このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。

方法論記事

虚血性脳卒中と血管性認知症の因果関係：メンデルランダム化解析による研究

73 回視聴

⸱

2026年9月11日

 ,  ,  , 
1Department of Emergency Medicine, Baoding Second Hospital, 2Department of Cardiology, Affiliated Hospital of Hebei University

この記事について

サマリー

本プロトコルでは、公開されているゲノムワイド関連解析（GWAS）のサマリー統計量を用い、虚血性脳卒中と血管性認知症の間の潜在的な因果関係を評価するための、再現可能な2サンプル・メンデルランダム化解析ワークフローについて解説します。

要約

虚血性脳卒中（IS）は世界的な障害および死亡の主要な原因であり、血管性認知症（VaD）は脳血管障害に関連する一般的な認知症のサブタイプです。観察研究ではISとVaDの間の関係が示唆されていますが、これらの研究は交絡因子や逆因果関係の影響を受けやすいという課題があります。本プロトコルでは、公開されているゲノムワイド関連解析（GWAS）のサマリー統計量を用いて、ISとVaDの間の潜在的な因果関係を評価するための、再現可能な2サンプルメンデルランダム化（MR）ワークフローについて記述します。ISに関連する遺伝的操作変数は公開GWASデータセットから抽出し、VaDのアウトカム関連性は公開VaD GWASデータセットから取得しました。対応するデータセットIDは「Protocol」セクションに記載されています。アウトカムのマッチングとアレル調和後、最終的なMR解析のために51個の一塩基多型（SNP）が保持されました。このワークフローには、操作変数の選択、連鎖不平衡クランピング、アレルの調和、操作変数の強度の評価、逆分散加重（IVW）解析、加重中央値解析、MR-Egger解析、不均一性検定、水平多面発現性の評価、およびleave-one-out感度分析が含まれます。代表的な解析において、IVW法では遺伝的に予測されたISとVaDリスクの間に正の関連が示され、加重中央値法でも方向性の一致した結果が得られました。MR-Egger推定値は方向性は一致していましたが、統計的有意性には達しませんでした。したがって、これらの知見は因果関係の決定的な証明ではなく、因果効果の可能性を示す示唆的な根拠として解釈されるべきです。本プロトコルは、研究者が公開GWASデータを用いて、脳血管疾患に関連するアウトカムを調査するための、透明性と再現性のあるMRワークフローを適用する際に役立つと考えられます。

概要

虚血性脳卒中（IS）は、世界における重度の障害および死亡の主要な原因となっています1。Global Burden of Disease Studyの最新データによれば、ISの世界的な発生率は低下していますが、特に東欧、東アジア、中央アジア、およびサブサハラアフリカにおいて依然として大きな負担となっています2,3。さらに、社会人口学的指数（SDI）が低い国々ではISの発生率が上昇傾向にあり、2020年から2030年にかけて増加し続けると予測されています。

多くの疫学研究により、脳血管疾患と血管性認知症（VaD）との間に潜在的な関連があることが示唆されています4,5。特に中国において、VaDは高齢者に最も多い認知症のタイプの一つであり、虚血性脳卒中（IS）の高い有病率はVaDの発症と密接に関連しています。しかし、既存の研究の多くは観察研究であり、残留交絡、逆の因果関係、および疾患定義の違いが、因果関係の解釈を制限している可能性があります。したがって、ISがVaDの発症に潜在的に関与しているかどうかを評価するためには、さらなる分析的アプローチが必要です。

ISはいくつかのメカニズムを通じてVaDの発症に影響を与える可能性があります。ISによって引き起こされる脳血管損傷は、脳灌流の不足とそれに続く神経変性変化を招く可能性があります6。さらに、VaDはIS後の慢性的な脳血管損傷、微小血管損傷、および炎症反応に関連している可能性があります7,8。したがって、ISとVaDの関係を調査することは、潜在的な疾患の関連性を理解し、将来的な予防戦略を導くために重要です。

