[論文レビュー] Searching for consistent associations with a multi-environment knockoff filter

Shuangning Li, Matteo Sesia+3 more|arXiv (Cornell University)|Jun 8, 2021

Genetic Associations and Epidemiology参考文献 92被引用数 7

ひとこと要約

本稿では、多様なデータ環境において一貫して再現される条件付き関連を特定し、誤り発見率を制御するマルチ環境ノックオフフィルタを提案する。モデル-Xノックオフを活用することで、頑健で再現性のある関連を同定する。特に、測定されていない遺伝的バリアントによる交絡を軽減する必要がある全ゲノム関連研究において有用である。

ABSTRACT

This paper develops a method based on model-X knockoffs to find conditional associations that are consistent across diverse environments, controlling the false discovery rate. The motivation for this problem is that large data sets may contain numerous associations that are statistically significant and yet misleading, as they are induced by confounders or sampling imperfections. However, associations consistently replicated under different conditions may be more interesting. In fact, consistency sometimes provably leads to valid causal inferences even if conditional associations do not. While the proposed method is flexible and can be deployed in a wide range of applications, this paper highlights its relevance to genome-wide association studies, in which consistency across populations with diverse ancestries mitigates confounding due to unmeasured variants. The effectiveness of this approach is demonstrated by simulations and applications to the UK Biobank data.

研究の動機と目的

• 高次元データにおける従来の条件付き検定の限界、すなわち測定されていない交絡要因、標本バイアス、隠れた依存関係を解消するため。
• 複数の環境にわたって一貫して再現される条件付き関連を同定する手法を開発し、信頼性と科学的妥当性を向上させること。
• 予測子が従属関係にあり、モデルの仮定が破綻する可能性がある高次元設定において、誤り発見率を制御すること。
• 遺伝的に多様な集団における一貫性を活用することで、全ゲノム関連研究におけるより頑健な推論を可能にすること。
• 標準的な条件付き検定が交絡や選択バイアスのため失敗する状況でも、因果推論を可能にする実用的で計算効率の良いフレームワークを提供すること。

提案手法

• 各環境における予測子の連関分布を保持するノックオフ変数を構築することで、モデル-Xノックオフフレームワークを複数の環境に適応する。
• 複数の設定で一貫して存在する関連を検出するために、環境全体にわたる証拠を集約するグローバル統計量を用いる。
• やや弱い依存性仮定の下で、すべてのテストされた関連における誤り発見率を制御するため、選択的SeqStep+手順を採用する。
• p値を段階的に異なる環境から組み合わせることでパワーを向上させるための蓄積検定を導入する。
• 予測子の連関分布が既知または良好に近似可能であるという仮定に依存する。遺伝的学習パターンが既知であるため、遺伝学的研究では一般的に満たされる。
• 各環境が別個のサブ集団、実験的条件、またはデータ収集戦略に対応するマルチ環境文脈でノックオフフィルタを適用する。

実験結果

リサーチクエスチョン

• RQ1 測定されていない交絡要因が存在する状況でも、複数の環境にわたる一貫した条件付き関連が因果関係の代理として機能できるか？
• RQ2 複数の環境から収集された高次元データにおいて、条件付き関連を検定する際、誤り発見率をどのように制御できるか？
• RQ3 多様な集団における一貫性が、全ゲノム関連研究における測定されていない遺伝的バリアントによる交絡をどの程度軽減できるか？
• RQ4 ノックオフベースの手法が、標本バイアスやネットワーク効果のため標準的条件付き検定で見逃される頑健な関連を検出できるか？
• RQ5 現実的なシミュレーションおよび実データ設定において、既存の手法と比較して、本手法のパワーと誤り発見率制御の両面で優れているか？

主な発見

• 予測子の強い依存性およびやや弱い環境間依存性が存在する状況でも、本手法はすべてのテストされた関連において誤り発見率を適切に制御した。
• シミュレーションでは、環境数が十分に多い場合（例：41または81環境）、真正に一貫した関連を検出するパワーが100%に達した。
• UKバイオバンクのデータでは、既知の身長関連SNPの48例中48例（100%リコール）と、既知のBMI関連SNPの103例中103例（100%リコール）を同定し、誤り発見率制御済みの発見率を達成した。
• 血小板数に関しては、既知の関連SNPの119例中119例（100%リコール）を検出し、実世界の遺伝データにおいて高い感度と特異度を示した。
• 特に集団構造に起因する交絡が存在する状況では、単一環境ノックオフと比較して、パワーと誤り発見率制御の両面で本手法が優れていた。
• 蓄積検定と選択的SeqStep+は、やや弱い依存性の下で有効であることが示され、独立した環境に限定されない応用範囲が拡張された。