[논문 리뷰] Debiased Inverse-Variance Weighted Estimator in Two-Sample Summary-Data Mendelian Randomization

Ting Ye, Jun Shao외 1명|arXiv (Cornell University)|2019. 11. 22.

Genetic Associations and Epidemiology참고 문헌 37인용 수 26

한 줄 요약

이 논문은 두 샘플 요약 자료 메델리안 랜덤라이제이션에서 다수의 약한 유전자 도구를 고려할 때, 도구 선별이 필요 없이도 강건한 성능을 보이는 비편향화된 분산 가중치(Debiased IVW, dIVW) 추정량을 제안한다. 표준 IVW 추정량에 편향 보정 요소를 적용함으로써, dIVW 추정량은 모든 유전자 도구가 약할 경우에도 일致성과 점근 정규성을 확보하며, 승자의 편향을 완화하기 위한 별도의 선택 데이터셋이 필요 없게 된다.

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.

연구 동기 및 목표

• 두 샘플 요약 자료 메델리안 랜덤라이제이션에서 다수의 약한 도구가 존재할 때 표준 IVW 추정량과 그 선별된 변형에 대한 이론적 이해 부족을 해결한다.
• 모든 유전자 도구가 약할 경우에도 일치성과 점근 정규성을 유지하는 강건한 추정량을 개발하여 외부 선택 데이터셋에 의존하지 않도록 한다.
• 선택 데이터셋이 이용 가능한 경우 추정량의 효율성을 향상시키기 위한 두 가지 도구 선별 방법을 제안한다.
• 균형적인 수평적 다중유전자 작용을 다룰 수 있도록 비편향 IVW 추정량을 확장하여 실제 유전학 연구에의 적용 가능성을 높인다.
• 점근적 단계 전이 분석과 편향 보정을 통해 추정량 성능에 대한 이론적 근거를 제공한다.

제안 방법

• 표준 IVW 추정량의 수정 버전으로서 비편향화된 IVW(dIVW) 추정량을 제안하며, 이는 IVW 추정량에 편향 보정 요소를 곱한 것으로 정의된다.
• 다수의 약한 도구 하에서 IVW 추정량의 상향 편향를 보정하기 위해 편향 보정 요소를 해석적으로 유도한다.
• 다수의 약한 도구 점근 프레임워크 하에서 dIVW 추정량의 이론적 성질을 확립하며, 일치성과 점근 정규성을 입증한다.
• 제3의 독립된 GWAS 선택 데이터셋을 기반으로 한 두 가지 도구 선별 방법을 도입하여 dIVW 추정량의 효율성을 향상시킨다.
• 추정 방정식에 보정 항을 통합하여 dIVW 프레임워크를 균형적인 수평적 다중유전자 작용을 수용하도록 확장한다.
• 점근 분포 이론과 테일러 전개를 활용하여 dIVW 추정량의 점근적 분포를 유도하고, 그 강건성을 검증한다.

실험 결과

연구 질문

• RQ1 모든 SNP가 약할 때 다수의 약한 도구 설정 하에서 표준 IVW 추정량은 일치성과 점근 정규성을 갖는가?
• RQ2 표준 IVW 추정량의 단순한 수정이 강력한 도구의 선별 없이도 일치성과 점근 정규성을 달성할 수 있는가?
• RQ3 약한 도구 조건 하에서 유한 표본에서 dIVW 추정량이 표준 IVW 및 선별된 IVW 추정량보다 어떻게 성능을 발휘하는가?
• RQ4 선택 데이터셋을 사용할 경우 dIVW 추정량의 효율성에 미치는 이론적 영향은 무엇인가?
• RQ5 dIVW 추정량은 약한 도구에 강건성을 유지하면서도 균형적인 수평적 다중유전자 작용을 다룰 수 있도록 확장될 수 있는가?

주요 결과

• 모든 도구가 약할 경우 표준 IVW 추정량은 일치성이 없으며, 이 영역에서의 점근 분포는 잘 특징화되어 있지 않다.
• 제안된 dIVW 추정량은 모든 도구가 약할 경우에도 일치성과 점근 정규성을 유지하며, 별도의 선택 데이터셋이 필요로 하지 않는다.
• dIVW 추정량의 편향 보정 요소는 약한 도구에 의해 유도되는 상향 편향을 효과적으로 제거하여 유한 표본 성능을 향상시킨다.
• dIVW 추정량은 도구 선별 없이도 약한 도구에 강건한 반면, 표준 IVW나 선별된 IVW 추정량은 그렇지 않다.
• 선택 데이터셋이 이용 가능한 경우 제안된 도구 선별 방법은 dIVW 추정량의 효율성을 향상시키지만, 그 강건성은 손상되지 않는다.
• 이론적 분석을 통해 dIVW 추정량의 점근 분산이 잘 행동하며, 다수의 약한 도구 점근 프레임워크 하에서 수렴하는 것으로 확인되었다.