Niniejszy protokół opisuje powtarzalny schemat pracy randomizacji mendlowskiej dla dwóch próbek w celu oceny potencjalnego związku przyczynowego między udarem niedokrwiennym a otępieniem naczyniowym, z wykorzystaniem publicznie dostępnych statystyk podsumowujących badania asocjacji całego genomu (GWAS).
Artykuł metodologiczny
Związek przyczynowy między udarem niedokrwiennym a otępieniem naczyniowym: badanie randomizacji mendlowskiej
26 wyświetleń
⸱
11 września 2026
W tym artykule
Podsumowanie
Streszczenie
Udar niedokrwienny (IS) jest główną przyczyną niepełnosprawności i śmiertelności na całym świecie, a otępienie naczyniowe (VaD) to częsty podtyp otępienia związany z uszkodzeniami naczyń mózgowych. Badania obserwacyjne sugerowały istnienie związku między IS a VaD, jednak badania te są podatne na wpływ czynników zakłócających oraz odwróconą przyczynowość. Niniejszy protokół opisuje powtarzalny schemat randomizacji mendlowskiej (MR) dla dwóch próbek w celu oceny potencjalnego związku przyczynowego między IS a VaD z wykorzystaniem publicznie dostępnych statystyk zbiorczych z badań asocjacyjnych całego genomu (GWAS). Instrumenty genetyczne związane z IS wyekstrahowano z publicznego zbioru danych GWAS, a asocjacje z wynikiem dla VaD uzyskano z publicznego zbioru danych GWAS dla VaD. Odpowiednie identyfikatory zbiorów danych znajdują się w sekcji Protokół. Po dopasowaniu wyników i harmonizacji alleli, do końcowej analizy MR wybrano 51 polimorfizmów pojedynczego nukleotydu (SNPs). Schemat obejmuje wybór zmiennych instrumentalnych, grupowanie w obrębie nierównowagi sprzężeń (clumping), harmonizację alleli, ocenę siły instrumentów, analizę ważoną odwrotnością wariancji (IVW), analizę ważonej mediany, analizę MR-Egger, testowanie heterogeniczności, ocenę plejotropii horyzontalnej oraz analizę wrażliwości z pominięciem jednego elementu (leave-one-out). W analizie reprezentatywnej metoda IVW wykazała pozytywną korelację między genetycznie przewidywanym IS a ryzykiem VaD, a metoda ważonej mediany dostarczyła rezultatu zgodnego pod względem kierunku. Estymacja MR-Egger była zgodna pod względem kierunku, ale nie osiągnęła istotności statystycznej. Zatem wyniki te należy interpretować jako sugestywne dowody na możliwy efekt przyczynowy, a nie jako ostateczny dowód przyczynowości. Niniejszy protokół może pomóc badaczom w zastosowaniu przejrzystego i powtarzalnego schematu MR do badania wyników związanych z chorobami naczyniowymi mózgu przy użyciu publicznych danych GWAS.
Wprowadzenie
Udar niedokrwienny (IS) jest główną przyczyną ciężkiej niepełnosprawności i zgonów na całym świecie1. Według najnowszych danych z badania Global Burden of Disease Study zapadalność na IS w skali globalnej spadła, jednak pozostaje on znacznym obciążeniem, szczególnie w Europie Wschodniej, Azji Wschodniej, Azji Środkowej oraz w Afryce Subsaharyjskiej2,3. Ponadto zapadalność na IS rośnie w krajach o niskim wskaźniku socjodemograficznym (SDI) i przewiduje się, że tendencja wzrostowa utrzyma się w latach 2020–2030.
Liczne badania epidemiologiczne sugerowały potencjalny związek między chorobami naczyniowymi mózgu a otępieniem naczyniowym (VaD)4,5. Szczególnie w Chinach VaD jest jednym z najczęstszych typów otępienia wśród osób starszych, a wysoka zapadalność na IS jest ściśle powiązana z występowaniem VaD. Jednak większość istniejących badań ma charakter obserwacyjny, a resztkowe zakłócenia, odwrócona przyczynowość oraz różnice w definicji choroby mogą ograniczać interpretację przyczynowo-skutkową. W związku z tym konieczne są dodatkowe podejścia analityczne, aby ocenić, czy IS potencjalnie bierze udział w rozwoju VaD.
IS może wpływać na wystąpienie VaD poprzez kilka mechanizmów. Uszkodzenia naczyniowo-mózgowe spowodowane przez IS mogą prowadzić do niewystarczającej perfuzji mózgowej i następujących po niej zmian neurodegeneracyjnych6. Ponadto VaD może być powiązane z przewlekłym uszkodzeniem naczyń mózgowych, uszkodzeniami mikro naczyniowymi oraz odpowiedziami zapalnymi po IS7,8. Dlatego badanie związku między IS a VaD jest istotne dla zrozumienia potencjalnych powiązań chorobowych i wyznaczenia przyszłych strategii zapobiegawczych.
Randomizacja mendlowska (MR) jest metodą analityczną, która wykorzystuje warianty genetyczne jako zmienne instrumentalne do oceny potencjalnych związków przyczynowych między ekspozycją a wynikiem9. W porównaniu z konwencjonalnymi badaniami obserwacyjnymi, MR pozwala ograniczyć wpływ czynników zakłócających oraz błąd przyczynowości odwrotnej, pod warunkiem spełnienia założeń dotyczących poprawności zmiennych instrumentalnych. W porównaniu z randomizowanymi badaniami kontrolowanymi lub modelami eksperymentalnymi, MR umożliwia wykorzystanie istniejących statystyk zbiorczych z badań GWAS (badania asocjacyjne całego genomu) do oceny istotnych klinicznie zależności w sytuacjach, gdy bezpośrednie badania interwencyjne są niewykonalne, nieetyczne lub trudne do przeprowadzenia. Niedawne badania genetyczne z zastosowaniem podejścia randomizacji mendlowskiej analizowały związek między IS a VaD10. Niemniej jednak, szczegółowe opisy na poziomie protokołu dotyczące wyboru instrumentu ekspozycji, ekstrakcji danych o wyniku, harmonizacji alleli, oceny siły instrumentu, testowania heterogeniczności, oceny plejotropii oraz analiz wrażliwości pozostają kluczowe dla powtarzalnej implementacji metody.
Niniejszy protokół jest odpowiedni w sytuacjach, gdy dostępne są publicznie statystyki podsumowujące GWAS zarówno dla ekspozycji, jak i badanego punktu końcowego, można dobrać poprawne instrumenty genetyczne dla ekspozycji, a pytanie badawcze ma na celu ocenę potencjalnego związku przyczynowego, a nie bezpośrednie ustalenie mechanizmów biologicznych. W związku z tym badanie to przedstawia protokół dwupróbkowej analizy MR w celu oceny potencjalnego związku przyczynowego między IS a VaD z wykorzystaniem publicznie dostępnych statystyk podsumowujących GWAS. Celem jest zapewnienie odtwarzalnego schematu analitycznego, a nie ustalenie definitywnych mechanizmów biologicznych. Protokół ten opisuje dobór instrumentów genetycznych, dopasowanie punktów końcowych, harmonizację alleli, szacowanie MR oraz analizy wrażliwości, wykorzystując związek IS-VaD jako reprezentatywny przykład.
