[論文レビュー] Inference with many correlated weak instruments and summary statistics

Ashish Patel, Stephen Burgess+2 more|arXiv (Cornell University)|May 4, 2020

Genetic Associations and Epidemiology参考文献 54被引用数 5

ひとこと要約

本稿は、メンデル的ランダム化を動機として、要約統計量を用いて多数の相関する弱い工具変数を有する工具変数モデルに対する要因ベースの推論手法を開発する。因子分析を用いて最適な工具変数を抽出し、ロバストな条件付き最尤比検定を組み合わせ、グリコヘモグロビンに対するインターロイキン-6シグナル伝達の影響を推定する際の有限標本性能が優れていることを示している。

ABSTRACT

This paper concerns inference in instrumental variable models with a high-dimensional set of correlated weak instruments. Our focus is motivated by Mendelian randomization, the use of genetic variants as instrumental variables to identify the unconfounded effect of an exposure on disease. In particular, we consider the scenario where a large number of genetic instruments may be exogenous, but collectively they explain a low proportion of exposure variation. Additionally, we assume that individual-level data are not available, but rather summary statistics on genetic associations with the exposure and outcome, as typically published from meta-analyses of genome-wide association studies. In a two-stage approach, we first use factor analysis to exploit structured correlations of genetic instruments as expected in candidate gene analysis, and estimate an unknown vector of optimal instruments. The second stage conducts inference on the parameter of interest under scenarios of strong and weak identification. Under strong identification, we consider point estimation based on minimization of a limited information maximum likelihood criterion. Under weak instrument asymptotics, we generalize conditional likelihood ratio and other identification-robust statistics to account for estimated instruments and summary data as inputs. Simulation results illustrate favourable finite-sample properties of the factor-based conditional likelihood ratio test, and we demonstrate use of our method by studying the effect of interleukin-6 signaling on glycated hemoglobin levels.

研究の動機と目的

• 大量の遺伝的工具変数が弱く、かつ高相関であることが一般的なメンドル的ランダム化において、推論を扱うため。
• 個別データが入手不可である状況においても、有効な統計的推論を可能にするため、発表済みのGWASメタアナリシスの要約統計量のみに依存するため。
• 構造的遺伝的相関を用いて意味のある工具変数成分を要因分析により抽出する二段階の手法を開発するため。
• 推定された工具変数と要約統計データ入力に対応し、強いおよび弱い工具変数の漸近的枠組みの両方において識別性に頑健な推論を提供するため。
• シミュレーションおよびIL-6シグナル伝達がHbA1cに与える影響の実世界分析を通じて、本手法の有限標本性能と適用可能性を示すため。

提案手法

• 高次元の遺伝的工具変数間の構造的相関をモデル化するための因子分析を適用し、最適な工具変数を表す低ランク成分を抽出する。
• 推定された因子スコアを、後続の推論における観測されない最適な工具変数の代理として使用する。
• 強い識別性のもとで点推定のために限られた情報最尤推定を用いる。
• 推定された工具変数と要約統計データ入力に対応するように、条件付き最尤比およびその他の識別性に頑健な統計量を一般化する。
• 工具変数推定の不確実性と要約レベルのデータを考慮に入れた要因ベースの条件付き最尤比検定を導出する。
• 二段階手順を実装する：まず要因抽出を行い、次に弱い工具変数の漸近的枠組みのもとでロバスト統計量を用いた推論を行う。

実験結果

リサーチクエスチョン

• RQ1 因子分析は、多数の相関が強く、弱い遺伝的工具変数から意味のある工具変数成分を効果的に抽出できるか？
• RQ2 要約統計量のみが利用可能な状況で、多数の弱い工具変数が存在する場合に有効な推論をどのように行えるか？
• RQ3 提案された要因ベースの条件付き最尤比検定は、識別が弱い有限標本においても適切なサイズとパワーを維持するか？
• RQ4 本手法は、既存のアプローチと比較して、頑健性と効率性の点で優れているか？
• RQ5 本手法を用いて、インターロイキン-6シグナル伝達がグリコヘモグロビン濃度に与える実証的影響は何か？

主な発見

• 要因ベースの条件付き最尤比検定は、望ましい有限標本特性を示し、識別が弱い状況でも適切なサイズと良好なパワーを維持する。
• 本手法は、因子分析を用いて高次元で相関する遺伝的バリアントから低次元の最適な工具変数成分を効果的に抽出する。
• 限られた情報最尤推定による点推定は、強い識別性のもとで一貫した推定値をもたらす。
• 本手法は、個別データを必要とせず、発表済みの要約統計量のみに依存することで、メンドル的ランダム化の文脈における有効な推論を可能にする。
• 実世界の応用において、本手法はインターロイキン-6シグナル伝達がグリコヘモグロビン濃度に有意な正の影響を与えると推定した。
• シミュレーションの結果、本手法は、弱い工具変数や高次元の相関構造に対する耐性という点で、標準的手法を上回ることが確認された。