Bu protokol, halka açık genom genelinde ilişkilendirme çalışması özet istatistiklerini kullanarak iskemik inme ile vasküler demans arasındaki potansiyel nedensel ilişkiyi değerlendirmek için tekrarlanabilir bir iki örneklemli Mendel randomizasyonu iş akışını tanımlamaktadır.
Yöntem makalesi
İskemik İnme ve Vasküler Demans Arasındaki Nedensel İlişki: Bir Mendel Randomizasyon Çalışması
26 görüntülenme
⸱
11 Eylül 2026
Bu makalede
Özet
Özet
İskemik inme (IS), dünya genelinde sakatlık ve ölümün başlıca nedenlerinden biridir ve vasküler demans (VaD), serebrovasküler hasarla ilişkili yaygın bir demans alt tipidir. Gözlemsel çalışmalar, IS ile VaD arasında bir ilişki olduğunu öne sürmüştür, ancak bu çalışmalar karıştırıcı faktörlere ve ters nedenselliğe açıktır. Bu protokol, kamuya açık genom çapında ilişkilendirme çalışması (GWAS) özet istatistiklerini kullanarak IS ve VaD arasındaki potansiyel nedensel ilişkiyi değerlendirmek için tekrarlanabilir, iki örneklemli bir Mendel randomizasyonu (MR) iş akışını açıklamaktadır. IS ile ilişkili genetik araçlar genel bir GWAS veri setinden çıkarılmış ve VaD için sonuç ilişkileri genel bir VaD GWAS veri setinden elde edilmiştir. İlgili veri seti kimlikleri Protokol bölümünde verilmiştir. Sonuç eşleştirmesi ve alel harmonizasyonundan sonra, nihai MR analizi için 51 tek nükleotid polimorfizmi (SNP) tutulmuştur. İş akışı; araç değişken seçimi, bağlantı dengesizliği kümelemesi (clumping), alel harmonizasyonu, araç gücü değerlendirmesi, ters varyans ağırlıklı (IVW) analiz, ağırlıklı medyan analizi, MR-Egger analizi, heterojenlik testi, yatay pleiotropi değerlendirmesi ve birini dışarıda bırakma (leave-one-out) duyarlılık analizini içermektedir. Temsili analizde, IVW yöntemi genetik olarak tahmin edilen IS ile VaD riski arasında pozitif bir ilişki göstermiş ve ağırlıklı medyan yöntemi yön olarak uyumlu bir sonuç vermiştir. MR-Egger tahmini yön olarak tutarlıydı ancak istatistiksel anlama ulaşmadı. Bu nedenle, bu bulgular nedenselliğin kesin kanıtı olarak değil, olası bir nedensel etkinin düşündürücü kanıtı olarak yorumlanmalıdır. Bu protokol, araştırmacıların kamuya açık GWAS verilerini kullanarak serebrovasküler hastalıklarla ilişkili sonuçları incelemek için şeffaf ve tekrarlanabilir bir MR iş akışı uygulamalarına yardımcı olabilir.
Giriş
İskemik inme (IS), dünya genelinde ciddi engellilik ve ölümün önde gelen nedenlerinden biridir1. Küresel Hastalık Yükü Çalışması'ndan gelen son verilere göre, IS'nin küresel insidansı azalmıştır, ancak özellikle Doğu Avrupa, Doğu Asya, Orta Asya ve Sahra Altı Afrika'da önemli bir yük olmaya devam etmektedir2,3. Ayrıca, düşük Sosyodemografik İndekse (SDI) sahip ülkelerde IS insidansı artış göstermektedir ve 2020'den 2030'a kadar artmaya devam edeceği öngörülmektedir.
Çok sayıda epidemiyolojik çalışma, serebrovasküler hastalıklar ile vasküler demans (VaD) arasında potansiyel bir bağlantı olduğunu öne sürmüştür4,5. Özellikle Çin'de VaD, yaşlılar arasında en yaygın demans türlerinden biridir ve IS'nin yüksek prevalansı, VaD'nin başlangıcıyla yakından ilişkilidir. Bununla birlikte, mevcut çalışmaların çoğu gözlemseldir ve artık karıştırıcı faktörler, ters nedensellik ve hastalık tanımındaki farklılıklar nedensel yorumlamayı kısıtlayabilir. Bu nedenle, IS'nin VaD gelişiminde potansiyel bir rolü olup olmadığını değerlendirmek için ek analitik yaklaşımlara ihtiyaç vardır.
İS, birkaç mekanizma aracılığıyla VaD başlangıcını etkileyebilir. İS kaynaklı serebrovasküler hasar, yetersiz serebral perfüzyona ve ardından nörodejeneratif değişikliklere yol açabilir6. Ek olarak, VaD; İS sonrası kronik serebrovasküler yaralanma, mikrovasküler hasar ve inflamatuar yanıtlarla ilişkili olabilir7,8. Bu nedenle, İS ve VaD arasındaki ilişkinin araştırılması, potansiyel hastalık bağlantılarını anlamak ve gelecekteki önleme stratejilerine yön vermek açısından önemlidir.
Mendelyen randomizasyon (MR), bir maruziyet ile bir sonuç arasındaki potansiyel nedensel ilişkileri değerlendirmek için genetik varyantları araç değişkenler olarak kullanan analitik bir yöntemdir9. Geleneksel gözlemsel çalışmalara kıyasla MR, geçerli araç değişken varsayımları altında karıştırıcı faktörleri ve ters nedensellik yanlığına bağlı hataları azaltabilir. Randomize kontrollü çalışmalara veya deneysel modellere kıyasla MR; doğrudan müdahale çalışmalarının imkansız, etik dışı veya yürütülmesinin zor olduğu durumlarda, klinik olarak anlamlı ilişkileri değerlendirmek için mevcut genom çapında ilişkilendirme çalışması (GWAS) özet istatistiklerini kullanabilir. Mendelyen randomizasyon yaklaşımlarını kullanan güncel genetik çalışmalar, IS ve VaD arasındaki ilişkiyi incelemiştir10. Bununla birlikte; maruziyet aracı seçimi, sonuç veri çıkarımı, alel uyumlaştırması, araç gücü değerlendirmesi, heterojenlik testi, pleiotropi değerlendirmesi ve duyarlılık analizlerinin ayrıntılı protokol düzeyindeki açıklamaları, tekrarlanabilir uygulama için önemini korumaktadır.