Protokół
W niniejszym badaniu wykorzystano publicznie dostępne statystyki podsumowujące GWAS. Pierwotne badania uzyskały zgodę komisji etyki oraz świadomą zgodę uczestników. W przypadku tej wtórnej analizy nie było wymaganych dodatkowych zgód etycznych.
1. Projekt badania i oświadczenie etyczne
- Zastosuj dwupróbkowy projekt MR w celu oceny potencjalnego związku przyczynowego między IS a VaD.
- Wykorzystaj wyłącznie publicznie dostępne statystyki podsumowujące GWAS. Ponieważ wszystkie oryginalne badania zawarte w zbiorach danych GWAS otrzymały zatwierdzenie komisji bioetycznej oraz świadomą zgodę uczestników, ta wtórna analiza nie wymaga dodatkowej zgody etycznej.
- Przed ekstrakcją danych zdefiniuj IS jako ekspozycję, a VaD jako wynik.
2. Przygotowanie oprogramowania
- Przeprowadź wszystkie analizy przy użyciu oprogramowania statystycznego R.
- Załaduj pakiet TwoSampleMR do ekstrakcji instrumentów, ekstrakcji danych o wynikach, harmonizacji alleli, estymacji MR, testowania heterogeniczności oraz analiz wrażliwości. Załaduj pakiet MRPRESSO w celu oceny globalnej plejotropii horyzontalnej oraz potencjalnych wariantów odstających.
- W ramach przepływu pracy wykorzystaj następujące funkcje rdzeniowe: 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 oraz mr_leaveoneout_plot. Użyj funkcji MRPRESSO::mr_presso do przeprowadzenia globalnego testu MR-PRESSO, a w razie potrzeby testów wariantów odstających i zniekształceń.
3. Wybór zbioru danych ekspozycji i przesiewanie zmiennych instrumentalnych
- Wyodrębnić polimorfizmy pojedynczego nukleotydu (SNP) związane z IS z zestawu danych IEU OpenGWAS ebi-a-GCST90018864. Zestaw ten obejmuje 11 929 przypadków IS oraz 472 192 osoby z grupy kontrolnej, co daje całkowitą liczebność próby wynoszącą 484 121 uczestników.
- Wybrać kandydatów SNP powiązanych z IS, stosując próg istotności p < 5 × 10-6.
- Próg p < 5 × 10-6 jest stosowany w tym reprezentatywnym protokole, aby zachować odpowiednią liczbę niezależnych instrumentów do analizy wrażliwości. Ponieważ próg ten jest mniej rygorystyczny niż konwencjonalny próg istotności dla całego genomu, wyniki oparte na tych instrumentach należy interpretować jako eksploracyjne i sugerujące, a nie rozstrzygające.
- Przeprowadzić grupowanie (clumping) w celu usunięcia SNP w nierównowadze sprzężeń i zachowania niezależnych SNP. Zastosować próg r2 wynoszący 0,001 oraz okno grupowania o szerokości 10 000 kb.
- Użyć następującego polecenia w programie R, aby wyodrębnić instrumenty kandydackie:
extract_instruments(outcomes = "ebi-a-GCST90018864", p1 = 5e-06, clump = TRUE) - Obliczyć statystykę F dla każdego zachowanego SNP, korzystając ze wzoru F = (β/SE)2, gdzie β i SE oznaczają odpowiednio szacunek efektu SNP–ekspozycja oraz błąd standardowy.
- Wykluczyć SNP ze statystyką F < 10, aby zmniejszyć ryzyko obciążenia słabym instrumentem. Podsumować rozkład statystyk F, podając wartość minimalną, maksymalną, medianę oraz rozstęp międzykwartylowy (IQR).
4. Ekstrakcja zbioru danych wynikowych
- Wyekstrahuj powiązania z wynikiem VaD z zestawu danych FinnGen GWAS finn-b-F5_VASCDEM. Zestaw ten obejmuje 881 przypadków VaD oraz 211 508 osób z grupy kontrolnej.
- Wyekstrahuj powiązania z wynikiem dla wszystkich wybranych SNP związanych z IS, korzystając z funkcji extract_outcome_data.
- W przypadku braku bezpośredniej dostępności docelowych SNP w zestawie danych z wynikiem, wyszukaj SNP zastępcze (proxy SNPs). Zachowaj warianty dopasowane jako proxy, gdy dostępne są poprawne informacje o proxy oraz odpowiedniość alleli.
- Użyj następującego polecenia R do wyekstrahowania zestawu danych z wynikiem:
extract_outcome_data(snps = exp_dat$SNP, outcomes = "finn-b-F5_VASCDEM", access_token = NULL)
5. Harmonizacja alleli i retencja SNP
- Zharmonizuj zestawy danych dla ekspozycji i wyniku przed przeprowadzeniem analizy MR.
- Dostosuj allel efektowy oraz allel alternatywny w taki sposób, aby szacunki efektów dla par SNP–ekspozycja oraz SNP–wynik odnosiły się do tego samego allelu efektowego.
- Podczas harmonizacji sprawdź polimorfizmy SNP, aby zidentyfikować niezgodności alleli, brakujące powiązania z wynikiem oraz niejednoznaczne dopasowanie alleli. Zachowaj SNP, dla których po harmonizacji dostępne są szacunki efektów ekspozycji i wyniku.
- Do harmonizacji alleli użyj następującego polecenia w języku R: harmonise_data(exposure_dat = exp_dat, outcome_dat = out_dat, action = 1)
- Zapisz liczbę SNP początkowo wyekstrahowanych z zestawu danych ekspozycji, liczbę SNP z dostępnymi powiązaniami z wynikiem, liczbę wariantów dopasowanych za pomocą proxy oraz liczbę SNP zachowanych do końcowej analizy MR.
6. Podstawowa analiza MR i analizy wrażliwości
- Przeprowadź główną analizę MR przy użyciu metody odwrotnej wagi wariancji (IVW).
- Przeprowadź uzupełniające analizy MR przy użyciu metod ważnej mediany oraz MR-Egger, aby ocenić spójność szacunków przyczynowych przy różnych założeniach.
- Wygeneruj ilorazy szans (OR) oraz 95% przedziały ufności (CI) na podstawie szacunków MR.
- Użyj następujących poleceń w programie R, aby przeprowadzić analizę MR i obliczyć OR:
res <- mr(dat)
res <- generate_odds_ratios(res) - Ponieważ ocenie podlega jedno predefiniowane główne powiązanie między ekspozycją a wynikiem, przyjmij próg skorygowany metodą Bonferroniego dla głównego wnioskowania MR jako 0,05/1 = 0,05. Jako próg istotności statystycznej dla głównej analizy IVW przyjmij dwustronną wartość p < 0,05.
