CJ, Li Y, Abecasis GR. METAL: fast and efficient meta-analysis of
   genomewide association scans. Bioinformatics. 2010;26(17):2190–1.）。
9. Cochran’s Q statistical test （included in METAL）用于评价两个队列结局研究的基因工具的异质性。
10. 统计效能： F统计量（后续再添加）
11. MR主分析方法：
    11.1 计算每个SNP的Wald比（即SNP-结果关联/SNP-暴露关联）。若不同SNP对应一个危险因素（微量元素），则选择使用IVW（反向方差加权法）计算效应量（Wald比）。
    11.2 每个遗传预测的SD增加一个单位， 报道的结局关联增加1个OR。
    11.3 MR分析针对UK Biobank、FinnGen Release 6及meta分析的汇总分别进行。
    11.4 名义上的P<0.05。 多重检验的矫正统计量p=0.05/(8 exposures*3 outcomes ) = 0.05/24 = 2.08E−03。
12. MR敏感性分析方法：
    12.1 水平多效性检测（Cochran’s Q statistical test）
    12.2 评估基因工具的独立性及排他性：PhenoScanner V2工具（http://www.phenoscanner.medschl.cam.ac.uk/ (accessed 30 October 2022).）
    12.3 leave-one-out 分析 （>2 SNP）： 检验IVW估计值的稳健性。及是否存在特殊的SNP（促进这种关联，也就是多效性）
    12.4 Cu的潜在多效性分析
13. 非严格标准的基因工具的二次分析
    13.1 纳入低标准的基因工具变量（r 2 < 0.01 and P ≤ 5E−06）：可能引入弱相关变量
    13.2 MR-RAPS：纠正引入弱相关变量的偏倚。
14. Post hoc analyses （事后分析）
    14.1 分析结果中Cu与胃肠道感染之间的关联。
    14.2 两种事后分析：1.提取另外的肠道感染的GWAS数据，进行独立队列的MR分析。2. 分析反向因果。进行遗传预测的Cu血清水平和遗传预测的肠道感染的风险之间的MR分析。
15. 数据分析工具：所有MR分析用的是R语言中的TwoSampleMR package。METAL则应用于对结局的Meta分析。

想法：MR研究的指标较多，但也有一定的规律，重点在于多读文献，筛选合适的数据集、工具变量，适当的分析及恰当的语言组织能力（telling a good story）。