$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Badanie to stosuje dwupróbowy projekt randomizacji Mendelowskiej (MR), aby ocenić, czy genetycznie zastępowana długość telomerów (TL) przyczynowo wpływa na ryzyko tyrotoksicy. Stosowano jedynie odprofilowane, publicznie dostępne podsumowania statystyk GWAS i nie uzyskano dostępu do danych na poziomie indywidualnym. Instytucjonalna Komisja Przeglądowa Szpitala Miejskiego w Qingdao uznała, że analiza jest zwolniona z dalszej kontroli, ponieważ opiera się wyłącznie na publicznych danych podsumowujących. Wszystkie współdziałające badania asocjacji na poziomie całego genomu uzyskały świadomą zgodę i etyczne zatwierdzenia zgodnie z oryginalnymi protokołami. Analiza została skonstruowana tak, aby minimalizować zakłócenia i odwracać przyczynowość poprzez wykorzystanie wariantów linii zarodkowych związanych z TL jako niezakłóconych narzędzi oraz poprzez wdrożenie procedur wrażliwości do analizy plejotropii, heterogeniczności i kierunku efektu.
Źródła danych
Zbiór danych ekspozycji dla TL został pozyskany z IEU OpenGWAS pod identyfikatorem ieu-b-4879, obejmujący około 472 174 uczestników pochodzenia europejskiego. Zestaw danych wyników dla tyrotoksiozy pochodzi z konsorcjum FinnGen, wykorzystując końcowy punkt finn-b-thyROTOXICOSIS z 2021 roku, obejmując 4 142 przypadki i 213 693 kontrolne. Zasoby te dostarczają skutecznych szacunków i błędów standardowych niezbędnych do budowy instrumentów na poziomie SNP, harmonizacji alleli oraz szacowania efektów przyczynowych za pomocą ustalonych estymatorów MR.
Środowisko oprogramowania i informatyki
Wszystkie analizy przeprowadzono w języku R (wersja 4.3.1). Głównym pakietem analitycznym był TwoSampleMR (wersja 0.5.7), uzupełniony o ieugwasr do programowego dostępu do zasobów GWAS, MRPRESSO do wykrywania odstających i testowania zniekształceń, mr.raps do solidnego estymowania przy słabych instrumentach i idiosynkratycznej pleiotropii, RadialMR do wizualizacji radialnej oraz pakiety ogólnego przeznaczenia, w tym tidyverse i data.table. Informacje o sesji i wersje pakietów są zapisywane do pliku, aby zapewnić ścisłą powtarzalność.
Podstawowe założenia randomizacji mendelowskiej
Ramy MR zakładają, że instrumenty genetyczne są silnie powiązane z TL, są niezależne od czynników zakłócających związek między TL a tyrotoksiozą oraz wpływają na tyrotoksikozę wyłącznie poprzez TL, a nie przez alternatywne szlaki. Plan analizy operacjonalizuje te założenia poprzez ilościowe określenie siły dla poszczególnych wariantów, testowanie niezrównoważonej poziomej plejotropii metodami opartymi na przecięciu i przesiewaniu odstających (outreer), ocenę heterogeniczności między wariantami oraz potwierdzając kierunek działania TL-do-tyrotoksiozy za pomocą formalnego testu kierunkowości12.
Dobór instrumentów i kontrola jakości
Instrumenty genetyczne zostały wybrane z TL GWAS z progiem istotności dla całego genomu p < 5×10-8. Aby zapewnić niezależność, zaburzenia sprzężenia zostały rozwiązane poprzez zgrupowanie w zakresie r2 = 0,001 w oknie 10 000 kb, korzystając z europejskich danych referencyjnych z projektu 1000 genomów; gdzie warianty były skorelowane, zachowywano wariant z mniejszą wartością p dla powiązania z TL. Wytrzymałość instrumentów była podsumowana dla każdego wariantu za pomocą statystyki F_i = \beta_{E,i}^{2}/\mathrm{SE}(\beta_{E,i})^{2} i oceniana według konwencjonalnego F > 10 kryterium13,14. Tam, gdzie to stosowne, przybliżenie Sandersona-Windmeijera zostało odwołane do opisania łącznej siły instrumentów w wielu wariantach w próbie o rozmiarze N, przy czym instrumenty K wyjaśniały wariancję ekspozycji R^{2}: F_{\mathrm{SW}} = \{[R^{2}/(1-R^{2})]\,(N-K-1)\}/K 15. Niejednoznaczne warianty palindromiczne z częstotliwością alleli bliską 0,5 zostały wykluczone, chyba że informacje o częstotliwości alleli pozwalały na jednoznaczne dopasowanie.