- Aby osadzić precyzję statystyczną głównej analizy w kontekście ograniczonej liczby przypadków VaD, przeprowadź post hoc obliczenia mocy dwustronnego testu Walda w oparciu o zaobserwowany szacunek IVW oraz jego błąd standardowy. Oblicz moc, korzystając z parametru niecentralności βIVW/SEIVW przy dwustronnym poziomie α równym 0,05. Oblicz minimalny wykrywalny efekt odpowiadający mocy 80% jako exp[(z0.975 + z0.80) × SE]. Ponieważ IS jest ekspozycją binarną, a powiązania między SNP a ekspozycją są wyrażone w skali logarytmu szans, przedstaw tę analizę jako opisową ocenę precyzji uwarunkowaną efektem, a nie jako predefiniowane obliczenie wielkości próby11.
7. Analizy heterogeniczności, plejotropii horyzontalnej i analizy z pominięciem jednego badania (leave-one-out)
- Oceń heterogeniczność między SNP, stosując statystykę Q Cochrana.
- Użyj poniższej komendy w programie R, aby obliczyć statystyki heterogeniczności:
mr_heterogeneity(dat) - Oceń kierunkową plejotropię horyzontalną za pomocą testu przecięcia MR-Egger.
- Użyj poniższej komendy w programie R, aby obliczyć punkt przecięcia MR-Egger:
mr_pleiotropy_test(dat) - Oceń globalną plejotropię horyzontalną oraz potencjalne warianty odstające za pomocą MR-PRESSO, przeprowadzając 10 000 symulacji, przy progu istotności 0,05 oraz włączonych testach wariantów odstających (outlier) i zniekształceń (distortion)12.
- Użyj poniższej komendy w programie R do analizy MR-PRESSO:
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
) - Przeprowadź analizę pojedynczego SNP, aby oddzielnie oszacować efekt każdego SNP.
- Użyj poniższej komendy w programie R do analizy pojedynczego SNP:
res_single <- mr_singlesnp(dat) - Przeprowadź analizę z pominięciem jednego wariantu (leave-one-out), sekwencyjnie usuwając po jednym SNP i powtarzając analizę IVW.
- Użyj poniższej komendy w programie R do analizy leave-one-out:
res_loo <- mr_leaveoneout(dat)
8. Wizualizacja i wyniki
- Wygeneruj wykres punktowy, aby przedstawić szacunki MR dla różnych metod.
- Wygeneruj wykres leśny (forest plot), aby przedstawić szacunki dla pojedynczych SNP oraz ogólny szacunek MR.
- Wygeneruj wykres lejkowy (funnel plot), aby wizualnie ocenić symetrię szacunków specyficznych dla poszczególnych SNP.
- Wygeneruj wykres z pominięciem jednego elementu (leave-one-out plot), aby ocenić, czy ogólny szacunek jest determinowany przez pojedynczy SNP.
- Użyj następujących poleceń w języku R, aby wygenerować wykresy:
mr_scatter_plot(res, dat)
mr_forest_plot(res_single)
mr_funnel_plot(res_single)
mr_leaveoneout_plot(res_loo) - Eksportuj wyniki MR, tabelę zmiennych instrumentalnych, tabelę powiązań z wynikiem oraz wyniki analizy wrażliwości w celu raportowania i zapewnienia powtarzalności.
Wyniki
Rycina 1 podsumowuje ogólny schemat postępowania w protokole mendlowskiej randomizacji dwóch próbek, od wyboru zbioru danych i screeningu instrumentów, po analizy wrażliwości i wizualizację wyników. Poniżej przedstawiono reprezentatywne wyniki z każdego etapu.
Genetyczne zmienne instrumentalne i kontrola jakości harmonizacji
Pierwotnie z zestawu danych GWAS dla ekspozycji wyodrębniono łącznie 52 SNP powiązane z IS, stosując próg istotności p < 5 × 10-6. Następnie z zestawu danych GWAS dla VaD wyodrębniono powiązania z wynikiem. Po dopasowaniu wyników, wyszukiwaniu SNP zastępczych (proxy) i harmonizacji alleli, do końcowej analizy MR zakwalifikowano 51 SNP. Dwa warianty dopasowano przy użyciu SNP zastępczych. Zachowane instrumenty genetyczne wymieniono w Tabeli 1.Statystyki F dla 51 zachowanych instrumentów mieściły się w zakresie od 20,91 do 46,06, przy medianie 25,08 i rozstępie międzykwartylnym (IQR) 22,95–30,71. Żaden z zachowanych SNP nie posiadał statystyki F poniżej 10, co wskazuje na niskie prawdopodobieństwo wystąpienia błędu słabego instrumentu.
Szacunki MR dla IS i VaD
Wykres rozrzutu przedstawia kierunek i wielkość szacunków MR specyficznych dla SNP w różnych metodach MR (Rysunek 2). Metody IVW oraz ważonej mediany wykazały dodatnie korelacje, natomiast szacunek MR-Egger był zgodny pod względem kierunku, lecz nie osiągnął istotności statystycznej.
Wykres leśny indywidualnych szacunków SNP wykazał specyficzne dla SNP powiązania z ryzykiem VaD (Rysunek 3). Ogólne szacunki MR przedstawiono podsumowująco na Rysunku 4. Metoda IVW wykazała statystycznie istotny pozytywny związek między genetycznie przewidywanym IS a ryzykiem VaD (OR = 1,63, 95% CI: 1,21–2,21, p = 0,0013). Metoda ważonej mediany dała zgodny, istotny szacunek (OR = 1,60, 95% CI: 1,06–2,42, p = 0,0240). Szacunek MR-Egger był spójny pod względem kierunku, ale nie osiągnął istotności statystycznej (OR = 2,21, 95% CI: 0,97–5,01, p = 0,0645).
GWAS wyników VaD w badaniu FinnGen objęło 881 przypadków i 211 508 kontroli. W obliczeniach post hoc dwustronnego testu Walda, warunkowanych obserwowaną szacunkową wartością IVW, moc dla głównej analizy IVW oszacowano na 89,5% przy α = 0,05. Odpowiadający temu minimalny wykrywalny efekt dla mocy 80% wynosił OR = 1,54. W przeciwieństwie do tego, minimalny wykrywalny efekt dla analizy MR-Egger wynosił OR = 3,23, co przekraczało obserwowany, spójny kierunkowo szacunek MR-Egger (OR = 2,21). W związku z tym nieistotny statystycznie wynik MR-Egger należy interpretować jako odzwierciedlenie ograniczonej precyzji tego mniej wydajnego estymatora czułości, a nie jako samodzielny dowód przeciwko kierunkowi głównego szacunku IVW.