メンデルランダム化（MR）は、遺伝的変異を操作変数として用い、曝露因子とアウトカムの間の潜在的な因果関係を評価する解析手法である9。従来の観察研究と比較して、MRは妥当な操作変数の仮定の下で、交絡や逆因果関係によるバイアスを低減できる。ランダム化比較試験や実験モデルと比較すると、MRは既存のゲノムワイド関連解析（GWAS）の要約統計量を利用できるため、直接的な介入研究が不可能、非倫理的、または実施が困難な場合に、臨床的に重要な関連性を評価することが可能である。近年、メンデルランダム化アプローチを用いた遺伝学的研究により、ISとVaDの関連性が調査されている10。しかし、再現可能な実施のためには、曝露操作変数の選択、アウトカムデータの抽出、アレルの一致化、操作変数の強度評価、異質性検定、多面発現性の評価、および感度分析に関する詳細なプロトコルレベルの記述が依然として重要である。

本プロトコールは、注目する曝露因子とアウトカムの両方について公開済みのGWASサマリー統計量が存在し、曝露因子に対して妥当な遺伝的操作変数を選択でき、かつ研究目的が直接的な生物学的メカニズムの解明ではなく、潜在的な因果関係の評価である場合に適しています。したがって、本研究では公開済みのGWASサマリー統計量を用いて、ISとVaDの間の潜在的な因果関係を評価するための2サンプルMRプロトコールを提示します。ここでの目的は、決定的な生物学的メカニズムを確立することではなく、再現可能な解析ワークフローを提供することです。本プロトコールでは、遺伝的操作変数の選択、アウトカムの照合、アレル調和、MR推定、および感度分析について記述し、ISとVaDの関連を代表的な例として用います。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

本研究では、公開されているGWASサマリー統計量を使用した。元の研究では、施設内審査委員会（IRB）の承認を得て、参加者からインフォームドコンセントを得ている。この二次解析に際して、追加の倫理的承認は必要なかった。

1. 研究デザインおよび倫理声明

  1. 2サンプルMRデザインを用いて、ISとVaDの間の潜在的な因果関係を評価する。
  2. 公開されているGWASサマリー統計量のみを使用する。GWASデータセットに含まれるすべての原著研究において、機関審査委員会（IRB）の承認および参加者からのインフォームドコンセントが得られているため、本二次解析に際して追加の倫理的承認は不要である。
  3. データ抽出前に、ISを曝露因子、VaDをアウトカムとして定義する。

2. ソフトウェアの準備

  1. すべての解析はR統計ソフトウェアを用いて行う。
  2. インストゥルメントの抽出、アウトカムデータの抽出、アレルの一致化（ハーモナイゼーション）、MR推定、不均一性検定、および感度分析を行うためにTwoSampleMRパッケージをロードする。また、全般的水平多面発現および潜在的な外れ値バリアントを評価するためにMRPRESSOパッケージをロードする。
  3. ワークフロー内で以下のコア関数を使用する：extract_instruments、extract_outcome_data、harmonise_data、mr、generate_odds_ratios、mr_heterogeneity、mr_pleiotropy_test、mr_singlesnp、mr_leaveoneout、mr_scatter_plot、mr_forest_plot、mr_funnel_plot、およびmr_leaveoneout_plot。MR-PRESSO全般的検定を行い、該当する場合は外れ値検定および歪曲検定を行うためにMRPRESSO::mr_pressoを使用する。

3. 曝露データセットの選択と操作変数スクリーニング

  1. IEU OpenGWASデータセットebi-a-GCST90018864から、特発性精神病（IS）に関連する一塩基多型（SNP）を抽出します。このデータセットには、IS症例11,929例と対照群472,192例が含まれており、総サンプルサイズは484,121名です。
  2. 有意水準を（以下に続く数値）として、ISに関連する候補SNPを選択します。 p < 5 × 10-6.
    1. The p < 5 × 10-6 本代表的プロトコルでは、感度分析に十分な数の独立した操作変数（instrument）を保持するために、この閾値を使用している。この閾値は従来のゲノムワイド有意水準よりも緩やかであるため、これらの操作変数に基づく知見は、決定的なものではなく、探索的かつ示唆的なものとして解釈されるべきである。
  3. 独立したSNPを保持するために、連鎖不平衡クランピングを実行します。rを用いて2 閾値を0.001、クランピングウィンドウを10,000 kbに設定した。
  4. 候補となる楽器を抽出するには、以下のRコマンドを使用してください。
    extract_instruments(outcomes = "ebi-a-GCST90018864", p1 = 5e-06, clump = TRUE)
  5. 保持された各SNPについて、以下の式を用いてF統計量を算出する。F = (β/SE)2、ここで β SEは、それぞれSNP-曝露効果推定値および標準誤差である。
  6. F統計量に基づくSNPを除外する < 弱操作変数バイアスのリスクを低減させるため、10を基準とする。F統計量の分布を、最小値、最大値、中央値、および四分位範囲（IQR）を用いて要約する。