Bu protokol, hem maruziyet hem de ilgilenilen sonuç için halka açık GWAS özet istatistiklerinin mevcut olduğu, maruziyet için geçerli genetik araçların seçilebildiği ve araştırma sorusunun doğrudan biyolojik mekanizmaları belirlemekten ziyade potansiyel bir nedensel ilişkiyi değerlendirmeyi amaçladığı durumlar için uygundur. Bu nedenle, bu çalışma, halka açık GWAS özet istatistiklerini kullanarak IS ve VaD arasındaki potansiyel nedensel ilişkiyi değerlendirmek için iki örneklemli bir MR protokolü sunmaktadır. Amaç, kesin biyolojik mekanizmalar kurmaktan ziyade tekrarlanabilir bir analitik iş akışı sağlamaktır. Bu protokol; genetik araç seçimini, sonuç eşleştirmeyi, alel harmonizasyonunu, MR kestirimini ve duyarlılık analizlerini tanımlamakta ve temsilci bir örnek olarak IS-VaD ilişkisini kullanmaktadır.
Protokol
Bu çalışmada, kamuya açık GWAS özet istatistikleri kullanılmıştır. Orijinal çalışmalar, kurumsal inceleme kurulu onayını almış ve katılımcılardan bilgilendirilmiş onam toplamıştır. Bu ikincil analiz için ek bir etik onay gerekmemiştir.
1. Çalışma tasarımı ve etik beyanı
- IS ile VaD arasındaki potansiyel nedensel ilişkiyi değerlendirmek için iki örneklemli bir MR tasarımı kullanın.
- Yalnızca kamuya açık GWAS özet istatistiklerini kullanın. GWAS veri setlerine dahil edilen tüm orijinal çalışmalar kurumsal gözden geçirme kurulu onayı almış ve katılımcılardan bilgilendirilmiş onam toplamış olduğundan, bu ikincil analiz için ek bir etik onay gerekmemektedir.
- Veri çıkarımından önce IS'yi maruziyet, VaD'yi ise sonuç olarak tanımlayın.
2. Yazılım hazırlığı
- Tüm analizleri R istatistik yazılımını kullanarak gerçekleştirin.
- Enstrüman çıkarımı, sonuç verilerinin çıkarımı, alel harmonizasyonu, MR kestirimi, heterojenlik testi ve duyarlılık analizleri için TwoSampleMR paketini yükleyin. Küresel yatay pleiotropiyi ve potansiyel aykırı varyantları değerlendirmek için MRPRESSO paketini yükleyin.
- İş akışında şu temel fonksiyonları kullanın: 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 ve mr_leaveoneout_plot. MR-PRESSO küresel testini ve uygun olduğunda aykırı değer ve distorsiyon testlerini gerçekleştirmek için MRPRESSO::mr_presso fonksiyonunu kullanın.
3. Maruziyet veri seti seçimi ve araç değişken taraması
- IEU OpenGWAS veri setindeki ebi-a-GCST90018864 kodlu veriden İS ile ilişkili tek nükleotid polimorfizmlerini (SNP'ler) ayıklayın. Bu veri seti, toplam 484.121 katılımcıdan oluşan örneklem büyüklüğü ile 11.929 İS vakasını ve 472.192 kontrolü içermektedir.
- Anlamlılık eşiği olarak [değer] kullanarak, IS ile ilişkili aday SNP'leri seçin p < 5 × 10-6.
- The p < 5 × 10-6 Hassasiyet analizleri için yeterli sayıda bağımsız değişkenin korunması amacıyla, bu temsili protokolde söz konusu eşik değer kullanılmıştır. Bu eşik değer, geleneksel genom çapındaki anlamlılık eşiğinden daha az katı olduğundan, bu değişkenlere dayanan bulgular kesin sonuçlar olarak değil, keşifsel ve önerici nitelikte yorumlanmalıdır.
- Bağımsız SNP'leri korumak için bağlantı dengesi kümelemesi (linkage disequilibrium clumping) gerçekleştirin. Bir r2 0,001 eşik değeri ve 10.000 kb'lık bir kümeleme penceresi.
- Aday araçları çıkarmak için aşağıdaki R komutunu kullanın:
extract_instruments(outcomes = "ebi-a-GCST90018864", p1 = 5e-06, clump = TRUE) - Her bir tutulan SNP için F-istatistiğini F = ( formülünü kullanarak hesaplayınβ/SE)2, burada β ve SE, sırasıyla SNP-maruziyet etki tahmini ve standart hatadır.
- F-statistiğine sahip SNP'leri hariç tutun < Zayıf araç yanlılığı riskini azaltmak için 10. F-istatistiklerinin dağılımını minimum, maksimum, medyan vele çeyrekler açıklığı (IQR) kullanarak özetleyin.
4. Sonuç veri setinin çıkarılması
- finn-b-F5_VASCDEM FinnGen GWAS veri setinden VaD sonuç ilişkilerini çıkarın. Bu veri seti 881 VaD vakası ve 211.508 kontrol grubunu içermektedir.
- extract_outcome_data fonksiyonunu kullanarak seçilen tüm IS ile ilişkili SNP'ler için sonuç ilişkilerini çıkarın.
- Hedef SNP'ler sonuç veri setinde doğrudan mevcut olmadığında vekil (proxy) SNP'leri arayın. Geçerli vekil bilgileri ve alel uygunluğu mevcut olduğunda vekil eşleşmeli varyantları muhafaza edin.
- Sonuç veri setini çıkarmak için aşağıdaki R komutunu kullanın:
extract_outcome_data(snps = exp_dat$SNP, outcomes = "finn-b-F5_VASCDEM", access_token = NULL)
5. Alel harmonizasyonu ve SNP tutulumu
- MR analizinden önce maruziyet ve sonuç veri setlerini harmonize edin.