Ponieważ oceniono jedno wcześniej określone główne powiązanie między ekspozycją a wynikiem, próg skorygowany metodą Bonferroniego dla głównego wnioskowania MR wynosił 0,05/1 = 0,05. W związku z tym wynik IVW spełnił skorygowany próg istotności. Wspólnie wyniki te dostarczają sugestywnych dowodów na możliwy pozytywny wpływ genetycznie przewidywanej IS na ryzyko VaD, w oparciu przede wszystkim o szacunek IVW i przy wsparciu analizy wrażliwości metodą ważonej mediany. Jednakże szacunek MR-Egger był spójny pod względem kierunku, ale nie osiągnął istotności statystycznej; dlatego wyniki nie powinny być interpretowane jako rozstrzygający dowód przyczynowości.
Analizy heterogeniczności i plejotropii poziomej
Heterogeniczność między SNP oceniono za pomocą statystyki Q Cochrana. Test heterogeniczności IVW dał wynik Q = 57,46 przy 50 stopniach swobody (p = 0,218), a test heterogeniczności MR-Egger dał wynik Q = 56,77 przy 49 stopniach swobody (p = 0,208). Wyniki te nie wskazały na istotną heterogeniczność między szacunkami dla poszczególnych SNP. Kierunkową plejotropię horyzontalną oceniono za pomocą testu przecięcia MR-Egger. Przecięcie MR-Egger wyniosło -0,0195 (SE = 0,0253, p = 0,444), co wskazuje na brak statystycznych dowodów na występowanie kierunkowej plejotropii horyzontalnej. Analizę MR-PRESSO przeprowadzono z wykorzystaniem 51 zachowanych zharmonizowanych SNP przy 10 000 symulacjach. Globalny test MR-PRESSO nie wykazał dowodów na globalną plejotropię horyzontalną (RSSobs = 59,61; empiryczne p = 0,2388). Ponieważ test globalny nie był statystycznie istotny, poszczególne testy wartości odstających i zniekształceń nie miały zastosowania i nie wygenerowano skorygowanego o wartości odstające szacunku. Wykres lejkowy posłużył do wizualnej oceny symetrii szacunków dla poszczególnych SNP (Rysunek 5). Szczegółowe ustawienia i wyniki MR-PRESSO przedstawiono w Tabeli uzupełniającej 1.
Analiza wrażliwości metodą pomijania pojedynczych obserwacji (leave-one-out) oraz walidacja wyników protokołu
Przeprowadzono analizę leave-one-out, aby ocenić, czy ogólna ocena MR była determinowana przez pojedynczy SNP. Wykres leave-one-out wykazał, że sekwencyjne usuwanie poszczególnych SNP nie zmieniło w istotny sposób ogólnej oceny (Rycina 6), co sugeruje, że żaden pojedynczy instrument genetyczny nie zdominował analizy asocjacji. Wspólnie te reprezentatywne wyniki demonstrują praktyczny efekt przepływu pracy w dwupróbkowym MR opisanego w niniejszym protokole. Tabela 1 przedstawia zachowane instrumenty genetyczne po selekcji i harmonizacji SNP. Rycina 2 ilustruje kierunek ocen MR w zależności od zastosowanej metody, Rycina 3 przedstawia oceny specyficzne dla poszczególnych SNP, Rycina 4 podsumowuje ogólne oceny MR, Rycina 5 umożliwia wizualną ocenę plejotropii lub asymetrii, a Rycina 6 ocenia wpływ poszczególnych SNP. Tabela uzupełniająca 2 łączy każdy główny etap protokołu z odpowiadającym mu wynikiem walidacyjnym.
Wszystkie surowe statystyki podsumowujące GWAS analizowane w niniejszym badaniu są ogólnodostępne. Zbiór danych dotyczący ekspozycji na udar niedokrwienny pobrano z bazy danych IEU OpenGWAS pod identyfikatorem zbioru danych ebi-a-GCST90018864. Zbiór danych dotyczący wyniku w postaci otępienia naczyniowego pobrano ze zbioru danych FinnGen GWAS pod identyfikatorem zbioru danych finn-b-F5_VASCDEM. Wyekstrahowana tabela zmiennych instrumentalnych, zharmonizowany zbiór danych do analizy, tabele wyników MR oraz odpowiednie pliki wyjściowe zostały udostępnione jako pliki uzupełniające.
Rycina 1Schemat procedury dwusample'owej randomizacji mendlowskiej (MR). Rysunek ten podsumowuje główne etapy protokołu, w tym wybór zbioru danych dotyczących ekspozycji, przesiew instrumentalnych zmiennych, ekstrakcję danych o wynikówach, harmonizację alleli, szacowanie MR, testowanie heterogeniczności, ocenę plejotropii horyzontalnej, analizę leave-one-out oraz wizualizację. Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tej ryciny.
Rysunek 2. Wykres rozrzutu estymacji MR dla związku między IS a VaD. Każdy punkt reprezentuje estymację specyficzną dla danego SNP. Linie dopasowane reprezentują szacowany związek uzyskany przy użyciu różnych metod MR. Aby wyświetlić powiększoną wersję tego rysunku, kliknij tutaj.
Rysunek 3. Wykres leśny szacunków MR dla pojedynczych SNP. Na rysunku przedstawiono poszczególne szacunki dla konkretnych SNP dotyczące związku między wariantami genetycznymi powiązanymi z IS a ryzykiem VaD. Linie poziome reprezentują 95% przedziały ufności. Kliknij tutaj, aby zobaczyć powiększoną wersję tego rysunku.
Rysunek 4. Wykres leśny ogólnych szacunków MR uzyskanych za pomocą różnych metod. Rysunek ten podsumowuje ogólne szacunki MR uzyskane przy użyciu metod IVW, ważonej mediany oraz MR-Egger. Linie poziome reprezentują 95% przedziały ufności. MR, randomizacja mendlowska; IVW, ważenie odwrotnością wariancji. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Rysunek 5. Wykres lejkowy szacunków MR specyficznych dla SNP. Rysunek ten przedstawia rozkład szacunków MR specyficznych dla SNP i pozwala na wizualną ocenę symetrii w obrębie instrumentów genetycznych. MR, randomizacja mendlowska; IVW, ważenie odwrotnością wariancji. Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Rycina 6. Analiza wrażliwości metodą leave-one-out. Na tej rycinie przedstawiono szacunki MR po sekwencyjnym usuwaniu każdego SNP. Wykres posłużył do oceny, czy ogólny szacunek był determinowany przez którykolwiek pojedynczy instrument genetyczny. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.
