Для просмотра этого контента требуется подписка на JoVE. Войдите или начните свой бесплатный пробный период.

Методическая статья

Причинно-следственная связь между ишемическим инсультом и сосудистой деменцией: исследование методом менделевской рандомизации

73 просмотров

⸱

11 сентября 2026 г.

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

В этой статье

Краткое содержание

В данном протоколе описывается воспроизводимый двухвыборочный рабочий процесс менделевской рандомизации для оценки потенциальной причинно-следственной связи между ишемическим инсультом и сосудистой деменцией с использованием общедоступных сводных статистических данных полногеномных ассоциативных исследований.

Аннотация

Ишемический инсульт (ИИ) является основной причиной инвалидности и смертности во всем мире, а сосудистая деменция (СД) представляет собой распространенный подтип деменции, связанный с цереброваскулярным повреждением. Обсервационные исследования указывают на связь между ИИ и СД, однако такие исследования подвержены влиянию смешивающих факторов и обратной причинно-следственной связи. В данном протоколе описан воспроизводимый рабочий процесс двухвыборочной менделевской рандомизации (МР) для оценки потенциальной причинно-следственной связи между ИИ и СД с использованием общедоступных суммарных статистик полногеномного поиска ассоциаций (GWAS). Генетические инструменты, ассоциированные с ИИ, были извлечены из открытого набора данных GWAS, а ассоциации исходов для СД были получены из открытого набора данных GWAS по СД. Соответствующие идентификаторы наборов данных приведены в разделе «Протокол». После сопоставления исходов и гармонизации аллелей для финального МР-анализа было отобрано 51 однонуклеотидный полиморфизм (SNP). Рабочий процесс включает в себя выбор инструментальных переменных, кластеризацию по неравновесности сцепления (clumping), гармонизацию аллелей, оценку силы инструментов, анализ с обратным взвешиванием по дисперсии (IVW), анализ взвешенного медианного значения, анализ MR-Egger, тестирование на гетерогенность, оценку горизонтальной плейотропии и анализ чувствительности методом исключения одного варианта (leave-one-out). В репрезентативном анализе метод IVW показал положительную связь между генетически предсказанным ИИ и риском СД, а метод взвешенного медианного значения дал направлениеally согласованный результат. Оценка MR-Egger была согласована по направлению, но не достигла статистической значимости. Таким образом, эти результаты следует интерпретировать как косвенные доказательства возможного причинно-следственного эффекта, а не как окончательное доказательство причинности. Данный протокол может помочь исследователям применять прозрачный и воспроизводимый рабочий процесс МР для изучения исходов, связанных с цереброваскулярными заболеваниями, используя общедоступные данные GWAS.

Введение

Ишемический инсульт (ИИ) является одной из основных причин тяжелой инвалидности и смерти во всем мире1. Согласно последним данным исследования глобального бремени болезней (Global Burden of Disease Study), общемировая заболеваемость ИИ снизилась, однако он по-прежнему представляет собой значительную проблему, особенно в Восточной Европе, Восточной Азии, Центральной Азии и странах Африки к югу от Сахары2,3. Более того, частота возникновения ИИ растет в странах с низким социально-демографическим индексом (SDI), и, по прогнозам, эта тенденция сохранится в период с 2020 по 2030 год.

Многочисленные эпидемиологические исследования указали на потенциальную связь между цереброваскулярными заболеваниями и сосудистой деменцией (VaD)4,5. В частности, в Китае VaD является одним из наиболее распространенных типов деменции среди пожилых людей, и высокая распространенность IS тесно связана с возникновением VaD. Однако большинство существующих исследований являются обсервационными, а остаточный конфаундинг, обратная причинно-следственная связь и различия в определении заболевания могут ограничивать причинную интерпретацию. Таким образом, необходимы дополнительные аналитические подходы, чтобы оценить, участвует ли IS в развитии VaD.

ИШ может влиять на развитие ВД посредством нескольких механизмов. Цереброваскулярные повреждения, вызванные ИШ, могут привести к недостаточному мозговому перфузионному кровотоку и последующим нейродегенеративным изменениям6. Кроме того, ВД может быть связано с хроническим цереброваскулярным повреждением, микрососудистыми повреждениями и воспалительными реакциями после ИШ7,8. Таким образом, исследование взаимосвязи между ИШ и ВД имеет важное значение для понимания потенциальных связей между этими заболеваниями и разработки будущих стратегий профилактики.