- SNP-maruziyet ve SNP-sonuç etki tahminlerinin aynı etki aleliyle uyumlu olması için etki aleli ve diğer aleli hizalayın.
- Alel uyumsuzluklarını, mevcut olmayan sonuç ilişkilerini ve belirsiz alel hizalamalarını belirlemek için harmonizasyon sırasında SNP'leri inceleyin. Harmonizasyon sonrası maruziyet ve sonuç etki tahminleri mevcut olan SNP'leri muhafaza edin.
- Alel harmonizasyonu için şu R komutunu kullanın: harmonise_data(exposure_dat = exp_dat, outcome_dat = out_dat, action = 1)
- Başlangıçta maruziyet veri setinden çıkarılan SNP sayısını, mevcut sonuç ilişkilerine sahip SNP sayısını, proxy-eşleşmiş varyant sayısını ve final MR analizi için tutulan SNP sayısını kaydedin.
6. Birincil MR analizi ve duyarlılık analizleri
- Birincil MR analizini ters varyans ağırlıklı (IVW) yöntemini kullanarak gerçekleştirin.
- Farklı varsayımlar altında nedensel tahminin tutarlılığını değerlendirmek için ağırlıklı medyan ve MR-Egger yöntemlerini kullanarak tamamlayıcı MR analizleri yapın.
- MR tahminlerinden odds oranları (OR'lar) ve %95 güven aralıkları (CI'lar) oluşturun.
- MR analizini çalıştırmak ve OR'ları hesaplamak için aşağıdaki R komutlarını kullanın:
res <- mr(dat)
res <- generate_odds_ratios(res) - Önceden belirlenmiş tek bir birincil maruziyet-sonuç ilişkisi değerlendirildiği için, birincil MR çıkarımı için Bonferroni düzeltmeli eşiği 0,05/1 = 0,05 olarak tanımlayın. Birincil IVW analizi için istatistiksel anlamlılık eşiği olarak iki yönlü p-değeri < 0,05 kullanın.
- Sınırlı sayıdaki VaD vakası göz önüne alındığında, birincil analizin istatistiksel kesinliğini bağlamsallaştırmak için, gözlemlenen IVW tahmini ve standart hatasına dayalı bir post hoc iki yönlü Wald testi güç hesaplaması yapın. Gücü, iki yönlü 0,05 α seviyesinde βIVW/SEIVW merkez dışılık parametresini kullanarak hesaplayın. %80 güce karşılık gelen minimum saptanabilir etkiyi exp[(z0.975 + z0.80) × SE] olarak hesaplayın. IS ikili bir maruziyet olduğu ve SNP-maruziyet ilişkileri log-odds ölçeğinde ifade edildiği için, bu analizi önceden belirlenmiş bir örneklem büyüklüğü hesaplamasından ziyade, etki koşullu betimsel bir kesinlik değerlendirmesi olarak raporlayın11.
7. Heterojenlik, yatay pleiotropi ve birini çıkarma (leave-one-out) analizleri
- Cochran’s Q istatistiğini kullanarak SNP'ler arası heterojenliği değerlendirin.
- Heterojenlik istatistiklerini hesaplamak için aşağıdaki R komutunu kullanın:
mr_heterogeneity(dat) - MR-Egger kesişim testi ile yönlü yatay pleiotropiyi değerlendirin.
- MR-Egger kesişimini hesaplamak için aşağıdaki R komutunu kullanın:
mr_pleiotropy_test(dat) - 10.000 simülasyon, 0,05 anlamlılık eşiği ve hem aykırı değer hem de distorsiyon testleri etkinleştirilmiş şekilde MR-PRESSO kullanarak küresel yatay pleiotropiyi ve potansiyel aykırı varyantları değerlendirin12.
- MR-PRESSO analizi için aşağıdaki R komutunu kullanın:
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
) - Her bir SNP'nin etkisini ayrı ayrı tahmin etmek için tekli-SNP analizi gerçekleştirin.
- Tekli-SNP analizi için aşağıdaki R komutunu kullanın:
res_single <- mr_singlesnp(dat) - Her seferinde bir SNP'yi sırayla çıkarıp IVW analizini tekrarlayarak "birini dışarıda bırakma" (leave-one-out) analizini gerçekleştirin.
- "Birini dışarıda bırakma" analizi için aşağıdaki R komutunu kullanın:
res_loo <- mr_leaveoneout(dat)
8. Görselleştirme ve çıktı
- Farklı yöntemler genelindeki MR tahminlerini göstermek için bir saçılım grafiği oluşturun.
- Tekil SNP tahminlerini ve genel MR tahminini göstermek için bir orman grafiği (forest plot) oluşturun.
- SNP'ye özgü tahminlerin simetrisini görsel olarak değerlendirmek için bir huni grafiği (funnel plot) oluşturun.
- Genel tahminin tek bir SNP tarafından yönlendirilip yönlendirilmediğini değerlendirmek için bir "birini çıkarma" (leave-one-out) grafiği oluşturun.
- Grafikleri oluşturmak için aşağıdaki R komutlarını kullanın:
mr_scatter_plot(res, dat)
mr_forest_plot(res_single)
mr_funnel_plot(res_single)
mr_leaveoneout_plot(res_loo) - Raporlama ve tekrarlanabilirlik için MR sonuçlarını, araç değişken tablosunu, sonuç ilişkisi tablosunu ve hassasiyet analizi çıktılarını dışa aktarın.
Sonuçlar
Şekil 1 Veri seti seçiminden ve araç taramasından, duyarlılık analizleri ve sonuç görselleştirmeye kadar, iki örneklemli Mendel randomizasyonu protokolünün genel iş akışını özetlemektedir. Her aşamadan temsilci çıktılar aşağıda sunulmuştur.