| Nie. | SNP (polimorfizm pojedynczego nukleotydu) | Gen | Chr. | EA | OA | EAF.IS | EAF.VD | IS β (SE) | VD β (SE) | statystyka F | R² |
| 1 | rs10886430 | GRK5 | 10 | G | A | 0.118244 | 0.09536 | 0.1147 (0.0220) | -0.0172 (0.0852) | 27.18 | 5,61E-05 |
| 2 | rs10936572 | LOC107986051 | 3 | T | C | 0.179643 | 0.1235 | -0.0512 (0.0104) | 0.1444 (0.0743) | 24.24 | 5,01E-05 |
| 3 | rs11045239 | PDE3A | 12 | A | G | 0.492943 | 0.4629 | 0.0604 (0.0089) | 0.0303 (0.0494) | 46.06 | 9,51E-05 |
| 4 | rs11047532 | LOC105369698 | 12 | G | C | 0.305214 | 0.1513 | 0.0499 (0.0105) | 0.0159 (0.0689) | 22.59 | 4,66E-05 |
| 5 | rs11065836 | CUX2 | 12 | A | G | 0.159123 | 0.07442 | -0.0608 (0.0103) | 0.0245 (0.0929) | 34.84 | 7,20E-05 |
| 6 | rs11105378 | ATP2B1 | 12 | T | C | 0.203466 | 0.07522 | -0.0540 (0.0098) | -0.1174 (0.0916) | 30.36 | 6,27E-05 |
| 7 | rs117140252 | - | 14 | A | G | 0.041216 | 0.06988 | 0.1568 (0.0311) | 0.1498 (0.0967) | 25.42 | 5,25E-05 |
| 8 | rs117343276 | - | 10 | G | A | 0.030533 | 0.0431 | -0.0905 (0.0196) | -0.1449 (0.1233) | 21.32 | 4,40E-05 |
| 9 | rs11831940 | HDAC7 | 12 | A | G | 0.251914 | 0.3526 | 0.0631 (0.0130) | 0.1226 (0.0513) | 23.56 | 4,87E-05 |
| 10 | rs11880613 | DNM2 | 19 | A | G | 0.184857 | 0.1804 | -0.0613 (0.0110) | 0.1499 (0.0640) | 31.06 | 6,41E-05 |
| 11 | rs12445022 | LOC124903748 | 16 | A | G | 0.271667 | 0.3193 | 0.0605 (0.0112) | 0.0218 (0.0527) | 29.18 | 6,03E-05 |
| 12 | rs12509595 | - | 4 | C | T | 0.297929 | 0.3124 | 0.0577 (0.0091) | 0.1462 (0.0533) | 40.2 | 8,30E-05 |
| 13 | rs12633109 | - | 3 | T | G | 0.360897 | 0.3263 | 0.0436 (0.0089) | 0.0395 (0.0526) | 24 | 4,96E-05 |
| 14 | rs1275980 | KCNK3 | 2 | T | C | 0.498545 | 0.5481 | -0.0582 (0.0094) | -0.0128 (0.0495) | 38.33 | 7,92E-05 |
| 15 | rs13123551 | - | 4 | A | T | 0.616442 | 0.5065 | 0.0552 (0.0097) | 0.0818 (0.0493) | 32.38 | 6,69E-05 |
| 16 | rs147871383 | MIR99AHG | 21 | A | G | 0.02368 | 0.01925 | 0.2259 (0.0494) | 0.2534 (0.1903) | 20.91 | 4,32E-05 |
| 17 | rs16918175 | - | 10 | C | T | 0.104037 | 0.0811 | -0.0649 (0.0131) | 0.0332 (0.0895) | 24.54 | 5,07E-05 |
| 18 | rs17182166 | ACVR1 | 2 | T | G | 0.12494 | 0.137 | 0.0751 (0.0156) | -0.0046 (0.0703) | 23.18 | 4,79E-05 |
| 19 | rs1906779 | - | 15 | A | G | 0.211386 | 0.1239 | 0.0438 (0.0095) | -0.0342 (0.0758) | 21.26 | 4,39E-05 |
| 20 | rs1948696 | ITGB5 | 3 | C | T | 0.650138 | 0.6041 | -0.0459 (0.0091) | 0.0219 (0.0501) | 25.44 | 5,25E-05 |
| 21 | rs1973765 | LSP1 | 11 | C | T | 0.486717 | 0.4124 | 0.0441 (0.0092) | -0.0229 (0.0505) | 22.98 | 4,75E-05 |
| 22 | rs2429123 | CACNA1C, DCP1B | 12 | C | T | 0.729926 | 0.725 | 0.0473 (0.0098) | 0.0190 (0.0549) | 23.3 | 4,81E-05 |
| 23 | rs2447561 | - | 8 | T | A | 0.873442 | 0.8382 | -0.0589 (0.0116) | -0.0570 (0.0674) | 25.78 | 5,33E-05 |
| 24 | rs245015 | MSH3 | 5 | A | G | 0.685061 | 0.6562 | -0.0456 (0.0089) | 0.0065 (0.0519) | 26.25 | 5,42E-05 |
| 25 | rs2501968 | CENPQ | 6 | G | A | 0.465302 | 0.4229 | -0.0490 (0.0086) | -0.0879 (0.0498) | 32.46 | 6,71E-05 |
| 26 | rs2526620 | - | 7 | G | A | 0.252144 | 0.2459 | 0.0500 (0.0092) | 0.0505 (0.0576) | 29.54 | 6,10E-05 |
| 27 | rs284160 | TGFBR3 | 1 | A | G | 0.192644 | 0.1186 | 0.0572 (0.0096) | 0.1573 (0.0768) | 35.5 | 7,33E-05 |
| 28 | rs2842870 | PMF1, PMF1-BGLAP | 1 | C | T | 0.360398 | 0.3434 | -0.0446 (0.0087) | -0.0727 (0.0518) | 26.28 | 5,43E-05 |
| 29 | rs2880492 | NCOR2 | 12 | C | T | 0.035841 | 0.01984 | -0.1293 (0.0266) | -0.1917 (0.1781) | 23.63 | 4,88E-05 |
| 30 | rs35790371 | RBFOX1 | 16 | A | G | 0.005125 | 0.001903 | 0.5587 (0.1176) | 0.1447 (0.5420) | 22.57 | 4,66E-05 |
| 31 | rs5752720 | TTC28 | 22 | T | C | 0.28441 | 0.1844 | 0.0422 (0.0091) | -0.0311 (0.0635) | 21.51 | 4,44E-05 |
| 32 | rs57694670 | SH3PXD2A | 10 | G | A | 0.433638 | 0.3834 | -0.0507 (0.0086) | 0.0080 (0.0507) | 34.76 | 7,18E-05 |
| 33 | rs6462001 | - | 7 | T | G | 0.881494 | 0.8329 | -0.0765 (0.0151) | -0.0567 (0.0662) | 25.67 | 5,30E-05 |
| 34 | rs6843082 | - | 4 | A | G | 0.65294 | 0.6907 | -0.0438 (0.0092) | -0.0568 (0.0534) | 22.67 | 4,68E-05 |
| 35 | rs7091346 | SH3PXD2A | 10 | T | C | 0.45273 | 0.2664 | -0.0582 (0.0098) | -0.0143 (0.0552) | 35.27 | 7,28E-05 |
| 36 | rs7194129 | CFDP1 | 16 | T | C | 0.573691 | 0.5538 | 0.0399 (0.0084) | 0.0293 (0.0495) | 22.56 | 4,66E-05 |
| 37 | rs7341574 | ZFPM2 | 8 | T | C | 0.313243 | 0.3895 | 0.0463 (0.0094) | -0.0774 (0.0505) | 24.26 | 5,01E-05 |
| 38 | rs7451833 | - | 6 | G | A | 0.103042 | 0.1166 | 0.1280 (0.0220) | 0.1253 (0.0777) | 33.85 | 6,99E-05 |
| 39 | rs74617384 | LPA | 6 | T | A | 0.070999 | 0.04573 | 0.1415 (0.0281) | -0.0532 (0.1162) | 25.36 | 5,24E-05 |
