[论文解读] Causal Mediation Analysis Leveraging Multiple Types of Summary Statistics Data

Yong‐Jin Park, Abhishek Sarkar+2 more|arXiv (Cornell University)|Jan 24, 2019

Bayesian Modeling and Causal Inference参考文献 21被引用 4

一句话总结

该论文提出CaMMEL，一种贝叶斯多变量中介分析框架，利用GWAS和eQTL汇总统计量在无需个体水平数据的情况下识别介导SNP-疾病关系的因果基因。通过建模高维、相关的遗传变异并利用LD块投影排除混杂效应，CaMMEL在存在多基因偏倚和缺失数据的情况下仍能实现对真实中介基因的高精度识别，其在模拟和真实场景中均优于现有方法。

ABSTRACT

Summary statistics of genome-wide association studies (GWAS) teach causal relationship between millions of genetic markers and tens and thousands of phenotypes. However, underlying biological mechanisms are yet to be elucidated. We can achieve necessary interpretation of GWAS in a causal mediation framework, looking to establish a sparse set of mediators between genetic and downstream variables, but there are several challenges. Unlike existing methods rely on strong and unrealistic assumptions, we tackle practical challenges within a principled summary-based causal inference framework. We analyzed the proposed methods in extensive simulations generated from real-world genetic data. We demonstrated only our approach can accurately redeem causal genes, even without knowing actual individual-level data, despite the presence of competing non-causal trails.

研究动机与目标

• 为解决GWAS缺乏可解释性的问题，识别介导SNP对复杂疾病影响的因果基因。
• 克服现有方法依赖强假设、在多基因偏倚、缺失中介和混杂因素下表现不佳的局限性。
• 开发一种基于汇总统计量的系统性因果推断框架，整合多种类型的遗传关联统计量（GWAS和eQTL）。
• 在无法获取个体水平基因型数据的情况下，实现对高维、共线性遗传数据中因果中介的准确识别。
• 提供一种稳健、可扩展的方法，适用于生物样本库规模的遗传研究。

提出的方法

• 提出一种贝叶斯多变量模型，联合分析GWAS和eQTL汇总统计量，建模SNP对结局和中介（基因）变量的影响。
• 采用稀疏贝叶斯变量选择方法处理由LD引起的高维共线性，实现对真实因果中介的筛选。
• 引入两个关键操作步骤：分解（CaMMEL-fact）和投影（CaMMEL-proj），以分离遗传效应与非遗传混杂效应。
• 应用LD块分解（1,703个独立块）以投影相关结构并隔离虚假混杂效应。
• 采用分层先验结构同时建模未中介化（直接）效应和中介效应，提升可识别性。
• 采用基于似然的推断框架，考虑汇总统计量中的不确定性，并实现对因果效应的后验推断。

实验结果

研究问题

• RQ1 在无个体水平数据的情况下，基于汇总统计量的因果中介分析框架能否准确识别介导复杂疾病SNP效应的因果基因？
• RQ2 在多基因偏倚、缺失中介和未测量混杂因素下，该方法的表现如何？
• RQ3 该框架能否区分直接遗传效应与由非遗传因素引起的虚假混杂？
• RQ4 在贝叶斯框架中同时包含多个中介时，相较于单基因逐一分析的方法，识别能力有何提升？
• RQ5 LD块投影和分解步骤在多大程度上增强了对混杂和共线性的鲁棒性？

主要发现

• 当存在混杂或多基因偏倚时，CaMMEL-proj和CaMMEL-fact显著优于其他方法，在识别真实因果中介方面表现更优。
• 在50%基因缺失和方向性多效性条件下，CaMMEL方法保持较高的AUPRC，而单变量方法出现严重精度下降。
• 对CaMMEL模型采用朴素推断算法表现欠佳，因对未中介化效应过度拟合，凸显结构化正则化的必要性。
• 即使未显式建模混杂因素，CaMMEL-proj仍能通过投影至独立LD块，成功将非遗传混杂与遗传效应分离。
• 在全基因观测的模拟中，当不存在混杂时，CaMMEL-proj实现接近最优性能，证实其鲁棒性。
• 即使在100个候选基因中仅有一个真正因果基因的情况下，该方法仍表现出卓越的检验效能和精确度。