孟德爾隨機化

流行病學中孟德爾隨機化(Mendelian randomization, MR)是一種使用測量的基因變異來確認暴露對結果的因果影響的方法。在關鍵假設下(見下文),該設計減少了反向因果關係和干擾因子,這通常會嚴重阻礙或誤導對流行病學研究結果的解釋。

孟德爾隨機化的定義和假設

孟德爾隨機化 (MR) 從根本上說是一種來自計量經濟學的工具變量方法。該方法使用與推定的暴露密切相關的種系遺傳變異的特性(通常以單核苷酸多態性(SNP)的形式)作為該暴露的工具變量,以此來測試和估計觀察數據中體現出來的暴露對於目標結果的因果效應。該方法使用的遺傳變異要麼對暴露產生眾所周知的影響(例如重度吸菸的傾向),要麼產生與暴露產生的影響相似的影響(例如升高的血液膽固醇 )。重要的是,基因型只能通過其對該暴露的影響間接影響疾病狀態。

 
通常用這樣的有向無環圖表示孟德爾隨機化框架及其核心假設。

由於基因型在減數分裂期間從父母傳給後代時是隨機分配的,因此在大群體尺度,按照與暴露相關的遺傳變異對實驗對象所做的劃分,應該與通常困擾觀察性流行病學研究的干擾因子基本無關。種系遺傳變異(即可以遺傳的變異)也在受孕時暫時固定,不會因任何結果或疾病的發生而改變,從而排除反向因果關係。此外,鑑於現代基因分型技術的改進,遺傳數據的測量誤差和系統性錯誤分類通常較低。因此,孟德爾隨機化可以被認為類似於「自然的隨機對照試驗」。

孟德爾隨機化需要三個核心工具變量假設,即:

  1. 相關性假設:用作工具變量的遺傳變異與暴露有關
  2. 獨立性/可交換性假設:遺傳變異和目標結果沒有共同的原因(即沒有干擾因子
  3. 排斥性/無水平多效性假設:除了通過暴露外,遺傳變異和結果之間沒有獨立的因果途徑