[論文レビュー] Debiased Inverse-Variance Weighted Estimator in Two-Sample Summary-Data Mendelian Randomization

Ting Ye, Jun Shao+1 more|arXiv (Cornell University)|Nov 22, 2019

Genetic Associations and Epidemiology参考文献 37被引用数 26

ひとこと要約

本稿では、強力な道具が存在しない多数の弱い道具を伴う2標本要約統計データを用いたメルテンディアンランダム化における、バイアス補正係数を適用した逆分散加重（dIVW）推定量を提案する。標準的なIVW推定量にバイアス補正係数を適用することで、dIVW推定量は、すべての遺伝的道具が弱い場合でさえ一貫性と漸近正規性を達成し、勝者ズルバイアスを緩和するための別個の選択データセットの必要性を排除する。

ABSTRACT

Mendelian randomization (MR) has become a popular approach to study the effect of a modifiable exposure on an outcome by using genetic variants as instrumental variables. A challenge in MR is that each genetic variant explains a relatively small proportion of variance in the exposure and there are many such variants, a setting known as many weak instruments. To this end, we provide a theoretical characterization of the statistical properties of two popular estimators in MR, the inverse-variance weighted (IVW) estimator and the IVW estimator with screened instruments using an independent selection dataset, under many weak instruments. We then propose a debiased IVW estimator, a simple modification of the IVW estimator, that is robust to many weak instruments and doesn't require screening. Additionally, we present two instrument selection methods to improve the efficiency of the new estimator when a selection dataset is available. An extension of the debiased IVW estimator to handle balanced horizontal pleiotropy is also discussed. We conclude by demonstrating our results in simulated and real datasets.

研究の動機と目的

• 2標本要約統計データを用いたメルテンディアンランダム化における、多くの弱い道具が存在する状況下での逆分散加重（IVW）推定量およびそのスクリーニングを施した変種の理論的理解の欠如を解消すること。
• すべての遺伝的道具が弱い場合でも一貫性と漸近正規性を維持する、頑健な推定量の開発。外部の選択データセットへの依存を回避すること。
• 選択データセットが利用可能な場合に、新しい推定量の効率を向上させる2つの道具選択手法の提案。
• バランス型水平多効性を扱えるようにdIVW推定量を拡張し、実世界の遺伝学的研究への適用性を高めること。
• 漸近的フェーズ遷移解析とバイアス補正を通じて、推定量の性能に対する理論的裏付けを提供すること。

提案手法

• 標準的なIVW推定量の変種として、バイアス補正係数を乗じたdIVW推定量を提案する。
• 多くの弱い道具が存在する状況でのIVW推定量の上昇バイアスを補正するため、解析的にバイアス補正係数を導出する。
• 多数の弱い道具の漸近的枠組みの下で、dIVW推定量の一貫性と漸近正規性などの理論的性質を確立する。
• 第3の独立したGWAS選択データセットに基づく2つの道具選択手法を導入し、dIVW推定量の効率を向上させる。
• 推定方程式に補正項を組み込むことで、dIVWフレームワークをバランス型水平多効性を扱えるように拡張する。
• 漸近的分布理論とテイラー展開を用いて、dIVW推定量の極限分布を導出し、その頑健性を検証する。

実験結果

リサーチクエスチョン

• RQ1 すべてのSNPが弱い多数の弱い道具が存在する状況下で、標準的なIVW推定量は一貫的かつ漸近正規的か？
• RQ2 強力な道具のスクリーニングを必要とせずに、IVW推定量の単純な修正によって、一貫性と漸近正規性を達成できるか？
• RQ3 弱い道具の条件下で、有限標本におけるdIVW推定量の性能は、標準的なIVW推定量およびスクリーニング済みIVW推定量と比べてどうか？
• RQ4 選択データセットの使用が、dIVW推定量の効率に与える理論的影響は何か？
• RQ5 dIVW推定量は、弱い道具に対する頑健性を保ちつつ、バランス型水平多効性を扱えるように拡張可能か？

主な発見

• 標準的なIVW推定量は、多数の弱い道具が存在する状況下では一貫性が保証されず、この領域における漸近的分布も明確に特徴づけられていない。
• 提案されたdIVW推定量は、すべての道具が弱い場合でさえ一貫的かつ漸近正規的であり、別個の選択データセットを必要としない。
• dIVW推定量に組み込まれたバイアス補正係数は、弱い道具によって引き起こされる上昇バイアスを効果的に除去し、有限標本における性能を改善する。
• dIVW推定量は、スクリーニングを伴わない状況でも弱い道具に対する頑健性を維持するが、標準的なIVW推定量やスクリーニング済みIVW推定量とは異なり、そのような頑健性を欠いている。
• 選択データセットが利用可能な場合、提案された道具選択手法によりdIVW推定量の効率が向上するが、その頑健性は損なわれない。
• 理論的分析により、dIVW推定量の漸近的分散が適切に振る舞い、多数の弱い道具の漸近的枠組み下で収束することが確認された。