4. アウトカムデータセットの抽出

  1. FinnGen GWASデータセット finn-b-F5_VASCDEM から VaD のアウトカム関連データを抽出します。このデータセットには、VaD 患者 881 例と対照群 211,508 例が含まれています。
  2. extract_outcome_data 関数を使用して、選択したすべての IS 関連 SNP のアウトカム関連データを抽出します。
  3. ターゲット SNP がアウトカムデータセットに直接存在しない場合は、プロキシ SNP を検索します。有効なプロキシ情報およびアレルの一致が確認できた場合に、プロキシ一致バリアントを保持します。
  4. 以下に示す R コマンドを使用して、アウトカムデータセットを抽出します。
    extract_outcome_data(snps = exp_dat$SNP, outcomes = "finn-b-F5_VASCDEM", access_token = NULL)

5. アレル調和およびSNP保持

  1. MR解析の前に、曝露データセットとアウトカムデータセットをハーモナイズします。
  2. エフェクトアレルとその他のアレルの方向を揃え、SNP–曝露およびSNP–アウトカムの効果推定値が同じエフェクトアレルに対応するようにします。
  3. ハーモナイズ中にSNPを精査し、アレルの不一致、アウトカムとの関連が得られないケース、および曖昧なアレルの整合性を特定します。ハーモナイズ後、曝露およびアウトカムの両方の効果推定値が得られたSNPを保持します。
  4. アレルのハーモナイズには、以下のRコマンドを使用します：harmonise_data(exposure_dat = exp_dat, outcome_dat = out_dat, action = 1)
  5. 曝露データセットから最初に抽出したSNP数、アウトカムとの関連が得られたSNP数、プロキシでマッチングされたバリアント数、および最終的なMR解析に保持したSNP数を記録します。

6. 主要MR解析および感度分析

  1. 逆分散加重（IVW）法を用いて、主要なMR解析を行う。
  2. 異なる仮定の下での因果推定値の一貫性を評価するため、加重中央値法およびMR-Egger法を用いて補完的なMR解析を行う。
  3. MR推定値からオッズ比（OR）および95%信頼区間（CI）を算出する。
  4. 以下のRコマンドを使用してMR解析を実行し、ORを算出する：
    res <- mr(dat)
    res <- generate_odds_ratios(res)
  5. あらかじめ指定された主要な曝露-アウトカム関連性は1つであるため、主要なMR推論におけるボンフェローニ補正後の閾値を0.05/1 = 0.05と定義する。主要なIVW解析における統計的有意性の閾値として、両側 p-value < 0.05 を使用する。
  6. VaD症例数が限定的であることを踏まえ、主要解析の統計的精度を具体化するため、観察されたIVW推定値とその標準誤差に基づいた事後の両側Wald検定の検出力計算を行う。非中心パラメータ βIVW/SEIVW を用い、両側 α レベル 0.05 で検出力を算出する。80%の検出力に対応する最小検出可能効果を exp[(z0.975 + z0.80) × SE] として算出する。ISは二値の曝露であり、SNP-曝露の関連は対数オッズスケールで表現されるため、この解析はあらかじめ指定されたサンプルサイズ計算ではなく、効果条件付きの精度に関する記述的評価として報告する11。