Genetik araç değişkenler ve harmonizasyon kalite kontrolü
Toplam 52 IS ile ilişkili SNP, başlangıçta p < 5 × 10-6 anlamlılık eşiği kullanılarak maruziyet GWAS veri setinden çıkarılmıştır. Ardından, sonuç ilişkileri VaD GWAS veri setinden çıkarılmıştır. Sonuç eşleştirmesi, vekil SNP (proxy) araması ve alel harmonizasyonu sonrası, nihai MR analizi için 51 SNP tutulmuştur. İki varyant, vekil SNP'ler kullanılarak eşleştirilmiştir. Tutulan genetik araçlar Tablo 1'de listelenmiştir. Tutulan 51 aracın F-istatistikleri 20,91 ile 46,06 arasında değişmekte olup, medyan değer 25,08 ve IQR değeri 2,95–30,71'dir. Tutulan hiçbir SNP'nin F-istatistiği 10'un altında değildir; bu durum, zayıf araç yanlılığı olasılığının düşük olduğunu göstermektedir.
IS ve VaD için MR tahminleri
Dağılım grafiği, farklı MR yöntemleri genelinde SNP'ye özgü MR tahminlerinin yönünü ve büyüklüğünü göstermiştir (Şekil 2). IVW ve ağırlıklı medyan yöntemleri pozitif ilişkiler gösterirken, MR-Egger tahmini yönsel olarak tutarlı bulunmuş ancak istatistiksel anlamlılığa ulaşmamıştır.
Bireysel SNP tahminlerinin orman grafiği, SNP'ye özgü VaD riski ile olan ilişkileri göstermiştir (Şekil 3). Genel MR tahminleri Şekil 4'te özetlenmiştir. IVW yöntemi, genetik olarak tahmin edilen IS ile VaD riski arasında istatistiksel olarak anlamlı pozitif bir ilişki göstermiştir (OR = 1.63, 95% CI: 1.21–2.21, p = 0.013). Ağırlıklı medyan yöntemi uyumlu ve anlamlı bir tahmin vermiştir (OR = 1.60, 95% CI: 1.06–2.42, p = 0.0240). MR-Egger tahmini yönsel olarak tutarlıydı ancak istatistiksel anlamlılığa ulaşmamıştı (OR = 2.21, 95% CI: 0.97–5.01, p = 0.0645).
FinnGen VaD sonucu GWAS'ı 81 vaka ve 21.508 kontrolü içermiştir. Gözlemlenen IVW tahminine bağlı olarak yapılan post hoc iki yönlü Wald testi hesaplamasında, birincil IVW analizi için tahmin edilen güç α = 0.05 düzeyinde %89,5 idi. %80 güç için karşılık gelen minimum saptanabilir etki 1,54 OR idi. Buna karşılık, MR-Egger analizi için minimum saptanabilir etki 3,23 OR idi ve bu değer, gözlemlenen yönsel olarak tutarlı MR-Egger tahminini (OR = 2,21) aşmıştır. Bu nedenle, anlamlı olmayan MR-Egger sonucu, tek başına birincil IVW tahmininin yönüne karşı bir kanıt olarak değil, bu daha az verimli hassasiyet tahmincisinin sınırlı hassasiyetini yansıtıyor şeklinde yorumlanmalıdır.
Tek bir önceden belirlenmiş birincil maruziyet-sonuç ilişkisi değerlendirildiği için, birincil MR çıkarımı için Bonferroni-düzeltmeli eşik değer 0,05/1 = 0,05 olarak belirlenmiştir. Bu nedenle, IVW sonucu düzeltilmiş anlamlılık eşiğini karşılamıştır. Hep birlikte ele alındığında, bu bulgular, öncelikle IVW tahminine dayalı olarak ve ağırlıklı medyan duyarlılık analizi ile desteklenerek, genetik olarak öngörülen IS'nin VaD riski üzerinde olası pozitif bir etkisine dair düşündürücü kanıtlar sunmaktadır. Bununla birlikte, MR-Egger tahmini yönsel olarak tutarlı olsa da istatistiksel anlamlılığa ulaşmamıştır; bu nedenle sonuçlar, nedenselliğin kesin kanıtı olarak yorumlanmamalıdır.
Heterojenlik ve yatay pleiotropi analizleri
SNP'ler arası heterojenlik, Cochran'ın Q istatistiği kullanılarak değerlendirildi. IVW heterojenlik testi 50 serbestlik derecesi ile Q = 57.46 (p = 0.218) ve MR-Egger heterojenlik testi 49 serbestlik derecesi ile Q = 56.7 (p = 0.208) sonuçlarını verdi. Bu sonuçlar, SNP'ye özgü tahminler arasında önemli bir heterojenlik olduğuna işaret etmemiştir. Yönlü yatay pleiotropi, MR-Egger kesişim testi kullanılarak değerlendirildi. MR-Egger kesişimi -0.0195 (SE = 0.0253, p = 0.4) olarak bulundu ve bu durum, yönlü yatay pleiotropiye dair istatistiksel bir kanıt olmadığını göstermiştir. MR-PRESSO analizi, korunan 51 harmonize SNP ile 10.0 simülasyon kullanılarak gerçekleştirildi. MR-PRESSO global testi, global yatay pleiotropiye dair bir kanıt göstermemiştir (RSSobs = 59.61; ampirik p = 0.238). Global test istatistiksel olarak anlamlı olmadığı için, bireysel aykırı değer ve distorsiyon testleri uygulanmamış ve aykırı değer düzeltmeli bir tahmin üretilmemiştir. Funnel plot, SNP'ye özgü tahminlerin simetrisinin görsel bir değerlendirmesini sağlamıştır (Şekil 5). Detaylı MR-PRESSO ayarları ve sonuçları Ek Tablo 1'de rapor edilmiştir.
