$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Este estudio aplica un diseño de aleatorización mendeliana (RM) de dos muestras para evaluar si la longitud de telómeros (TL) genéticamente proxy influye causalmente en el riesgo de tirotoxicosis. Solo se utilizaron estadísticas resumidas GWAS desidentificadas y disponibles públicamente, y no se accedió a datos individuales. La Junta de Revisión Institucional del Hospital Municipal de Qingdao determinó que el análisis está exento de revisiones adicionales porque se basa exclusivamente en datos públicos resumidos. Todos los estudios de asociación genómica que contribuyeron obtuvieron consentimiento informado y aprobaciones éticas como parte de sus protocolos originales. El análisis está estructurado para minimizar la confusión y la causalidad inversa utilizando variantes germinales asociadas con la línea de cristal como instrumentos de desconfusión y mediante la implementación de procedimientos de sensibilidad para analizar la pleiotropía, la heterogeneidad y la dirección del efecto.
Fuentes de datos
El conjunto de datos de exposición para TL se obtuvo de IEU OpenGWAS bajo el identificador ieu-b-4879, que comprendía aproximadamente 472.174 participantes de ascendencia europea. El conjunto de datos de resultados para la tirotoxicosis se tomó del consorcio FinnGen, utilizando el resultado final de 2021 finn-b-tiROTOXICOSIS con 4.142 casos y 213.693 controles. Estos recursos proporcionan estimaciones efectivas y errores estándar necesarios para construir instrumentos a nivel SNP, armonizar alelos y estimar los efectos causales con estimadores de RM establecidos.
Software y entorno informático
Todos los análisis se realizaron en R (versión 4.3.1). El paquete analítico principal era TwoSampleMR (versión 0.5.7), complementado por ieugwasr para acceso programático a recursos GIS, MRPRESSO para detección de valores atípicos y pruebas de distorsión, mr.raps para estimación robusta bajo instrumentos débiles y pleiotropía idiosincrática, RadialMR para visualización radial y paquetes de propósito general como tidyverse y data.table. La información de la sesión y las versiones de los paquetes se escriben en un archivo para garantizar una estricta reproducibilidad.
Suposiciones fundamentales de la aleatorización mendeliana
El marco de la RM presupone que los instrumentos genéticos están fuertemente asociados con la TL, son independientes de factores que complican la relación entre la TL y la tirotoxicosis, y que solo influyen en la tirotoxicosis a través de la TL en lugar de vías alternativas. El plan de análisis operacionaliza estas suposiciones cuantificando la fuerza por variante, probando la pleiotropía horizontal desequilibrada mediante métodos basados en interceptaciones y cribado de valores atípicos, evaluando la heterogeneidad entre variantes y confirmando la dirección de efecto entre la tireotoxicosis con una prueba formal de direccionalidad12.
Selección de instrumentos y control de calidad
Los instrumentos genéticos se seleccionaron del GWAS de la lengua temporal con un umbral de significación genómica de p < 5×10-8. Para asegurar la independencia, el desequilibrio de ligamiento se abordó agrupando en r2 = 0,001 dentro de una ventana de 10.000 kb utilizando datos de referencia europeos del Proyecto 1000 Genomas; cuando las variantes estaban correlacionadas, se mantenía la variante con el valor p menor para asociación con TL. La intensidad del instrumento se resumió para cada variante usando la estadística F_i = \beta_{E,i}^{2}/\mathrm{SE}(\beta_{E,i})^{2} y se juzgó según el criterio convencional F > 1013,14. Cuando era apropiado, se hizo referencia a la aproximación de Sanderson-Windmeijer para describir la intensidad agregada del instrumento a través de múltiples variantes en una muestra de tamaño N, con K instrumentos explicando la varianza de exposición R^{2}: F_{\mathrm{SW}} = \{[R^{2}/(1-R^{2})]\,(N-K-1)\}/K 15. Se excluyeron variantes palindrómicas ambiguas con frecuencias alélicas cercanas a 0,5 a menos que la información de frecuencia alelar permitiera un alineamiento inequívoco.
Armonización
Para cada instrumento, la asociación correspondiente con la tirotoxicosis se extrajo de FinnGen y se alineó de modo que los tamaños del efecto representen el mismo alelo de efecto durante la exposición y el resultado. La armonización eliminó las discrepancias alélicas, corrigió problemas de hebra y excluyó SNPs palindrómicos con ambigüedad no resuelta, produciendo un conjunto de datos adecuado para la construcción válida de razones de Wald.
Estimación causal primaria
El análisis primario utilizó el estimador ponderado por la inversa de la varianza (IVW) para metaanalizar las proporciones de Wald específicas de SNP en un efecto causalagrupado 16. Las estimaciones se informan como razones de probabilidad por cada aumento de desviación estándar en TL, con intervalos de confianza del 95% derivados en modelos de efectos fijos y aleatorios. La elección del modelo se guió por diagnósticos de heterogeneidad, y ambas especificaciones se presentan para facilitar una interpretación robusta.
Análisis de sensibilidad y comprobaciones de robustez
La robustez se evaluó mediante regresión MR-Egger con término de intercepción para probar la pleiotropía direccional desequilibrada, estimación de máxima verosimilitud para mejorar la eficiencia bajo homogeneidad mientras mitigaba el error de medición, MR-PRESSO para realizar una prueba global de valores atípicos y estimar efectos de distorsión y corrección de valores atípicos, y MR-RAPS para proporcionar estimaciones resistentes a instrumentos débiles y pleiotropíaidiosincrática 17. La heterogeneidad entre variantes se cuantificó utilizando la estadística Q de Cochran bajo el marco de laFIV 18. La dirección del efecto se examinó con la prueba de Steiger, que compara la proporción de varianza explicada en exposición y resultado para determinar si los datos son más compatibles con la lengua de transición que causa tirotoxicosis en lugar de la inversa. La intercepción MR-Egger se utilizó como prueba formal para la pleiotropía direccional. Se inspeccionaron análisis leave-one-out para asegurar que la asociación general no estuviera impulsada por ninguna variante concreta.