7. 異質性、水平的多面発現、およびleave-one-out解析

  1. CochranのQ統計量を用いて、SNP間の不均一性を評価します。
  2. 不均一性統計量を算出するには、以下のRコマンドを使用します。
    mr_heterogeneity(dat)
  3. MR-Egger切片テストを用いて、方向性水平多面発現性を評価します。
  4. MR-Egger切片を算出するには、以下のRコマンドを使用します。
    mr_pleiotropy_test(dat)
  5. 10,000回のシミュレーション、有意水準0.05、および外れ値テストと歪曲テストの両方を有効にしたMR-PRESSOを用いて、全般的水平多面発現性と潜在的な外れ値バリアントを評価します12。
  6. MR-PRESSO解析には、以下のRコマンドを使用します。
    set.seed(20260729)
    mr_presso(
    BetaOutcome = "beta.outcome",
    BetaExposure = "beta.exposure",
    SdOutcome = "se.outcome",
    SdExposure = "se.exposure",
    OUTLIERtest = TRUE,
    DISTORTIONtest = TRUE,
    data = dat,
    NbDistribution = 10000,
    SignifThreshold = 0.05
    )
  7. 単一SNP解析を行い、各SNPの効果を個別に推定します。
  8. 単一SNP解析には、以下のRコマンドを使用します。
    res_single <- mr_singlesnp(dat)
  9. SNPを1つずつ順次除外してIVW解析を繰り返す、leave-one-out解析を実施します。
  10. leave-one-out解析には、以下のRコマンドを使用します。
    res_loo <- mr_leaveoneout(dat)

8. 可視化と出力

  1. 異なる手法におけるMR推定値を示す散布図を作成します。
  2. 単一SNPの推定値および全体のMR推定値を示すフォレストプロットを作成します。
  3. SNP特異的推定値の対称性を視覚的に評価するために、ファンネルプロットを作成します。
  4. 全体の推定値が単一のSNPによって支配されていないか評価するために、リーブワンアウトプロットを作成します。
  5. 以下のRコマンドを使用してプロットを作成します：
    mr_scatter_plot(res, dat)
    mr_forest_plot(res_single)
    mr_funnel_plot(res_single)
    mr_leaveoneout_plot(res_loo)
  6. 報告および再現性のために、MRの結果、操作変数テーブル、アウトカム関連テーブル、および感度分析の出力をエクスポートします。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

図1 データセットの選択および操作変数のスクリーニングから、感度分析、結果の可視化に至るまで、2サンプルメンデリアンランダム化プロトコルの全体的なワークフローをまとめます。各段階における代表的な出力結果を以下に示します。

遺伝学的操作変数およびハーモナイゼーションの品質管理

曝露GWASデータセットから、有意水準 p < 5 × 10-6 を用いて、計52個のIS関連SNPを最初に抽出しました。次に、VaD GWASデータセットからアウトカムの関連性を抽出しました。アウトカムのマッチング、プロキシ検索、およびアレル調和（ハーモナイゼーション）を経て、最終的なMR解析のために51個のSNPを保持しました。2つのバリアントはプロキシSNPを用いてマッチングされました。保持された遺伝的操作変数は表1に記載しています。保持した51...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

本研究では、公開されているGWASサマリー統計量を用いて、ISとVaDの間の潜在的な因果関係を評価するための2サンプルMRプロトコルを提示します。代表的な解析において、IVW法および加重中央値法は、遺伝的に予測されたISとVaDリスクとの正の相関を支持しましたが、MR-Egger推定値は方向性は一致していたものの、統計的有意性に達しませんでした。したがって、これらの知見は因果関係の決定的な証明ではなく、因果効果の可能性を示唆する根拠となるものです。

観察された関連性は、脳血管障害の文脈において生物学的に妥当である。ISは、局所的な神経損傷、脳血流の低下、およびそれに続く神経変性変化を引き起こす可能性がある。先行研究では、VaDは脳血流の減少または脳血管損傷がある状況で頻繁に発生することが示されている13,14。IS後の慢性的脳血管変化は、認知機能の低下およびVaDのリスクをさらに高める可能性がある15。加えて、脳卒中後...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

著者らは、競合する金銭的利益がないことを宣言します。本稿の執筆、編集、および準備において、人工知能（AI）または大規模言語モデル（LLM）ツールは使用されていません。