Birini dışarıda bırakma (leave-one-out) duyarlılık analizi ve protokol çıktı doğrulaması
Genel MR tahmininin herhangi bir tek SNP tarafından yönlendirilip yönlendirilmediğini değerlendirmek için "birini dışarıda bırakma" (leave-one-out) analizi gerçekleştirilmiştir. Birini dışarıda bırakma grafiği, tekil SNP'lerin ardışık olarak çıkarılmasının genel tahmini önemli ölçüde değiştirmediğini göstermiş (Şekil 6), bu da hiçbir tek genetik aracın ilişkiye hakim olmadığını düşündürmüştür. Birlikte, bu temsili sonuçlar, bu protokolde açıklanan iki örnekli MR iş akışının pratik çıktısını kanıtlamaktadır. Tablo 1, SNP seçimi ve armonizasyon sonrası tutulan genetik araçları göstermektedir. Şekil 2 yöntemler arasındaki MR tahminlerinin yönünü örneklendirmekte, Şekil 3 SNP'ye özgü tahminleri sunmakta, Şekil 4 genel MR tahminlerini özetlemekte, Şekil 5 pleiotropi veya asimetrinin görsel değerlendirmesini desteklemekte ve Şekil 6 tekil SNP'lerin etkisini değerlendirmektedir. Ek Tablo 2, her bir temel protokol adımını ilgili doğrulama çıktısına bağlamaktadır.
Bu çalışmada analiz edilen tüm ham GWAS özet istatistikleri halka açıktır. İskemik inme maruziyet veri seti, ebi-a-GCST901864 veri seti kimliği ile IEU OpenGWAS veri tabanından elde edilmiştir. Vasküler demans sonuç veri seti, finn-b-F5_VASCDEM veri seti kimliği ile FinnGen GWAS veri setinden elde edilmiştir. Çıkarılan instrumental değişken tablosu, harmonize edilmiş analiz veri seti, MR sonuç tabloları ve ilgili çıktı dosyaları ek dosyalar olarak sunulmuştur.
Şekil 1İki örneklemli MR protokolünün iş akışı. Bu şekil; maruziyet veri seti seçimi, instrumental değişken taraması, sonuç verilerinin çıkarılması, alel harmonizasyonu, MR kestirimi, heterojenlik testi, yatay pleiotropi değerlendirmesi, birini çıkarma (leave-one-out) analizi ve görselleştirme dahil olmak üzere protokolün ana adımlarını özetlemektedir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.
Şekil 2MR'nin dağılım grafiği İskemik İnme (İ) ve Vasküler Demans (VD) arasındaki ilişkiye dair tahminler. Her bir nokta, SNP'ye özgü bir tahmini temsil etmektedir. Uydurulmuş çizgiler, farklı MR yöntemleri kullanılarak elde edilen tahmini ilişkiyi temsil etmektedir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.
Şekil 3Tek SNP'li MR tahminlerinin orman grafiği. Bu şekil, IS ile ilişkili genetik varyantlar ile VaD riski arasındaki ilişkiye dair SNP'ye özgü bireysel tahminleri göstermektedir. Yatay çizgiler %95 güven aralıklarını temsil etmektedir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.
Şekil 4Genel MR'nin orman grafiği farklı yöntemler arasındaki tahminler. Bu şekil; IVW, ağırlıklı medyan ve MR-Egger yöntemleri kullanılarak elde edilen genel MR tahminlerini özetlemektedir. Yatay çizgiler %95 güven aralıklarını temsil etmektedir. MR, Mendel randomizasyonu; IVW, ters varyans ağırlıklı. Lütfen bu şeklin daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Şekil 5SNP-spesifik MR'nin huni grafiği tahminler. Bu şekil, SNP-ye özgü MR tahminlerinin dağılımını göstermekte ve genetik araçlar genelindeki simetrinin görsel olarak değerlendirilmesine olanak tanımaktadır. MR, Mendelyen randomizasyonu; IVW, ters varyans ağırlıklı. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.
Şekil 6Birini dışarıda bırakma duyarlılık analizi. Bu şekil, her bir SNP'nin sırasıyla çıkarılmasından sonraki MR tahminini göstermektedir. Grafik, genel tahminin tek bir genetik araç tarafından yönlendirilip yönlendirilmediğini değerlendirmek için kullanılmıştır. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.
| Hayır. | SNP (Tek Nükleotid Polimorfizmi) | Gen | Krom. | EA | Osteoartrit | EAF.IS | EAF.VD | İS β (SE) | VD β (SE) | F istatistiği | R² |
| 1 | rs1086430 | 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 | rs1045239 | PDE3A | 12 | A | G | 0.492943 | 0.4629 | 0.0604 (0.0089) | 0.0303 (0.0494) | 46.06 | 9,51E-05 |
| 4 | rs1047532 | LOC105369698 | 12 | G | C | 0.305214 | 0.1513 | 0.0499 (0.0105) | 0.0159 (0.0689) | 22.59 | 4,6E-05 |
| 5 | rs1065836 | CUX2 | 12 | A | G | 0.159123 | 0.07442 | -0.0608 (0.0103) | 0.0245 (0.0929) | 34.84 | 7,20E-05 |
| 6 | rs105378 | ATP2B1 | 12 | T | C | 0.203466 | 0.07522 | -0.0540 (0.0098) | -0.1174 (0.0916) | 30.36 | 6,27E-05 |
| 7 | rs17140252 | - | 14 | A | G | 0.041216 | 0.06988 | 0.1568 (0.0311) | 0.1498 (0.0967) | 25.42 | 5.25E-05 |
| 8 | rs17343276 | - | 10 | G | A | 0.030533 | 0.0431 | -0.0905 (0.0196) | -0.1449 (0.1233) | 21.32 | 4.40E-05 |
| 9 | rs1831940 | HDAC7 | 12 | A | G | 0.251914 | 0.3526 | 0.0631 (0.0130) | 0.1226 (0.0513) | 23.56 | 4,87E-05 |
| 10 | rs1880613 | 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 | rs1263109 | - | 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 | rs1312351 | - | 4 | A | T | 0.616442 | 0.5065 | 0.0552 (0.0097) | 0.0818 (0.0493) | 32.38 | 6,69E-05 |
| 16 | rs147871383 | MIR9AHG | 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 | rs190679 | - | 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 | rs247561 | - | 8 | T | A | 0.873442 | 0.8382 | -0.0589 (0.0116) | -0.0570 (0.0674) | 25.78 | 5,3E-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 | rs252620 | - | 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 | 7,3E-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 | rs280492 | NCOR2 | 12 | C | T | 0.035841 | 0.01984 | -0.1293 (0.0266) | -0.1917 (0.1781) | 23.63 | 4,8E-05 |