Менделевская рандомизация (MR) представляет собой аналитический метод, в котором генетические варианты используются в качестве инструментальных переменных для оценки потенциальных причинно-следственных связей между воздействием и исходом9. По сравнению с традиционными обсервационными исследованиями, MR позволяет снизить влияние смешивающих факторов и систематическую ошибку, обусловленную обратной причинно-следственной связью, при условии соблюдения допущений о валидности инструментальных переменных. В отличие от рандомизированных контролируемых исследований или экспериментальных моделей, MR позволяет использовать имеющиеся сводные статистические данные полногеномных поисков ассоциаций (GWAS) для оценки клинически значимых связей в тех случаях, когда проведение прямых интервенционных исследований неосуществимо, неэтично или затруднительно. В недавних генетических исследованиях с применением методов менделевской рандомизации изучалась связь между IS и VaD10. Тем не менее для обеспечения воспроизводимости реализации метода по-прежнему необходимы детальные описания на уровне протокола по таким аспектам, как выбор инструмента воздействия, извлечение данных об исходах, гармонизация аллелей, оценка силы инструмента, проверка гетерогенности, оценка плейотропии и анализ чувствительности.

Данный протокол применим в тех случаях, когда общедоступные сводные данные GWAS доступны как для изучаемого воздействия, так и для изучаемого исхода, когда для воздействия могут быть выбраны валидные генетические инструменты, а целью исследования является оценка потенциальной причинно-следственной связи, а не прямое установление биологических механизмов. Таким образом, в данной работе представлен протокол двухвыборочного менделевского рандомизационного анализа (MR) для оценки потенциальной причинно-следственной связи между IS и VaD с использованием общедоступных сводных данных GWAS. Цель состоит в том, чтобы предоставить воспроизводимый аналитический рабочий процесс, а не установить окончательные биологические механизмы. В данном протоколе описываются выбор генетических инструментов, сопоставление исходов, гармонизация аллелей, оценка MR и анализ чувствительности, при этом связь IS-VaD используется в качестве репрезентативного примера.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

В данном исследовании использовались общедоступные суммарные статистические данные GWAS. В оригинальных исследованиях было получено одобрение институционального наблюдательного совета и информированное согласие участников. Для данного вторичного анализа дополнительного этического одобрения не требовалось.

1. Дизайн исследования и этическое заявление

  1. Используйте двухвыборочный дизайн менделевской рандомизации (MR) для оценки потенциальной причинно-следственной связи между ишемическим инсультом (IS) и сосудистой деменцией (VaD).
  2. Используйте только общедоступные сводные данные GWAS. Поскольку все оригинальные исследования, включенные в наборы данных GWAS, получили одобрение институционального наблюдательного совета и информированное согласие участников, дополнительное этическое одобрение для этого вторичного анализа не требуется.
  3. Перед извлечением данных определите IS как воздействие, а VaD — как исход.

2. Подготовка программного обеспечения

  1. Проводите все анализы с использованием статистического программного обеспечения R.
  2. Загрузите пакет TwoSampleMR для извлечения инструментов, извлечения данных об исходах, гармонизации аллелей, оценки менделевской рандомизации (MR), проверки гетерогенности и проведения анализа чувствительности. Загрузите пакет MRPRESSO для оценки глобальной горизонтальной плеотропии и потенциальных вариантов-выбросов.
  3. Используйте в рабочем процессе следующие основные функции: 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 и mr_leaveoneout_plot. Используйте MRPRESSO::mr_presso для выполнения глобального теста MR-PRESSO и, при необходимости, тестов на выбросы и искажения.

3. Выбор набора данных по воздействию и скрининг инструментальных переменных

  1. Извлеките однонуклеотидные полиморфизмы (SNP), ассоциированные с IS, из набора данных IEU OpenGWAS ebi-a-GCST90018864. Этот набор данных включает 11 929 случаев IS и 472 192 контроля, при общем размере выборки 484 121 участник.
  2. Выберите потенциальные SNP, ассоциированные с IS, используя порог значимости p < 5 × 10-6.
    1. Порог p < 5 × 10-6 используется в данном репрезентативном протоколе для сохранения достаточного количества независимых инструментов для проведения анализа чувствительности. Поскольку этот порог менее строгий, чем общепринятый порог общегеномной значимости, результаты, полученные на основе этих инструментов, следует интерпретировать как предварительные и предположительные, а не окончательные.
  3. Выполните кластеризацию по неравновесности сцепления (clumping) для отбора независимых SNP. Используйте порог r2 0,001 и окно кластеризации 10 000 kb.
  4. Используйте следующую команду R для извлечения потенциальных инструментов:
    extract_instruments(outcomes = "ebi-a-GCST90018864", p1 = 5e-06, clump = TRUE)
  5. Рассчитайте F-статистику для каждого отобранного SNP по формуле F = (β/SE)2, где β и SE — оценка эффекта SNP–экспозиция и стандартная ошибка соответственно.
  6. Исключите SNP с F-статистикой < 10, чтобы снизить риск систематической ошибки, вызванной слабыми инструментами. Опишите распределение F-статистик, указав минимум, максимум, медиану и межквартильный размах (IQR).