Aleatorización Mendeliana Inversa
Para investigar la posible causalidad inversa, se repitió la línea analítica con la tirotoxicosis como exposición y la TL como resultado. Se aplicaron los mismos criterios de selección de instrumentos, procedimientos de armonización, estimador primario de IVW y análisis de sensibilidad para que se sacaran conclusiones sobre la direccionalidad dentro de un marco causal idéntico.
Múltiples pruebas, alimentación y reportes
La prueba principal de hipótesis se refiere al estimador de la FIV para el efecto de la TL en la tirotoxicosis. Los estimadores de sensibilidad y las pruebas diagnósticas se interpretan como evidencia de apoyo; Los valores p se informan en notación científica para mayor claridad, y las conclusiones enfatizan la consistencia entre métodos más que los umbrales de significación aislados. Los resúmenes de intensidad del instrumento y la proporción de varianza explicada informan la potencia aproximada bajo formulaciones estándar de no centralidad, reconociendo que la potencia depende del tamaño de la muestra, la intensidad del instrumento y la magnitud del efecto real.
Reproducibilidad computacional y comandos exactos
La reproducibilidad se garantiza proporcionando la secuencia completa de comandos R que recrean la selección de instrumentos, extracción de resultados, armonización, análisis primarios y de sensibilidad, resonancia magnética inversa, salidas diagnósticas y exportación de archivos listos para análisis. El script escribe archivos CSV estables y legibles para humanos correspondientes a la lista de instrumentos, el conjunto de datos armonizado y el resumen de estimaciones y diagnósticos de RM.
# R 4.3.1; TwoSampleMR 0.5.7
# Instalación opcional:
# install.packages(c("TwoSampleMR", "ieugwasr", "MRPRESSO", "mr.raps",
"RadialMR","tidyverse", "data.table"))
biblioteca(TwoSampleMR)
Biblioteca (ieugwasr)
biblioteca (MRPRESSO)
Biblioteca (Sr. Raps)
biblioteca (RadialMR)
Biblioteca (Tidyverse)
library(data.table)
# Exposición: longitud de telómeros (IEU OpenGWAS)
exposure_id <- "IEU-B-4879"
# Resultado: FinnGen 2021 objetivo de tirotoxicosis utilizado para los análisis reportados
outcome_id <- "finn-b-tirotoxicosis"
# Selección de instrumentos con umbral a nivel genómico y agrupación estricta de LD
exp <- extract_instruments(resultados = exposure_id, p1 = 5e-8, agrupación = TRUE, r2 = 0,001, kb = 10000)
exp$F_stat <- (exp$beta.exposure^2) / (exp$se.exposure^2)
fwrite (exp, "S1_instruments_TL.csv")
# Extracción y armonización de resultados
out <- extract_outcome_data(snps = exp$SNP, resultados = outcome_id)
dat <- harmonise_data(exp, out, acción = 2)
fwrite(dat, "S2_harmonised_TL_vs_thyrotoxicosis.csv")
# Estimadores de RM primaria y sensibilidad
res <- mr(dat, method_list = c("mr_ivw","mr_ivw_fe","mr_egger_regression",
"mr_weighted_median","mr_raps","mr_maxlik"))
het <- mr_heterogeneity(dat) # Q de Cochran
pleio <- mr_pleiotropy_test(dat) # Egger interceptación
Steiger <- directionality_test(dat) # Direccionalidad Steiger
# Estimaciones globales y corregidas por valores atípicos de MR-PRESSO
mrpresso <- mr_presso(BetaOutcome = "beta.outcome", BetaExposure = "beta.exposure",
SdOutcome = "se.outcome", SdExposure = "se.exposure",
OUTLIERtest = VERDADERO, DISTORTIONtest = VERDADERO,
data = dat, NbDistribution = 1000, SignifThreshold = 0,05) #
# Ressonancia magnética inversa: tirotoxicosis (exposición) -> TL (resultado)
rev_exp <- extract_instruments(resultados = outcome_id, p1 = 5e-8, agrupación = VERDADERO, r2 = 0,001, kb = 10000)
rev_out <- extract_outcome_data(snps = rev_exp$SNP, resultados = exposure_id)
rev_dat <- harmonise_data(rev_exp, rev_out, acción = 2)
rev_res <- mr(rev_dat, method_list = c("mr_ivw","mr_ivw_fe","mr_egger_regression",
"mr_weighted_median","mr_raps","mr_maxlik"))
rev_het <- mr_heterogeneity(rev_dat)
rev_pleio <- mr_pleiotropy_test(rev_dat)
rev_steiger <- directionality_test(rev_dat)
# Exportaciones para archivo y generación de figuras/tablas
write.csv(bind_rows(res), "S3_mr_results_primary.csv", fila.nombres = FALSO)
write.csv(het, "S3_mr_heterogeneity.csv", fila.nombres = FALSO)
write.csv(pleio, "S3_mr_pleiotropy_egger.csv",row.names = FALSO)
write.csv(steiger, "S3_mr_steiger.csv", fila.nombres = FALSO)
write.csv(bind_rows(rev_res), "S3_reverse_mr_results.csv", fila.nombres = FALSO)
write.csv(rev_het, "S3_reverse_heterogeneity.csv", fila.nombres = FALSO)
write.csv(rev_pleio, "S3_reverse_pleiotropy_egger.csv", fila.nombres = FALSO)
write.csv(rev_steiger, "S3_reverse_steiger.csv", fila.nombres = FALSO)