Harmonizacja
Dla każdego instrumentu wyodrębniono odpowiadające mu powiązanie z tyrotoksikozą z FinnGen i wyrównano go tak, aby rozmiary efektu odzwierciedlały ten sam allel efektu w obu aspektach ekspozycji i wyniku. Harmonizacja usunęła niedopasowania alleli, skorygowała problemy z wątkami oraz wykluczyła palindromiczne SNP z nierozwiązaną niejednoznacznością, tworząc zbiór danych odpowiedni do prawidłowej konstrukcji stosunku Walda.
Pierwotna estymacja przyczynowa
Analiza podstawowa wykorzystała estymator ważony odwrotną wariancją (IVW) do metaanalizy specyficznych dla SNP stosunków Walda w zbiorczym efekcie przyczynowym16. Szacunki podawane są jako ilorazy szans na jedno odchylenie standardowe wzrostu w TL, z 95% przedziałami ufności wyprowadzonymi według modeli o stałym i losowym efektie. Wybór modelu był prowadzony przez diagnostykę heterogeniczności, a obie specyfikacje zostały przedstawione w celu ułatwienia solidnej interpretacji.
Analizy czułości i kontrole odporności
Odporność oceniano za pomocą regresji MR-Egger z wyrazem przecięcia do testu niezrównoważonej pleiotropii kierunkowej, estymacji maksymalnej wiarygodności w celu poprawy wydajności przy jednoczesnym ograniczeniu błędu pomiarowego, MR-PRESSO do wykonania globalnego testu wartości odstających oraz oszacowania zniekształceń i efektów skorygowanych przez odstające oraz MR-RAPS do oszacowania odporności na słabe instrumenty i idiosynkratyczną pleiotropię17. Heterogeniczność między wariantami została zmierzona za pomocą statystyki Q Cochrana w ramach IVW18. Kierunek działania analizowano za pomocą testu Steigera, który porównuje proporcje wariancji wyjaśnionej w narażeniu i wyniku, aby określić, czy dane są bardziej zgodne z TL powodującym tyroksyksykozę niż odwrotnie. Przechwycenie MR-Egger zostało użyte jako formalny test kierunkowej plejotropii. Analizę "wyklucz jeden z nich" został sprawdzony, aby upewnić się, że ogólne powiązanie nie wynika z żadnego pojedynczego wariantu.
Odwrotna randomizacja mendelowska
Aby zbadać potencjalną odwrotną przyczynowość, powtarzano proces analityczny z tyroksykozą jako narażeniem i TL jako wynikiem. Zastosowano te same kryteria wyboru instrumentów, procedury harmonizacji, pierwotny estymator IVW oraz analizy wrażliwości, dzięki czemu wnioski dotyczące kierunkowości są wyciągane w identycznym kontekście przyczynowym.
Wielokrotne testowanie, zasilanie i raportowanie
Główny test hipotez dotyczy estymatora IVW dotyczącego wpływu TL na tyrotoksiozę. Estymatory czułości i testy diagnostyczne interpretowane są jako dowody wspierające; wartości p są podawane w notacji naukowej dla jasności, a wnioski kładą nacisk na spójność między metodami, a nie na izolowane progi istotności. Podsumowania siły instrumentów oraz wyjaśniony udział wariancji dostarczają przybliżonej mocy według standardowych formuł niecentralnych, uznając, że moc zależy od wielkości próby, siły instrumentu oraz rzeczywistej wielkości efektu.