4. Извлечение набора данных с результатами

  1. Извлеките ассоциации исходов VaD из набора данных GWAS FinnGen finn-b-F5_VASCDEM. Этот набор данных включает 881 случай VaD и 211 508 контролей.
  2. Извлеките ассоциации исходов для всех выбранных SNP, связанных с IS, с помощью функции extract_outcome_data.
  3. Найдите прокси-SNP в тех случаях, когда целевые SNP недоступны в наборе данных исходов напрямую. Сохраните варианты, соответствующие прокси-SNP, при наличии достоверной информации о прокси и соответствии аллелей.
  4. Используйте следующую команду R для извлечения набора данных исходов:
    extract_outcome_data(snps = exp_dat$SNP, outcomes = "finn-b-F5_VASCDEM", access_token = NULL)

5. Гармонизация аллелей и отбор SNP

  1. Гармонизируйте наборы данных по экспозиции и исходам перед проведением МР-анализа.
  2. Сопоставьте эффектный аллель и другой аллель таким образом, чтобы оценки эффектов SNP–экспозиция и SNP–исход соответствовали одному и тому же эффектному аллелю.
  3. Проверьте SNP в процессе гармонизации для выявления несоответствий аллелей, отсутствующих ассоциаций с исходом и неоднозначного сопоставления аллелей. Оставьте SNP, для которых после гармонизации доступны оценки эффектов экспозиции и исхода.
  4. Для гармонизации аллелей используйте следующую команду R: harmonise_data(exposure_dat = exp_dat, outcome_dat = out_dat, action = 1)
  5. Зафиксируйте количество SNP, изначально извлеченных из набора данных по экспозиции, количество SNP с доступными ассоциациями с исходом, количество вариантов, сопоставленных по прокси-методу, и количество SNP, оставшихся для окончательного МР-анализа.

6. Первичный МР-анализ и анализ чувствительности

  1. Проведите основной МР-анализ с использованием метода обратной дисперсии (IVW).
  2. Проведите дополнительные МР-анализы с использованием методов взвешенного медианного значения и МР-Эггера для оценки согласованности причинно-следственной оценки при различных допущениях.
  3. Рассчитайте отношения шансов (OR) и 95% доверительные интервалы (CI) на основе МР-оценок.
  4. Используйте следующие команды R для проведения МР-анализа и расчета OR:
    res <- mr(dat)
    res <- generate_odds_ratios(res)
  5. Поскольку оценивается одна заранее определенная основная связь между воздействием и исходом, определите порог коррекции Бонферрони для основного МР-вывода как 0,05/1 = 0,05. Используйте двустороннее значение p < 0,05 в качестве порога статистической значимости для основного анализа IVW.
  6. Чтобы контекстуализировать статистическую точность основного анализа с учетом ограниченного количества случаев VaD, проведите апостериорный расчет мощности двустороннего критерия Вальда на основе наблюдаемой оценки IVW и ее стандартной ошибки. Рассчитайте мощность, используя параметр нецентральности βIVW/SEIVW при двустороннем уровне α = 0,05. Рассчитайте минимальный обнаруживаемый эффект, соответствующий мощности 80%, как exp[(z0.975 + z0.80) × SE]. Поскольку IS является бинарным воздействием, а связи SNP-воздействие выражены в логарифмических шансах, представьте этот анализ как дескриптивную оценку точности, обусловленную эффектом, а не как заранее определенный расчет размера выборки11.