| 40 | rs74849463 | PIK3C2B | 1 | T | C | 0.240949 | 0.2043 | 0.0445 (0.0092) | -0.0319 (0.0616) | 23.4 | 4,83E-05 |
| 41 | rs757241 | AFAP1-AS1 | 4 | C | G | 0.673377 | 0.6704 | -0.0681 (0.0145) | -0.0274 (0.0523) | 22.06 | 4,56E-05 |
| 42 | rs76099321 | CNNM2 | 10 | A | G | 0.052085 | 0.02979 | -0.0691 (0.0150) | -0.2215 (0.1464) | 21.22 | 4,38E-05 |
| 43 | rs7670136 | - | 4 | C | T | 0.571088 | 0.6269 | -0.0473 (0.0101) | 0.0391 (0.0509) | 21.93 | 4,53E-05 |
| 44 | rs77455924 | NTM | 11 | T | C | 0.056457 | 0.02996 | 0.1632 (0.0331) | 0.0444 (0.1477) | 24.31 | 5,02E-05 |
| 45 | rs7820334 | - | 8 | T | C | 0.246549 | 0.2949 | -0.0643 (0.0127) | -0.1327 (0.0648) | 25.63 | 5,29E-05 |
| 46 | rs7859727 | CDKN2B-AS1 | 9 | T | C | 0.518845 | 0.4151 | 0.0569 (0.0087) | 0.0281 (0.0498) | 42.77 | 8,83E-05 |
| 47 | rs7989823 | COL4A1, COL4A2 | 13 | C | A | 0.591615 | 0.6188 | 0.0527 (0.0089) | 0.0693 (0.0518) | 35.06 | 7,24E-05 |
| 48 | rs79960344 | - | 17 | G | T | 0.102808 | 0.1031 | 0.0651 (0.0130) | -0.1596 (0.0805) | 25.08 | 5,18E-05 |
| 49 | rs880315 | CASZ1 | 1 | C | T | 0.445525 | 0.4139 | 0.0416 (0.0089) | 0.0444 (0.0501) | 21.85 | 4,51E-05 |
| 50 | rs9112 | LOC100505841 | 5 | A | G | 0.436595 | 0.3573 | 0.0407 (0.0085) | -0.0274 (0.0523) | 22.93 | 4,74E-05 |
| 51 | rs979380 | - | 17 | A | G | 0.531844 | 0.6197 | -0.0417 (0.0084) | -0.0196 (0.0506) | 24.64 | 5,09E-05 |
| EAF.IS oraz EAF.VD oznaczają odpowiednio częstości alleli efektowych w zbiorach danych dotyczących ekspozycji na udar niedokrwienny oraz wyniku w postaci otępienia naczyniowego. Statystyka F = (β/SE)². R² na pojedynczy SNP = F/(F + N − 2), gdzie N = 484 121. Wybór SNP dokonano przy użyciu p < 5 × 10-6 or grupowanie w stanie nierównowagi sprzężeń z wykorzystaniem r² < 0,001 w obrębie okna o szerokości 10 000 kb. | |||||||||||
Tabela 1: Instrumenty genetyczne dla udaru niedokrwiennego i odpowiadające im powiązania SNP–wynik dla VaD. Tabela zawiera końcowe 51 SNP, w tym identyfikator SNP, przypisany gen, chromosom, allele, EAF, szacunki SNP–cecha, statystyki F oraz R2 dla każdego SNP. SNP wybrano przy p < 5 × 10-6 i pogrupowano (clumping) przy r2 < 0,001 w obrębie 10 000 kb. EAF.IS i EAF.VD oznaczają odpowiednio częstości allelu efektowego w zbiorach danych IS i VD. Chr., chromosom; EA, allel efektowy; OA, inny allel; EAF, częstość allelu efektowego; IS, udar niedokrwienny; VD, otępienie naczyniowe. Proszę kliknąć tutaj, aby pobrać tę tabelę.
Tabela uzupełniająca 1. Ocena plejotropii horyzontalnej za pomocą MR-PRESSO dla analizy związku między udarem niedokrwiennym a otępieniem naczyniowym.Tabela ta podsumowuje analizę MR-PRESSO przeprowadzoną w celu oceny globalnej plejotropii horyzontalnej oraz potencjalnych wariantów odstających z wykorzystaniem końcowego zharmonizowanego zbioru danych obejmującego 51 SNP.Kliknij tutaj, aby pobrać ten plik.
Tabela uzupełniająca 2. Kroki protokołu i odpowiadające im wyniki walidacyjne. Tabela ta łączy każdy główny krok protokołu z odpowiadającym mu reprezentatywnym wynikiem oraz wskazanym miejscem w manuskrypcie, wykazując implementację i walidację analitycznego schematu postępowania.Aby pobrać ten plik, kliknij tutaj.
Dyskusja
Niniejsze badanie przedstawia protokół MR dla dwóch próbek służący do oceny potencjalnego związku przyczynowego między IS a VaD z wykorzystaniem publicznie dostępnych statystyk podsumowujących GWAS. W analizie reprezentatywnej metody IVW oraz ważona mediana potwierdziły pozytywny związek między genetycznie przewidywanym IS a ryzykiem VaD, podczas gdy szacunek MR-Egger był zgodny pod względem kierunku, ale nie osiągnął istotności statystycznej. W związku z tym wyniki te dostarczają sugestywnych dowodów na możliwy efekt przyczynowy, a nie stanowią ostatecznego dowodu przyczynowości.
Zaobserwowany związek jest biologicznie prawdopodobny w kontekście uszkodzeń naczyniowo-mózgowych. IS może prowadzić do regionalnych uszkodzeń neuronów, upośledzenia perfuzji mózgowej i następczych zmian neurodegeneracyjnych. Wcześniejsze badania wykazały, że VaD często występuje w warunkach zmniejszonego przepływu krwi przez mózg lub uszkodzeń naczyniowo-mózgowych13,14. Przewlekłe zmiany naczyniowo-mózgowe następujące po IS mogą dodatkowo przyczyniać się do pogorszenia funkcji poznawczych i zwiększenia ryzyka VaD15. Ponadto poudarowe uszkodzenia naczyniowe, reakcje zapalne oraz przewlekła dysfunkcja naczyniowo-nerwowa mogą stanowić potencjalne biologiczne powiązania między IS a VaD. Jednakże obecny protokół MR nie pozwala na bezpośrednie ustalenie tych mechanizmów, a wyniki należy interpretować łącznie z przyszłymi badaniami nad mechanizmami oraz badaniami walidacyjnymi w warunkach klinicznych.
