孟德尔随机化研究借助遗传变异这一工具变量,来评估暴露因素与结局变量之间的因果效用。为了准确评估因果效应的大小,有多种方法相继被发明。本文重点看下其中常用的两种方法。 1. IVWIVW全称如下
称之为逆方差加权,由Burgess等提出,文章链接如下
每个遗传变异k计算得到的暴露因素与结局变量的因果效应值用如下的比值表示 Xk表示的是在遗传变异与暴露因素的gwas分析中,k这个位点对应的效应值,beta值。类似的,Yk表示的是在遗传变异与结局变量的gwas分析中,k这个位点对应的效应值。这种计算方法称之为比值法。 对于所有工具变量总的因果效应值,通过meta分析中的固定效应模型来评估,公式如下
2. MR-EggerMR-Egger回归对IVW方法进行了修改,不在强制线性回归的截距项为0,而是用截距项来表示工具变量的平均多效性,对应的文章链接如下
采用了meta分析中检测偏倚的egger检验方法,用回归直线的截距来横标偏倚性。在meta分析中,常通过漏斗图是否对称来判断数据是否存在偏倚,这种方法依靠的是视觉判断,确实量化机制,而egger检验就是一种量化漏斗图的方式,将漏斗图中的x和y进行线性回归,如果回归方程的截距为0,说明不存在偏倚;截距不为0,说明存在偏倚。 这里的偏倚在MR分析中,通常就是指遗传变异的多效性。当存在多效性时,用MR-Egger方法会更加合适。 在TwoSampleMR包中,默认就是采用这两种方法来评估效应值。 ·end· |
|