7. Анализ гетерогенности, горизонтальной плейотропии и метод исключения одного исследования (leave-one-out analysis)

  1. Оцените гетерогенность между SNP, используя критерий Кохрана Q.
  2. Используйте следующую команду R для расчета показателей гетерогенности:
    mr_heterogeneity(dat)
  3. Оцените направленную горизонтальную плейотропию с помощью теста перехвата MR-Egger.
  4. Используйте следующую команду R для расчета перехвата MR-Egger:
    mr_pleiotropy_test(dat)
  5. Оцените глобальную горизонтальную плейотропию и потенциальные варианты-выбросы с помощью MR-PRESSO, используя 10 000 симуляций, порог значимости 0.05, а также включив тесты на выбросы и искажения12.
  6. Используйте следующую команду R для анализа 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
    )
  7. Проведите анализ отдельных SNP для оценки эффекта каждого SNP по отдельности.
  8. Используйте следующую команду R для анализа отдельных SNP:
    res_single <- mr_singlesnp(dat)
  9. Выполните анализ методом исключения одного варианта (leave-one-out), последовательно удаляя по одному SNP и повторяя анализ IVW.
  10. Используйте следующую команду R для проведения анализа leave-one-out:
    res_loo <- mr_leaveoneout(dat)

8. Визуализация и вывод данных

  1. Постройте диаграмму рассеяния для отображения оценок MR, полученных с помощью различных методов.
  2. Постройте форест-график (forest plot) для отображения оценок по отдельным SNP и общей оценки MR.
  3. Постройте воронкообразный график (funnel plot) для визуальной оценки симметрии оценок по конкретным SNP.
  4. Постройте график «исключения одного» (leave-one-out plot), чтобы определить, не обусловлена ли общая оценка одним единственным SNP.
  5. Используйте следующие команды R для построения графиков:
    mr_scatter_plot(res, dat)
    mr_forest_plot(res_single)
    mr_funnel_plot(res_single)
    mr_leaveoneout_plot(res_loo)
  6. Экспортируйте результаты MR, таблицу инструментальных переменных, таблицу ассоциаций с исходом и результаты анализа чувствительности для отчетности и обеспечения воспроизводимости.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

Рисунок 1 обобщает общий рабочий процесс протокола менделевской рандомизации для двух выборок: от выбора набора данных и скрининга инструментов до анализа чувствительности и визуализации результатов. Типичные результаты каждого этапа представлены ниже.

Генетические инструментальные переменные и контроль качества гармонизации

Первоначально из набора данных GWAS для воздействия с использованием порога зна...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

В данном исследовании представлен протокол двухвыборочного менделевского рандомизированного (MR) анализа для оценки потенциальной причинно-следственной связи между ишемическим инсультом (IS) и сосудистой деменцией (VaD) с использованием общедоступных суммарных статистических данных GWAS. В репрезентативном анализе методы обратно-взвешенного среднего (IVW) и взвешенного медианного значения подтвердили положительную связь между генетически предсказанным риском IS и риском развития VaD, в то время как оценка методом MR-Egge...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

Авторы заявляют об отсутствии конфликта финансовых интересов. При написании, редактировании или подготовке данной рукописи не использовались инструменты искусственного интеллекта (ИИ) или большие языковые модели (LLM).

Благодарности

Авторы не получали специального финансирования для данного исследования.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
набор данных GWAS FinnGenFinnGenfinn-b-F5_VASCDEMОбщедоступный набор данных GWAS, использованный в качестве источника данных о результатах для сосудистой деменции
База данных IEU OpenGWASПодразделение интегративной эпидемиологии MRC, Бристольский университетebi-a-GCST90018864Общедоступный набор данных GWAS, использованный в качестве источника экспозиции для ишемического инсульта
программное обеспечение RR Foundation for Statistical ComputingНеприменимоСтатистическое программное обеспечение, используемое для мендельевского рандомизационного анализа
RStudioPosit Software, PBCНе применимоИнтегрированная среда разработки, используемая для запуска скриптов R
Пакет TwoSampleMRПодразделение интегративной эпидемиологии MRC, Бристольский университетНеприменимоПакет R, используемый для извлечения инструментов, гармонизации, менделевского рандомизационного анализа и анализа чувствительности
пакет MRPRESSOCRANВерсия 1.0Пакет R, используемый для оценки глобальной горизонтальной плейотропии и потенциальных инструментов-выбросов
пакет writexlCRANНеприменимоПакет R, используемый для экспорта таблиц с результатами в файлы формата xlsx

Ссылки

  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.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Больше статей

полногеномный поиск ассоциацийгенетические инструментыинструментальная переменнаянеравновесие по сцеплениюгармонизация аллелейметод обратной дисперсиигоризонтальная плейотропия
Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.