Szacunek MR-Egger nie osiągnął istotności statystycznej. Wynik ten należy interpretować z ostrożnością, a nie jako bezpośrednią sprzeczność z wynikami IVW i ważonej mediany. Metoda MR-Egger może dostarczać szacunków bardziej odpornych na pewne formy plejotropii kierunkowej, ale zazwyczaj charakteryzuje się niższą mocą statystyczną, szczególnie gdy efekty instrumentów są niewielkie. W niniejszej analizie punkt przecięcia MR-Egger nie wskazał na statystycznie istotną kierunkową plejotropię horyzontalną, a testy heterogeniczności nie wykazały istotnej heterogeniczności między SNP. Ponadto globalny test MR-PRESSO nie dostarczył dowodów na globalną plejotropię horyzontalną. Te analizy wrażliwości zmniejszają obawy dotyczące mierzalnej kierunkowej lub globalnej plejotropii horyzontalnej, jednak nie wykluczają one wszystkich możliwych źródeł obciążenia ani nie ustanawiają związku przyczynowego.
Niewielka liczba przypadków VaD powinna jednak zostać wzięta pod uwagę podczas interpretacji tych wyników. Chociaż podstawowa analiza IVW miała szacowaną moc post hoc na poziomie 89,5% w zależności od zaobserwowanej wielkości efektu, wynik ten ma charakter opisowy i nie powinien być interpretowany jako wstępnie określone uzasadnienie wielkości próby. Ograniczona liczba przypadków szczególnie obniżyła precyzję mniej wydajnych estymatorów analizy wrażliwości; minimalny wykrywalny efekt 80% dla MR-Egger wynosił OR 3,23, co było wartością większą niż otrzymana ocena. W związku z tym nieistotny statystycznie wynik MR-Egger nie eliminuje niepewności co do wielkości związku. Obliczenia mocy nie odnoszą się również do potencjalnego błędu związanego z poprawnością instrumentów, nakładaniem się próbek, heterogenicznością fenotypową lub resztkową plejotropią horyzontalną.
Kilka kroków analitycznych ma kluczowe znaczenie dla wiarygodności tego schematu MR. Po pierwsze, zestawy danych GWAS dla ekspozycji i wyniku powinny być jasno zidentyfikowane za pomocą identyfikatorów zbiorów danych lub informacji o numerze dostępu. Po drugie, selekcja SNP oraz grupowanie w stanie nierównowagi sprzężeń (clumping) powinny być przeprowadzane przy użyciu zdefiniowanych progów, aby uzyskać niezależne instrumenty genetyczne. Po trzecie, siłę instrumentów należy ocenić za pomocą statystyk F, aby zmniejszyć ryzyko obciążenia wynikającego ze słabych instrumentów. Po czwarte, harmonizacja alleli jest niezbędna, aby zapewnić, że szacunki SNP–ekspozycja i SNP–wynik odpowiadają temu samemu allelowi efektu. Wreszcie, analizy heterogeniczności, plejotropii poziomej oraz analiza leave-one-out powinny zostać wykorzystane do oceny, czy główny szacunek jest pod wpływem niespójnych efektów SNP, plejotropii kierunkowej lub pojedynczego, dominującego instrumentu genetycznego.
Typowe źródła błędów lub błędów systematycznych w tym przepływie pracy obejmują niewystarczającą liczbę SNP powiązanych z ekspozycją, słabe instrumenty, brak dostępnych SNP dla wyniku, niejednoznaczne dopasowanie alleli, warianty palindromiczne, niedopasowanie SNP zastępczych (proxy SNP), heterogeniczność między szacunkami specyficznymi dla poszczególnych SNP, plejotropię horyzontalną, niedopasowanie populacyjne, heterogeniczność fenotypową oraz możliwątą część wspólną próbek. Problemy te można rozwiązać poprzez weryfikację identyfikatorów zbiorów danych GWAS, zastosowanie spójnych progów selekcji SNP i grupowania (clumping), dokumentowanie użycia SNP zastępczych, sprawdzanie wyników harmonizacji, podsumowanie statystyk F oraz interpretację szacunków MR wraz z wynikami heterogeniczności, plejotropii i analizy leave-one-out. W przypadku wykrycia znacznej heterogeniczności lub plejotropii, główny szacunek IVW należy interpretować z ostrożnością i rozważyć dodatkowe analizy wrażliwości lub alternatywne zbiory danych.
Należy również wziąć pod uwagę potencjalny nakład próbek. Zarówno GWAS ekspozycji, jak i GWAS wyników FinnGen zostały opracowane na podstawie zasobów pochodzenia europejskiego, a zakres ewentualnego nakładu uczestników nie mógł zostać określony na podstawie dostępnych statystyk zbiorczych. Taki nakład może prowadzić do obciążenia szacunków MR dwupróbkowych w kierunku skojarzeń obserwacyjnych, szczególnie gdy instrumenty nie są silnie powiązane z ekspozycją. Ograniczenie to należy uwzględnić podczas interpretacji reprezentatywnego wyniku.
W porównaniu z konwencjonalnymi obserwacyjnymi badaniami kohortowymi lub badaniami kliniczno-kontrolnymi, MR może ograniczyć wpływ czynników zakłócających oraz błąd odwróconej przyczynowości, przy założeniu poprawności zmiennych instrumentalnych. Jednakże badania obserwacyjne pozostają wartościowe w szacowaniu zapadalności na choroby, wzorców czasowych oraz rokowań klinicznych. W porównaniu z randomizowanymi badaniami kontrolowanymi lub modelami eksperymentalnymi, MR pozwala ocenić potencjalne związki przyczynowe z wykorzystaniem istniejących danych genetycznych w sytuacjach, gdy bezpośrednie badania interwencyjne są niewykonalne lub nieetyczne. Niemniej jednak MR nie może bezpośrednio ujawnić mechanizmów komórkowych ani zastąpić walidacji mechanistycznej. W związku z tym niniejszy protokół należy traktować jako uzupełnienie badań kohortowych, analiz przekrojowych, modeli zwierzęcych i eksperymentów komórkowych, a nie jako ich zamiennik.
Poprzednie badania analizowały czynniki ryzyka naczyniowego i wyniki związane z otępieniem, stosując podejścia epidemiologiczne i genetyczne. Na przykład, w poprzednich badaniach klinicznych i populacyjnych cukrzyca oraz nadciśnienie tętnicze zostały powiązane z ryzykiem wystąpienia otępienia16. Istniejące badania oparte na MR badały również IS, VaD oraz związane z nimi mechanizmy chorób współistniejących. Niniejszy artykuł różni się od tych badań głównym celem. Zamiast dążyć do identyfikacji nowych celów molekularnych lub eksperymentalnej walidacji mechanizmów chorobowych, artykuł ten koncentruje się na przedstawieniu powtarzalnego protokołu przeprowadzania analizy MR dla dwóch próbek przy użyciu publicznie dostępnych statystyk podsumowujących GWAS.