Powtarzalność obliczeniowa i polecenia dokładne
Powtarzalność jest zapewniona poprzez dostarczanie pełnej sekwencji poleceń R, które odtwarzają wybór instrumentów, ekstrakcję wyników, harmonizację, analizy pierwotne i czułości, odwróconą MR, wyniki diagnostyczne oraz eksport plików gotowych do analizy. Skrypt zapisuje stabilne, czytelne dla człowieka pliki CSV odpowiadające liście instrumentów, zharmonizowanemu zbiorowi danych oraz podsumowaniu szacunków MR i diagnostyki.
# R 4.3.1; TwoSampleMR 0.5.7
# Instalacja opcjonalna:
# install.packages(c("TwoSampleMR", "ieugwasr", "MRPRESSO", "mr.raps",
"RadialMR", "tidyverse", "data.table"))
library(TwoSampleMR)
Biblioteka (ieugwasr)
biblioteka (MRPRESSO)
Biblioteka (Mr.Raps)
biblioteka (RadialMR)
Library(Tidyverse)
library(data.table)
# Ekspozycja: długość telomerów (IEU OpenGWAS)
exposure_id <- "Ieu-B-4879"
# Wynik: Końcowy punkt FinnGen 2021 dotyczący tyrotoksiozy użyty w raportowanych analizach
outcome_id <- "finn-b-thyROTOKSYKOZA"
# Dobór instrumentów z progiem całego genomu i ścisłym zlepianiem LD
exp <- extract_instruments (wyniki = exposure_id, p1 = 5e-8, clump = TRUE, r2 = 0,001, kb = 10000)
exp$F_stat <- (exp$beta.exposure^2) / (exp$se.exposure^2)
fwrite(exp, "S1_instruments_TL.csv")
# Ekstrakcja i harmonizacja wyników
Out <- extract_outcome_data(snps = exp$SNP, wyniki = outcome_id)
dat <- harmonise_data(exp, out, akcja = 2)
fwrite(dat, "S2_harmonised_TL_vs_thyrotoxicosis.csv")
# Pierwotne MR i estymatory czułości
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 Cochrana
pleio <- mr_pleiotropy_test(dat) # Przechwycenie Eggera
steiger <- directionality_test(dat) # Kierunkowość Steigera
# Globalne i odstające, skorygowane szacunki MR-PRESSO
mrpresso <- mr_presso(BetaOutcome = "beta.outcome", BetaExposure = "beta.exposure",
SdOutcome = "se.outcome", SdExposure = "se.exposure",
OUTLIERtest = PRAWDA, DISTORTIONtest = PRAWDA,
data = dat, NbDistribution = 1000, SignifThreshold = 0,05) #
# Odwrotny MR: tyrotoksikoza (ekspozycja) -> TL (wynik)
rev_exp <- extract_instruments(wyniki = outcome_id, p1 = 5e-8, zgrupowanie = PRAWDZIWE, r2 = 0,001, kb = 10000)
rev_out <- extract_outcome_data(SNPS = rev_exp$SNP, wyniki = exposure_id)
rev_dat <- harmonise_data(rev_exp, rev_out, akcja = 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)
# Eksporty do archiwizacji i generowania figure/tabel
write.csv(bind_rows(res), "S3_mr_results_primary.csv", row.names = FALSE)
write.csv(het, "S3_mr_heterogeneity.csv", row.names = FALSE)
write.csv(pleio, "S3_mr_pleiotropy_egger.csv",row.names = FAŁSZYWE)
write.csv(steiger, "S3_mr_steiger.csv", row.names = FAŁSZYWE)
write.csv(bind_rows(rev_res), "S3_reverse_mr_results.csv", row.names = FALSE)
write.csv(rev_het, "S3_reverse_heterogeneity.csv", row.names = FAŁSZYWE)
write.csv(rev_pleio, "S3_reverse_pleiotropy_egger.csv", row.names = FAŁSZYWE)
write.csv(rev_steiger, "S3_reverse_steiger.csv", row.names = NIEPRAWDA)