$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Este estudo aplica um desenho de randomização mendeliana (RM) com duas amostras para avaliar se o comprimento dos telômeros (MT) geneticamente proxy influencia causalmente o risco de tireotoxicose. Apenas estatísticas resumidas GWAS desidentificadas e publicamente disponíveis foram usadas, e nenhum dado em nível individual foi acessado. O Conselho de Revisão Institucional do Hospital Municipal de Qingdao determinou que a análise está isenta de novas revisões porque se baseia exclusivamente em dados públicos resumidos. Todos os estudos de associação genômica que contribuíram obtiveram consentimento informado e aprovações éticas como parte de seus protocolos originais. A análise é estruturada para minimizar a confusão e a causalidade reversa, utilizando variantes germinativas associadas à TL como instrumentos não confundidos e implementando procedimentos de sensibilidade para interrogar pleiotropia, heterogeneidade e a direção do efeito.
Fontes de dados
O conjunto de dados de exposição para a TL foi obtido do IEU OpenGWAS sob o identificador ieu-b-4879, compreendendo aproximadamente 472.174 participantes de ascendência europeia. O conjunto de dados de resultados para tireotoxicose foi retirado do consórcio FinnGen, utilizando o resultado final de 2021 finn-b-tiROTOXICOSE, com 4.142 casos e 213.693 controles. Esses recursos fornecem estimativas eficazes e erros padrão necessários para construir instrumentos em nível SNP, harmonizar alelos e estimar efeitos causais com estimadores de RM estabelecidos.
Ambiente de software e computação
Todas as análises foram realizadas em R (versão 4.3.1). O principal pacote analítico era o TwoSampleMR (versão 0.5.7), complementado por ieugwasr para acesso programático a recursos GIS, MRPRESSO para detecção de outliers e testes de distorção, mr.raps para estimativa robusta sob instrumentos fracos e pleiotropia idiossincrática, RadialMR para visualização radial e pacotes de uso geral incluindo tidyverse e data.table. As informações de sessão e as versões dos pacotes são escritas em um arquivo para garantir reprodutibilidade rigorosa.
Suposições centrais da randomização mendeliana
O arcabouço da RM pressupõe que os instrumentos genéticos estão fortemente associados à TL, são independentes de fatores que confundem a relação entre TL e tireotoxicose, e influenciam a tireotoxicose apenas por meio da TL, em vez de vias alternativas. O plano de análise operacionaliza essas suposições quantificando a força por variante, testando a pleiotropia horizontal desequilibrada usando métodos baseados em interceptos e triagem de outliers, avaliando a heterogeneidade entre variantes e confirmando a direção do efeito entre TL e tireotoxicose com um teste formal de direcionalidade12.
Seleção de instrumentos e controle de qualidade
Instrumentos genéticos foram selecionados do GWAS da TL com um limiar de significância genômica de p < 5×10-8. Para garantir a independência, o desequilíbrio de ligação foi abordado agrupando em r2 = 0,001 dentro de uma janela de 10.000 kb usando dados de referência europeus do Projeto 1000 Genomas; onde as variantes eram correlacionadas, a variante com o valor p menor para associação com a TL era mantida. A força do instrumento foi resumida para cada variante usando a estatística F_i = \beta_{E,i}^{2}/\mathrm{SE}(\beta_{E,i})^{2} e julgada contra o critério convencional F > 1013,14. Quando apropriado, a aproximação de Sanderson-Windmeijer foi referenciada para descrever a força agregada do instrumento em múltiplas variantes em uma amostra de tamanho N, com K instrumentos explicando a variância de exposição R^{2}: F_{\mathrm{SW}} = \{[R^{2}/(1-R^{2})]\,(N-K-1)\}/K 15. Variantes palindrômicas ambíguas com frequências alelares próximas a 0,5 foram excluídas, a menos que a informação de frequência alelar permitisse alinhamento inequívoco.
Harmonização
Para cada instrumento, a associação correspondente com tireotoxicose foi extraída do FinnGen e alinhada de modo que os tamanhos do efeito representem o mesmo alelo de efeito durante a exposição e o resultado. A harmonização removeu descompassos de alelos, corrigiu questões de fio e excluiu SNPs palindrômicos com ambiguidade não resolvida, produzindo um conjunto de dados adequado para construção válida de razões de Wald.
Estimativa causal primária
A análise primária utilizou o estimador ponderado pela inversa da variância (IVW) para meta-analisar razões de Wald específicas para SNPs em um efeito causalagrupado 16. As estimativas são reportadas como razões de probabilidade por um aumento de desvio padrão na TL, com intervalos de confiança de 95% derivados sob modelos de efeitos fixos e aleatórios. A escolha do modelo foi guiada por diagnósticos de heterogeneidade, e ambas as especificações são apresentadas para facilitar uma interpretação robusta.