| 30 | rs35790371 | RBFOX1 | 16 | A | G | 0.005125 | 0.001903 | 0.5587 (0.1176) | 0.1447 (0.5420) | 22.57 | 4,6E-05 |
| 31 | rs5752720 | TTC28 | 22 | T | C | 0.28441 | 0.1844 | 0.0422 (0.0091) | -0.0311 (0.0635) | 21.51 | 4,4E-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 | rs646201 | - | 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 | 4,6E-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 | rs745183 | - | 6 | G | A | 0.103042 | 0.1166 | 0.1280 (0.0220) | 0.1253 (0.0777) | 33.85 | 6,9E-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 | rs7609321 | 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 | rs745924 | NTM | 11 | T | C | 0.056457 | 0.02996 | 0.1632 (0.0331) | 0.0444 (0.1477) | 24.31 | 5,02E-05 |
| 45 | rs782034 | - | 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 | rs796034 | - | 17 | G | T | 0.102808 | 0.1031 | 0.0651 (0.0130) | -0.1596 (0.0805) | 25.08 | 5,18E-05 |
| 49 | rs80315 | CASZ1 | 1 | C | T | 0.445525 | 0.4139 | 0.0416 (0.0089) | 0.0444 (0.0501) | 21.85 | 4,51E-05 |
| 50 | rs912 | LOC10505841 | 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 ve EAF.VD sırasıyla iskemik inme maruziyeti ve vasküler demans sonuç veri setlerindeki etki-alel frekanslarını belirtir. F istatistiği = (β/SE)². SNP başına R² = F/(F + N − 2), burada N = 484.121'dir. SNP'ler p değerine göre seçilmiştir < 5 × 10-6 ve r² ile bağlantı dengesizliği kümelemesi < 10.00 kb'lik bir pencere içinde 0,01. | |||||||||||
Tablo 1: İskemik inme için genetik araçlar ve VaD için ilgili SNP–sonuç ilişkileri. Tablo; SNP kimliği, eşleşen gen, kromozom, aleller, EAF, SNP–özellik tahminleri, F-istatistikleri ve SNP başına R2 dahil olmak üzere nihai 51 SNP'yi listelemektedir. SNP'ler p < 5 × 10-6 değerinde seçilmiş ve 10,0 kb dahilinde r2 < 0.01 değerinde kümelenmiştir. EAF.IS ve EAF.VD, sırasıyla IS ve VD veri setlerindeki etki-alel frekanslarını belirtir. Chr., kromozom; EA, etki aleli; OA, diğer alel; EAF, etki-alel frekansı; IS, iskemik inme; VD, vasküler demans. Bu Tabloyu indirmek için lütfen buraya tıklayın.
Ek Tablo 1. İskemik inme–vasküler demans analizi için yatay pleiotropinin MR-PRESSO değerlendirmesi.Bu tablo, 51 SNP'den oluşan nihai harmonize veri seti kullanılarak küresel yatay pleiotropiyi ve potansiyel aykırı varyantları değerlendirmek amacıyla gerçekleştirilen MR-PRESSO analizini özetlemektedir.Lütfen bu dosyayı indirmek için buraya tıklayın.
Ek Tablo 2. Protokol adımları ve bunlara karşılık gelen doğrulama çıktıları. Bu tablo, analitik iş akışının uygulamasını ve doğrulanmasını göstererek, protokolün her bir ana adımını ilgili temsilci çıktısına ve makalede belirtilen konumuna bağlamaktadır.Bu dosyayı indirmek için lütfen buraya tıklayın.
Tartışma
Bu çalışma, kamuya açık GWAS özet istatistiklerini kullanarak İS ile VaD arasındaki potansiyel nedensel ilişkiyi değerlendirmek için iki örneklemli bir MR protokolü sunmaktadır. Temsili analizde, IVW ve ağırlıklı medyan yöntemleri, genetik olarak öngörülen İS ile VaD riski arasındaki pozitif ilişkiyi desteklemiş; MR-Egger tahmini ise yönsel olarak tutarlı olsa da istatistiksel anlamlılığa ulaşmamıştır. Bu nedenle, söz konusu bulgular nedenselliğin kesin bir kanıtından ziyade, olası bir nedensel etkiye dair destekleyici kanıtlar sunmaktadır.
Gözlemlenen ilişki, serebrovasküler hasar bağlamında biyolojik olarak makulledür. İS, bölgesel nöronal hasara, bozulmuş serebral perfüzyona ve ardından gelen nörodejeneratif değişikliklere yol açabilir. Önceki çalışmalar, VaD'nin sıklıkla azalmış serebral kan akışı veya serebrovasküler hasar durumunda meydana geldiğini göstermiştir13,14. İS sonrası kronik serebrovasküler değişiklikler, bilişsel gerilemeye ve VaD riskine daha fazla katkıda bulunabilir15. Ayrıca, inme sonrası mikrovasküler hasar, inflamatuar yanıtlar ve kronik nörovasküler disfonksiyon, İS ve VaD arasında potansiyel biyolojik bağlantılar sağlayabilir. Ancak, mevcut MR protokolü bu mekanizmaları doğrudan belirleyemez ve bulgular, gelecekteki mekanistik ve klinik doğrulama çalışmalarıyla birlikte değerlendirilmelidir.
MR-Egger tahmini istatistiksel anlamlılığa ulaşmamıştır. Bu bulgu, IVW ve ağırlıklı medyan sonuçlarıyla doğrudan çeliştiği şeklinde değil, dikkatle yorumlanmalıdır. MR-Egger, belirli yönlü pleiotropi türlerine karşı daha dayanıklı tahminler sağlayabilir; ancak özellikle varyant etkilerinin sınırlı olduğu durumlarda genellikle daha düşük istatistiksel güce sahiptir. Bu analizde, MR-Egger kesim noktası istatistiksel olarak anlamlı bir yönlü yatay pleiotropiye işaret etmemiş ve heterojenlik testleri SNP'ler arasında belirgin bir heterojenlik göstermemiştir. Ayrıca, MR-PRESSO global testi, global yatay pleiotropiye dair herhangi bir kanıt göstermemiştir. Bu duyarlılık analizleri, ölçülebilir yönlü veya global yatay pleiotropi konusundaki endişeleri azaltmakta, ancak tüm olası yanlılık kaynaklarını dışlamamakta veya nedenselliği kanıtlamamaktadır.