謝辞

著者は本研究に関して特定の資金提供を受けていません。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
FinnGen GWASデータセットFinnGenfinn-b-F5_VASCDEM血管性認知症のアウトカムソースとして使用された公開GWASデータセット
IEU OpenGWASデータベースブリストル大学 MRC 統合疫学ユニットebi-a-GCST90018864虚血性脳卒中の曝露ソースとして使用された公開GWASデータセット
RソフトウェアR Foundation for Statistical Computing該当なしMR解析に使用される統計ソフトウェア
RStudioPosit Software, PBC該当なしRスクリプトの実行に使用される統合開発環境
TwoSampleMRパッケージブリストル大学 MRC 統合疫学ユニット該当なし器具の抽出、ハーモナイゼーション、メンデルランダム化（MR）分析、および感度分析に使用されるRパッケージ
MRPRESSOパッケージCRANバージョン 1.0全般的水平多面発現および潜在的な外れ値インストゥルメントを評価するために使用されるRパッケージ
writexlパッケージCRAN該当なし結果テーブルをxlsxファイルとして書き出すために使用したRパッケージ

参考文献

  1. Sharma R, Lee K. Advances in treatments for acute ischemic stroke. BMJ. 2025;389:e076161.
  2. Zhu H, et al. Interleukins and ischemic stroke. Front Immunol. 2022;13:828447.
  3. Feske SK. Ischemic stroke. Am J Med. 2021;134(12):1457-1464.
  4. Lin HF, et al. Apolipoprotein E polymorphism in ischemic cerebrovascular diseases and vascular dementia patients in Taiwan. Neuroepidemiology. 2004;23(3):129-134.
  5. Semplicini A, et al. Hypertension and cerebrovascular diseases: a specific role of vascular protection for the prevention of dementia. J Cardiovasc Pharmacol. 2001;38(Suppl 2):S79-S82.
  6. Bulwa Z, et al. Management of blood pressure after acute ischemic stroke. Curr Neurol Neurosci Rep. 2019;19(6):29.
  7. Hosoki S, Tanaka T, Ihara M. Diagnostic and prognostic blood biomarkers in vascular dementia: from the viewpoint of ischemic stroke. Neurochem Int. 2021;146:105015.
  8. Yamagata K. Docosahexaenoic acid inhibits ischemic stroke to reduce vascular dementia and Alzheimer's disease. Prostaglandins Other Lipid Mediat. 2023;167:106733.
  9. Yeung S, Luo S, Iwagami M, Goto A. Introduction to Mendelian randomization. Ann Clin Epidemiol. 2025;7(1):27-37.
  10. Luo J, et al. Cardiovascular diseases and risk of dementia in the general population. Eur J Prev Cardiol. 2025:zwaf129. Available from: https://academic.oup.com/eurjpc
  11. Burgess S. Sample size and power calculations in Mendelian randomization with a single instrumental variable and a binary outcome. Int J Epidemiol. 2014;43(3):922-929. Available from: https://academic.oup.com/ije/article/43/3/922/757361
  12. Verbanck M, et al. Detection of widespread horizontal pleiotropy in causal relationships inferred from Mendelian randomization between complex traits and diseases. Nat Genet. 2018;50(5):693-698. Available from: https://www.nature.com/articles/s41588-018-0099-7
  13. Ng S, et al. Updates on vascular dementia. Stroke Vasc Neurol. 2025;10(5):542-550.
  14. Sanders AE, Schoo C, Kalish VB. Vascular Dementia. StatPearls Publishing; Treasure Island (FL); 2025. Available from: https://www.ncbi.nlm.nih.gov/books/
  15. Ho JP, Powers WJ. Contemporary management of acute ischemic stroke. Annu Rev Med. 2025;76(1):417-429.
  16. Yen FS, et al. Diabetes, hypertension, and the risk of dementia. J Alzheimers Dis. 2022;89(1):323-333.

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

さらに記事を探す

ゲノムワイド関連解析遺伝的指標操作変数連鎖不平衡アレル調和逆分散加重法水平多面発現
お問い合わせ
図書館に推薦する

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。