前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >孟德尔随机化之Wald ratio方法(一)

孟德尔随机化之Wald ratio方法(一)

作者头像
生信与临床
发布2022-08-21 16:25:02
1.5K1
发布2022-08-21 16:25:02
举报

‍‍

‍‍‍‍‍系数比率法‍‍‍‍‍‍‍

系数比率法或Wald方法是使用单个IV估算暴露(X)对结局(Y)的因果关系,也是最简单计算方法。如果有一个以上的IV可用,则可以使用该方法计算出每个IV因果效应量,或者可以用多基因基因风险评分法将多个遗传变异合并为单个IV,除此之外可以使用其他估计方法。

‍‍‍‍‍1.1 连续型结局变量,二分类工具变量

首先假设我们有一个IV(G),其取值为0或1,据此则可以将整个群体分为两个遗传亚组。这里,我们可以将IV视为单核苷酸多态性(SNP),三个亚组中的两个可以依据显性或隐性模型被合并在一起,或者如果某遗传亚组中只有很少的个体(次要纯合子)也可以合并。比如在隐性模型中,主要(野生型)等位基因A的单个拷贝效应足以掩盖次要(变异)等位基因的效应,所以遗传亚群是AA / Aa(主要纯合子/杂合子)和aa(次要纯合子)。从IV假设出发,两个遗传亚组的暴露分布不同,如果结果的分布也不同,则说明暴露对结局有因果关系。‍我们将 j ‍= 0,1的‍j‍‍‍‍‍j'‍‍‍‍‍定‍‍义‍‍为基因型G = j的所有个体的结局平均值,并类似地定义‍暴露平均值‍x'‍‍‍‍‍‍‍。‍

‍下图‍展示了一个虚构示例中两个遗传亚组的平均暴露和结局,其中X对Y具有正向因果关系。IV估计值通常表示为因暴露单位变化而导致的结局变化。如果暴露已经过自然对数转换,则对数转换后暴露因素的单位增加对应于未转换暴露因素的exp(1)‍= 2.72倍,我们可以通过将因果估计值乘以log(1.2)= 0.182来考虑(例如)暴露增加20%的影响,或通过乘以log(0.7)= -0.357来考虑暴露减少30%的影响。

我们看到,两个子组∆X =‍‍‍‍x1' - x0'‍ ‍‍‍‍‍‍‍‍‍‍的平均暴露‍差异导致∆Y = y‍1' -‍ y‍‍‍0'‍的结局平均差异。假设暴露量对结果的影响是线性的,则由于暴露量单位增加而导致的结局变化的比率估算为:比率方法估算(二分法IV)=‍∆Y/∆X‍=(y1’−y‍0‘)/(x1’-x0‘‍)。‍在下图示例中,ΔY= 0.4和ΔX= 1.0,得出的比率估计值‍为0.4/1.0 = 0.4。比率估计中的分子是遗传子组1与遗传子组0的结局之差,而分母则是遗传子组1与遗传子组0的暴露之差。如果我们假设暴露对结局的影响是线性的,则比率估计值是x + 1单位暴露与x单位暴露对结局影响的因果效应(在线性假设下,暴露因素单位增加的因果效应对于所有x值都是相等的)。如果效应不是线性的,则比率估计值近似于种群在暴露中的平均因果效应。‍‍

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-09-04,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 生信与临床 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档