Yine de bu bulgular yorumlanırken VaD vaka sayısının azlığı göz önünde bulundurulmalıdır. Temel IVW analizi, gözlemlenen etki büyüklüğüne bağlı olarak %89,5'lik tahmini bir post hoc güce sahip olsa da, bu sonuç tanımlayıcıdır ve önceden belirlenmiş bir örneklem büyüklüğü gerekçelendirmesi olarak yorumlanmamalıdır. Sınırlı vaka sayısı, özellikle daha az verimli hassasiyet tahmincilerinin kesinliğini azaltmıştır; MR-Egger için %80 minimum saptanabilir etki 3,23'lik bir OR idi ve bu değer, gözlemlenen tahmininden daha büyüktü. Buna göre, anlamlı olmayan MR-Egger sonucu, ilişkinin büyüklüğüne ilişkin belirsizliği ortadan kaldırmamaktadır. Bu güç hesaplamaları ayrıca enstrüman geçerliliği, örneklem örtüşmesi, fenotip heterojenliği veya kalıntı yatay pleiotropi ile ilgili potansiyel yanlılıkları ele almamaktadır.
Bu MR iş akışının güvenilirliği için birkaç analitik adım kritik öneme sahiptir. İlk olarak, maruziyet ve sonuç GWAS veri setleri, veri seti kimlikleri veya erişim bilgileri kullanılarak açıkça tanımlanmalıdır. İkinci olarak, bağımsız genetik araçlar elde etmek için SNP seçimi ve bağlantı dengesizliği kümelemesi önceden belirlenmiş eşikler kullanılarak gerçekleştirilmelidir. Üçüncü olarak, zayıf araç yanlılığı riskini azaltmak için araç gücü F-istatistikleri kullanılarak değerlendirilmelidir. Dördüncü olarak, SNP–maruziyet ve SNP–sonuç tahminlerinin aynı etki aleline karşılık geldiğinden emin olmak için alel uyumlaştırması gereklidir. Son olarak, birincil tahminin tutarsız SNP etkilerinden, yönlü pleiotropiden veya tek bir baskın genetik araçtan etkilenip etkilenmediğini değerlendirmek için heterojenlik, yatay pleiotropi ve birini-dışarıda-bırak analizleri kullanılmalıdır.
Bu iş akışındaki yaygın başarısızlık veya yanlılık kaynakları arasında yetersiz ekspozisyonla ilişkili SNP'ler, zayıf araçlar, mevcut olmayan sonuç SNP'leri, belirsiz alel hizalaması, palindromik varyantlar, proxy SNP uyumsuzluğu, SNP'ye özgü tahminler arasındaki heterojenlik, yatay pleiotropi, popülasyon uyumsuzluğu, fenotip heterojenliği ve olası örneklem çakışması yer alır. Bu sorunlar; GWAS veri seti tanımlayıcılarının kontrol edilmesi, tutarlı SNP seçimi ve kümeleme eşiklerinin uygulanması, proxy SNP kullanımının belgelenmesi, harmonizasyon çıktılarının incelenmesi, F-istatistiklerinin özetlenmesi ve MR tahminlerinin heterojenlik, pleiotropi ve birini-çıkar (leave-one-out) sonuçlarıyla birlikte yorumlanması yoluyla giderilebilir. Önemli düzeyde heterojenlik veya pleiotropi tespit edilirse, birincil IVW tahmini dikkatle yorumlanmalı ve ek hassasiyet analizleri veya alternatif veri setleri değerlendirilmelidir.
Potansiyel örneklem örtüşmesi de dikkate alınmalıdır. Maruziyet GWAS'ı ve FinnGen sonuç GWAS'ı, her ikisi de Avrupa kökenli kaynaklardan türetilmiştir ve katılımcı örtüşmesinin boyutu mevcut özet istatistiklerden nicelendirilememiştir. Bu tür bir örtüşme, özellikle araçlar maruziyet ile güçlü bir şekilde ilişkili olmadığında, iki örneklemli MR tahminlerini gözlemsel ilişkilere doğru saptırabilir. Temsili sonuç yorumlanırken bu sınırlama göz önünde bulundurulmalıdır.
Geleneksel gözlemsel kohort veya vaka-kontrol çalışmalarına kıyasla MR, geçerli instrumental değişken varsayımları altında karıştırıcı etkileri ve ters nedensellik yanlılığını azaltabilir. Bununla birlikte, gözlemsel çalışmalar hastalık insidansını, zamansal modelleri ve klinik prognozu tahmin etmek için değerli olmaya devam etmektedir. Randomize kontrollü çalışmalara veya deneysel modellere kıyasla MR, doğrudan müdahale çalışmalarının uygulanamaz veya etik dışı olduğu durumlarda mevcut genetik verileri kullanarak potansiyel nedensel ilişkileri değerlendirebilir. Yine de MR, hücresel mekanizmaları doğrudan ortaya çıkaramaz veya mekanistik doğrulamaların yerini alamaz. Bu nedenle, bu protokol kohort çalışmaları, kesitsel analizler, hayvan modelleri ve hücre deneylerinin bir alternatifi olarak değil, onları tamamlayıcı bir yöntem olarak görülmelidir.
Önceki çalışmalar, epidemiyolojik ve genetik yaklaşımlar kullanarak vasküler risk faktörlerini ve demansla ilişkili sonuçları incelemiştir. Örneğin, önceki klinik ve popülasyon temelli araştırmalarda diyabet ve hipertansiyon, demans riski ile ilişkilendirilmiştir16. Mevcut MR tabanlı çalışmalar ayrıca IS, VaD ve ilişkili komorbidite mekanizmalarını araştırmıştır. Mevcut makale, temel amacı bakımından bu çalışmalardan ayrılmaktadır. Bu makale, yeni moleküler hedefler belirlemek veya hastalık mekanizmalarını deneysel olarak doğrulamak yerine, halka açık GWAS özet istatistiklerini kullanarak iki örneklemli bir MR analizi gerçekleştirmek için tekrarlanabilir bir protokol sunmaya odaklanmaktadır.
