TwoStepCisMR: A Novel Method and R Package for Attenuating Bias in cis-Mendelian Randomization Analyses.
TwoStepCisMR: A Novel Method and R Package for Attenuating Bias in cis-Mendelian Randomization Analyses.
复制标题
DOI：
10.3390/genes13091541
复制
发表时间：
2022-08-26
期刊：
影响因子：
3.5
通讯作者：
Gill, Dipender
中科院分区：
文献类型：
--
作者：
Woolf, Benjamin;Zagkos, Loukas;Gill, Dipender
孟德尔随机化（MR）是流行病学研究中加强因果推断的一种越来越流行的方法。顺式-MR特别地使用药物靶蛋白的基因区域中的遗传变体作为工具变量，以提供靶向药物作用的准实验证据。该框架的局限性是当遗传变异与另一种变异相关时，该变异也影响感兴趣的结果（通过连锁不平衡混淆）。用于校正这种偏差的方法，例如多变量MR，由于遗传变异之间的高度相关性而在顺式设置中挣扎。在这里，通过模拟实验和应用的例子，考虑到白细胞介素6受体信号传导对冠状动脉疾病的风险的影响，我们提出了一种替代的方法来衰减偏差，不受这个问题。由于我们的方法同时使用MR和产品和差异方法进行中介分析，我们的建议继承了这些方法的所有假设。我们还开发了一个R包，TwoStepCisMR，以促进该方法的实施。
Mendelian randomisation (MR) is an increasingly popular method for strengthening causal inference in epidemiological studies. cis-MR in particular uses genetic variants in the gene region of a drug target protein as an instrumental variable to provide quasi-experimental evidence for on-target drug effects. A limitation of this framework is when the genetic variant is correlated to another variant that also effects the outcome of interest (confounding through linkage disequilibrium). Methods for correcting this bias, such as multivariable MR, struggle in a cis setting because of the high correlation among genetic variants. Here, through simulation experiments and an applied example considering the effect of interleukin 6 receptor signaling on coronary artery disease risk, we present an alternative method for attenuating bias that does not suffer from this problem. As our method uses both MR and the product and difference method for mediation analysis, our proposal inherits all assumptions of these methods. We have additionally developed an R package, TwoStepCisMR, to facilitate the implementation of the method.
登录
查看更多内容
影响因子：
9.8
作者：
Zuber V;Grinberg NF;Gill D;Manipur I;Slob EAW;Patel A;Wallace C;Burgess S
通讯作者：
Burgess S
影响因子：
20.1
作者：
van der Harst P;Verweij N
通讯作者：
Verweij N
DOI：
10.1097/ede.0000000000000161
发表时间：
2014-11
期刊：
Epidemiology (Cambridge, Mass.)
影响因子：
--
作者：
Burgess S;Davies NM;Thompson SG;EPIC-InterAct Consortium
通讯作者：
EPIC-InterAct Consortium
影响因子：
7.7
作者：
Burgess S;Daniel RM;Butterworth AS;Thompson SG;EPIC-InterAct Consortium
通讯作者：
EPIC-InterAct Consortium
影响因子：
4.5
作者：
Gage SH;Davey Smith G;Ware JJ;Flint J;Munafò MR
通讯作者：
Munafò MR