Niniejszy protokół posiada kilka ograniczeń. Po pierwsze, analiza opierała się na publicznie dostępnych statystykach podsumowujących GWAS, a wyniki mogą nie być w pełni uogólnialne na populacje nieeuropejskie lub zbiory danych z innymi definicjami przypadków. Po drugie, zastosowano mniej rygorystyczny próg selekcji SNP (p < 5 × 10-6), aby zachować odpowiednią liczbę niezależnych instrumentów do analiz wrażliwości. Chociaż wszystkie zachowane instrumenty miały statystyki F >10, próg ten jest mniej surowy niż konwencjonalny próg istotności w całym genomie i może obejmować warianty o słabszych lub mniej stabilnych powiązaniach z ekspozycją. W związku z tym reprezentatywne wyniki należy interpretować jako eksploracyjne i sugerujące, a nie jako ostateczny dowód przyczynowości. Po trzecie, choć MR może ograniczyć wpływ czynników zakłócających i błąd odwróconej przyczynowości, nie może całkowicie wykluczyć plejotropii poziomej, błędnej klasyfikacji fenotypu, nakładania się próbek lub błędów wprowadzonych przez nieważne instrumenty. Po czwarte, nieistotna statystycznie ocena MR-Egger wskazuje, że interpretacja przyczynowa powinna pozostać ostrożna. Po piąte, protokół ten nie obejmuje eksperymentów komórkowych, modeli zwierzęcych ani walidacji na niezależnych kohortach; podejścia te byłyby cenne dla wyjaśnienia mechanizmów biologicznych i przydatności klinicznej.
Dodatkowo, IS został zamodelowany jako ogólny fenotyp. Niniejszy reprezentatywny protokół nie został zaprojektowany w celu ustalenia, czy jakakolwiek korelacja wynika z udaru miażdżycowego dużych tętnic, zamknięcia małych naczyń, udaru kardiogennego czy innego podtypu. W związku z tym wynik nie powinien być interpretowany jako dowód na efekt specyficzny dla danego podtypu. Przyszłe prace powinny zastosować ten sam schemat postępowania w odniesieniu do zbiorów danych GWAS specyficznych dla podtypów o odpowiedniej mocy statystycznej, przy użyciu uprzednio określonego, zharmonizowanego planu analizy.
Przyszłe zastosowania tego protokołu mogą wykraczać poza zakres IS i VaD. Ten sam schemat postępowania można dostosować do oceny innych zależności między ekspozycją a wynikiem w chorobach naczyniowo-mózgowych, neurodegeneracyjnych, metabolicznych, zapalnych lub układu krążenia, o ile dostępne są odpowiednie statystyki podsumowujące GWAS. Przyszłe badania mogą również rozszerzyć ten schemat o niezależną walidację GWAS, dwukierunkową MR, wielowymiarową MR, MR mediacji lub integrację z dowodami eksperymentalnymi i opartymi na kohortach.
Podsumowując, niniejszy protokół przedstawia powtarzalny schemat przeprowadzania analizy MR dla dwóch próbek z wykorzystaniem publicznych statystyk podsumowujących GWAS. Reprezentatywne wyniki dostarczają sugestywnych dowodów na możliwy pozytywny związek między genetycznie przewidywanym IS a ryzykiem VaD, co znajduje główne potwierdzenie w metodach IVW i ważonej mediany, podczas gdy szacunek MR-Egger nie osiągnął istotności statystycznej. Należy jednak pamiętać, że wyniki te nie powinny być interpretowane jako ostateczny dowód mechanistyczny. Konieczne są niezależne badania walidacyjne oparte na populacjach oraz badania eksperymentalne w celu dalszego wyjaśnienia mechanizmów biologicznych i znaczenia klinicznego tego związku.
Oświadczenia
Autorzy deklarują brak konkurencyjnych interesów finansowych. W procesie pisania, redagowania lub przygotowania niniejszego manuskryptu nie wykorzystano narzędzi sztucznej inteligencji (AI) ani dużych modeli językowych (LLM).
Podziękowania
Autorzy nie otrzymali dedykowanego finansowania na realizację niniejszego badania.
Materiały
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| Zbiór danych FinnGen GWAS | FinnGen | finn-b-F5_VASCDEM | Publiczny zbiór danych GWAS wykorzystany jako źródło wyników dla otępienia naczyniowego |
| Baza danych IEU OpenGWAS | MRC Integrative Epidemiology Unit, University of Bristol | ebi-a-GCST90018864 | Publiczny zbiór danych GWAS wykorzystany jako źródło ekspozycji dla udaru niedokrwiennego |
| Oprogramowanie R | R Foundation for Statistical Computing | Nie dotyczy | Oprogramowanie statystyczne wykorzystane do analizy MR |
| RStudio | Posit Software, PBC | Nie dotyczy | Zintegrowane środowisko programistyczne wykorzystane do uruchamiania skryptów R |
| Pakiet TwoSampleMR | MRC Integrative Epidemiology Unit, University of Bristol | Nie dotyczy | Pakiet R wykorzystany do ekstrakcji instrumentów, harmonizacji, analizy MR oraz analiz wrażliwości |
| Pakiet MRPRESSO | CRAN | Wersja 1.0 | Pakiet R wykorzystany do oceny globalnej plejotropii horyzontalnej i potencjalnych instrumentów odstających |
| Pakiet writexl | CRAN | Nie dotyczy | Pakiet R wykorzystany do eksportu tabel wyników do plików xlsx |
Bibliografia
- Sharma R, Lee K. Advances in treatments for acute ischemic stroke. BMJ. 2025;389:e076161.
- Zhu H, et al. Interleukins and ischemic stroke. Front Immunol. 2022;13:828447.
- Feske SK. Ischemic stroke. Am J Med. 2021;134(12):1457-1464.
- Lin HF, et al. Apolipoprotein E polymorphism in ischemic cerebrovascular diseases and vascular dementia patients in Taiwan. Neuroepidemiology. 2004;23(3):129-134.
- 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.
- Bulwa Z, et al. Management of blood pressure after acute ischemic stroke. Curr Neurol Neurosci Rep. 2019;19(6):29.
- 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.
- Yamagata K. Docosahexaenoic acid inhibits ischemic stroke to reduce vascular dementia and Alzheimer's disease. Prostaglandins Other Lipid Mediat. 2023;167:106733.
- Yeung S, Luo S, Iwagami M, Goto A. Introduction to Mendelian randomization. Ann Clin Epidemiol. 2025;7(1):27-37.
- 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
- 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
- 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
- Ng S, et al. Updates on vascular dementia. Stroke Vasc Neurol. 2025;10(5):542-550.
- Sanders AE, Schoo C, Kalish VB. Vascular Dementia. StatPearls Publishing; Treasure Island (FL); 2025. Available from: https://www.ncbi.nlm.nih.gov/books/
- Ho JP, Powers WJ. Contemporary management of acute ischemic stroke. Annu Rev Med. 2025;76(1):417-429.
- Yen FS, et al. Diabetes, hypertension, and the risk of dementia. J Alzheimers Dis. 2022;89(1):323-333.