Bu protokolün birkaç kısıtlılığı bulunmaktadır. Birincisi, analiz halka açık GWAS özet istatistiklerine dayandırılmıştır ve sonuçlar Avrupa dışı popülasyonlara veya farklı vaka tanımlarına sahip veri setlerine tam olarak genellenemeyebilir. İkincisi, duyarlılık analizleri için yeterli sayıda bağımsız araç tutmak amacıyla esnetilmiş bir SNP seçim eşiği (p < 5 × 10-6) kullanılmıştır. Tutulan tüm araçların F-istatistikleri >10 olsa da bu eşik, geleneksel genom çapındaki anlamlılık eşiğinden daha az katıdır ve daha zayıf veya daha az güvenilir maruziyet ilişkileri olan varyantları içerebilir. Bu nedenle, temsili bulgular kesin nedensellik kanıtlarından ziyade keşifsel ve düşündürücü olarak yorumlanmalıdır. Üçüncüsü, MR karıştırıcı etkileri ve ters nedensellik yanlılığını azaltabilse de yatay pleiotropiyi, fenotip yanlış sınıflandırmasını, örneklem örtüşmesini veya geçersiz araçların yol açtığı yanlılığı tamamen dışlayamaz. Dördüncüsü, anlamlı olmayan MR-Egger tahmini, nedensel yorumlamada temkinli olunması gerektiğini göstermektedir. Beşincisi, bu protokol hücre deneylerini, hayvan modellerini veya bağımsız kohort doğrulamasını içermemektedir; bu yaklaşımlar biyolojik mekanizmaları ve klinik uygulanabilirliği netleştirmek açısından değerli olacaktır.
Ek olarak, IS genel bir fenotip olarak modellenmiştir. Bu temsili protokol, herhangi bir ilişkinin büyük arter aterosklerotik inmeye, küçük damar oklüzyonuna, kardiyoembolik inmeye veya başka bir alt tipe bağlanıp bağlanmadığını belirlemek için tasarlanmamıştır. Sonuç olarak, elde edilen bulgular alt tipe özgü bir etkinin kanıtı olarak yorumlanmamalıdır. Gelecekteki çalışmalar, önceden belirlenmiş ve uyumlaştırılmış bir analiz planı kullanarak aynı iş akışını, yeterli güce sahip alt tipe özgü GWAS veri setlerine uygulamalıdır.
Bu protokolün gelecekteki uygulamaları, IS ve VaD'nin ötesine geçebilir. Uygun GWAS özet istatistikleri mevcut olduğunda, aynı iş akışı diğer serebrovasküler, nörodejeneratif, metabolik, inflamatuar veya kardiyovasküler maruziyet-sonuç ilişkilerini değerlendirmek için uyarlanabilir. Gelecekteki çalışmalar ayrıca, bağımsız GWAS doğrulaması, çift yönlü MR, çok değişkenli MR, aracı MR veya kohort tabanlı ve deneysel kanıtlarla entegrasyonu ekleyerek bu iş akışını genişletebilir.
Özetle, bu protokol, kamuya açık GWAS özet istatistiklerini kullanarak iki örneklemli MR analizi gerçekleştirmek için tekrarlanabilir bir iş akışı sunmaktadır. Temsili sonuçlar, temel olarak IVW ve ağırlıklı medyan yöntemleri tarafından desteklenmekte olup, genetik olarak öngörülen IS ile VaD riski arasında olası bir pozitif ilişkiye dair düşündürücü kanıtlar sağlamaktadır; buna karşın MR-Egger tahmini istatistiksel anlamlılığa ulaşmamıştır. Bununla birlikte, bulgular kesin mekanistik kanıtlar olarak yorumlanmamalıdır. Bu ilişkinin biyolojik mekanizmalarını ve klinik önemini daha ayrıntılı açıklığa kavuşturmak için bağımsız popülasyon tabanlı doğrulama çalışmaları ve deneysel araştırmalar gereklidir.
Açıklamalar
Yazarlar, herhangi bir rakip finansal çıkarı olmadığını beyan ederler. Bu makalenin yazımında, düzenlenmesinde veya hazırlanmasında herhangi bir yapay zeka (AI) veya büyük dil modeli (LLM) aracı kullanılmamıştır.
Teşekkürler
Yazarlar bu çalışma için herhangi bir özel finansman almamışlardır.
Malzemeler
| Ad | Şirket | Katalog numarası | Yorumlar |
|---|---|---|---|
| FinnGen GWAS veri seti | FinnGen | finn-b-F5_VASCDEM | Vasküler demans için sonuç kaynağı olarak kullanılan halka açık GWAS veri seti |
| IEU OpenGWAS veri tabanı | MRC Entegre Epidemiyoloji Birimi, Bristol Üniversitesi | ebi-a-GCST90018864 | İskemik inme için maruziyet kaynağı olarak kullanılan halka açık GWAS veri seti |
| R yazılımı | R Foundation for Statistical Computing | Uygulanamaz | MR analizi için kullanılan istatistiksel yazılımlar |
| RStudio | Posit Software, PBC | Uygulanamaz | R betikleri çalıştırmak için kullanılan entegre geliştirme ortamı |
| TwoSampleMR paketi | MRC Bütünleştirici Epidemiyoloji Birimi, Bristol Üniversitesi | Uygulanamaz | Enstrüman çıkarımı, harmonizasyon, MR analizi ve duyarlılık analizleri için kullanılan R paketi |
| MRPRESSO paketi | CRAN | Versiyon 1.0 | Küresel yatay pleiotropiyi ve potansiyel aykırı değişkenleri değerlendirmek için kullanılan R paketi |
| writexl paketi | CRAN | Uygulanamaz | Sonuç tablolarını xlsx dosyaları olarak dışa aktarmak için kullanılan R paketi |
Kaynaklar
- 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.