Análises de sensibilidade e verificações de robustez
A robustez foi avaliada usando regressão MR-Egger com termo de interceptação para testar a pleiotropia direcional desequilibrada, estimação de máxima verossimilhança para melhorar a eficiência sob homogeneidade enquanto mitiga o erro de medição, MR-PRESSO para realizar um teste global de valores atípicos e estimar efeitos corrigidos por distorção e valores atípicos, e MR-RAPS para fornecer estimativas resilientes a instrumentos fracos e pleiotropia idiossincrática17. A heterogeneidade entre variantes foi quantificada usando a estatística Q de Cochran sob o arcabouço daIVW 18. A direção do efeito foi examinada com o teste de Steiger, que compara a proporção de variância explicada na exposição e no desfecho para determinar se os dados são mais compatíveis com a TL causando tireotoxicose e não o contrário. A interceptação MR-Egger foi usada como teste formal para pleiotropia direcional. Análises leave-one-out foram inspecionadas para garantir que a associação geral não fosse impulsionada por nenhuma única variante.
Randomização Mendeliana Reversa
Para investigar a possível causalidade reversa, o pipeline analítico foi repetido com tireotoxicose como exposição e TL como resultado. Os mesmos critérios de seleção de instrumentos, procedimentos de harmonização, estimador primário de IVW e análises de sensibilidade foram aplicados, de modo que conclusões sobre direcionalidade sejam feitas dentro de um quadro causal idêntico.
Múltiplos testes, energia e relatórios
O teste de hipótese principal diz respeito ao estimador de IVW para o efeito da TL na tireotoxicose. Estimadores de sensibilidade e testes diagnósticos são interpretados como evidências de apoio; Os valores p são reportados em notação científica para maior clareza, e as conclusões enfatizam a consistência entre os métodos, em vez de limiares de significância isolados. Resumos de força do instrumento e a proporção de variância explicada informam a potência aproximada sob formulações padrão de não centralidade, reconhecendo que a potência depende do tamanho da amostra, força do instrumento e magnitude do efeito verdadeiro.
Reprodutibilidade computacional e comandos exatos
A reprodutibilidade é garantida ao fornecer a sequência completa de comandos R que recriam seleção de instrumentos, extração de resultados, harmonização, análises primárias e de sensibilidade, ressonância magnética reversa, saídas diagnósticas e exportação de arquivos prontos para análise. O script escreve arquivos CSV estáveis e legíveis por humanos, correspondentes à lista de instrumentos, ao conjunto de dados harmonizado e ao resumo das estimativas e diagnósticos de RM.
# R 4.3.1; TwoSampleMR 0.5.7
# Instalação opcional:
# install.packages(c("TwoSampleMR", "ieugwasr", "MRPRESSO", "mr.raps",
"RadialMR","tidyverse","data.table"))
library(TwoSampleMR)
Biblioteca (ieugwasr)
biblioteca (MRPRESSO)
Biblioteca (Sr. Raps)
biblioteca (RadialMR)
Biblioteca (Tidyverse)
library(data.table)
# Exposição: comprimento dos telômeros (IEU OpenGWAS)
exposure_id <- "IEU-B-4879"
# Desfecho: FinnGen 2021 critério final de tireotoxicose usado para as análises relatadas
outcome_id <- "finn-b-tiROTOXICOSE"
# Seleção de instrumentos com limiar genômico e agrupamento rigoroso de LD
exp <- extract_instruments(resultados = exposure_id, p1 = 5e-8, agrupamento = VERDADEIRO, r2 = 0,001, kb = 10000)
exp$F_stat <- (exp$beta.exposure^2) / (exp$se.exposure^2)
fwrite (exp, "S1_instruments_TL.csv")
# Extração e harmonização de resultados
fora <- extract_outcome_data(SNPs = exp$SNP, resultados = outcome_id)
dat <- harmonise_data(exp, out, action = 2)
fwrite(dat, "S2_harmonised_TL_vs_thyrotoxicosis.csv")
# Estimadores primários de RM e sensibilidade
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 interceptação
Steiger <- directionality_test(dat) # Direcionalidade Steiger
# Estimativas globais e corrigidas por valores atípicos MR-PRESSO
mrpresso <- mr_presso(BetaOutcome = "beta.outcome", BetaExposure = "beta.exposure",
SdOutcome = "se.outcome", SdExposure = "se.exposure",
OUTLIERtest = VERDADEIRO, DISTORTIONtest = VERDADEIRO,
data = dat, NbDistribution = 1000, SignifThreshold = 0,05) #
# Ressonância magnética reversa: tireotoxicose (exposição) -> TL (desfecho)
rev_exp <- extract_instruments(resultados = outcome_id, p1 = 5e-8, agrupamento = VERDADEIRO, 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, ação = 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)
# Exportações para arquivamento e geração de figuras/tabelas
write.csv(bind_rows(res), "S3_mr_results_primary.csv", nomes.linha = FALSO)
write.csv(het, "S3_mr_heterogeneity.csv", linha.nomes = FALSO)
write.csv(pleio, "S3_mr_pleiotropy_egger.csv",linha.nomes = FALSO)
write.csv(steiger, "S3_mr_steiger.csv", linha.nomes = FALSE)
write.csv(bind_rows(rev_res), "S3_reverse_mr_results.csv", linha.nomes = FALSO)
write.csv(rev_het, "S3_reverse_heterogeneity.csv", linha.nomes = FALSO)
write.csv(rev_pleio, "S3_reverse_pleiotropy_egger.csv", linha.nomes = FALSO)
write.csv(rev_steiger, "S3_reverse_steiger.csv", linha.nomes = FALSO)