《Genetic Epidemiology》：Adjusting for Medication Use in GWAS and Its Impact on Mendelian Randomisation Analyses: An Example of Systolic Blood Pressure in UK Biobank
编辑推荐：
摘要专业翻译
药物使用在大规模人群队列中十分普遍，并可能改变所关注的表型性状。这可能会使全基因组关联分析（GWAS）中的效应估计产生偏倚，并影响下游分析（如孟德尔随机化，MR）。在GWAS中如何最佳地校正药物使用尚不明确。本研究在英国生物库（UK Bioban
摘要专业翻译
药物使用在大规模人群队列中十分普遍，并可能改变所关注的表型性状。这可能会使全基因组关联分析（GWAS）中的效应估计产生偏倚，并影响下游分析（如孟德尔随机化，MR）。在GWAS中如何最佳地校正药物使用尚不明确。本研究在英国生物库（UK Biobank）407,960名白人英国个体中，比较了七种不同的降压药使用校正方法对收缩压（SBP）GWAS的影响。研究发现，与未校正的SBP测量值相比，对实测SBP进行直接校正（加常数、加类别特异性常数、截尾正态回归）总体上能发现更多全基因组显著变异关联，并揭示更强的GWAS效应估计。加类别特异性常数校正与未校正GWAS之间的差异最大。限制性方法（将样本限制为未治疗个体或限制在降压药使用率较低的年龄段）由于样本量减少，统计效能较低。治疗个体的效应估计相对于未治疗个体出现衰减，这证明了药物校正的重要性。在MR分析中，研究人员发现，在估计SBP对冠状动脉疾病（CAD）的效应时，采用不同的暴露GWAS方法对逆方差加权（IVW）估计无实质性差异。而体重指数（BMI）对SBP的因果效应在不同校正方法间观察到较大的IVW估计变异。这表明，当纳入估计的暴露影响治疗概率时，MR分析中可能出现偏倚。最后，研究人员证明药物校正可以揭示潜在的新遗传位点，为理解性状生物学提供额外见解。
论文解读
一、研究背景与问题提出
在过去的二十年中，全基因组关联分析（GWAS）被广泛用于探究群体中遗传变异或单核苷酸多态性（SNP）与性状或疾病的关联，其核心目标是理解疾病机制并制定预防或治疗策略。孟德尔随机化（MR）作为补充方法，利用GWAS中与性状相关的SNP作为工具变量（IV）来检验暴露对结局的因果效应。在大规模人群队列如英国生物库中，药物使用十分普遍，约四分之三的参与者在基线评估时记录有药物使用。当药物可能改变所关注的表型性状时，例如服用降压药的患者其实测收缩压（SBP）低于未治疗时的真实SBP，若GWAS中未对药物使用进行校正，可能导致遗传效应估计产生偏倚，并进一步影响下游MR分析。
目前对GWAS中药物校正的最佳方法尚无共识。最常用的方法是对治疗个体实测SBP值直接加一个常数（如10或15 mmHg），但假设所有使用不同数量和类型降压药的患者具有同质治疗效应可能过于简化。英国国家健康与临床优化研究所（NICE）指南建议对血压控制不佳的患者加用联合治疗，因此使用更多降压药可能提示更严重的高血压和更高的未治疗SBP。此外，将分析限制在未治疗个体或低治疗比例的年轻人群中可能引入碰撞偏倚（collider bias），因为治疗是性状的下游结果，对其条件化可能诱导遗传IV与治疗其他原因之间的虚假关联。多变量孟德尔随机化（MVMR）理论上可通过将二元治疗状态作为第二暴露来校正药物使用，但该方法尚未得到充分验证。
二、研究设计与方法概述
研究人员利用英国生物库中407,960名自我报告为白人英国且遗传聚类相似的个体，比较了七种不同的降压药使用校正方法在SBP GWAS中的表现。这七种方法包括：未校正、加常数+10 mmHg、加类别特异性常数、截尾正态回归、限制为未治疗个体、限制为38-49岁年龄段、以及以二元治疗状态作为第二暴露的MVMR分析。GWAS采用线性混合模型（fastGWA）进行，校正年龄、性别、前十个主成分和遗传关系矩阵。MR分析采用逆方差加权（IVW）为主要方法，并报告MR Egger、加权中位数和加权众数作为敏感性分析。研究还评估了不同校正方法对SNP遗传力（h2）估计的影响。
三、主要研究结果
3.1 队列特征：22.9%的参与者接受降压药治疗，治疗比例随年龄增长而增加（38-49岁为6.8%，50-59岁为18.1%，60-73岁为34.1%）。治疗个体实测SBP中位数（143.0 mmHg）略高于未治疗个体（135.0 mmHg）。直接校正方法使治疗个体的校正后SBP值升高。
3.2 不同药物校正方法对SBP关联的影响：直接校正方法（加常数、加类别特异性常数、截尾正态回归）总体上能检测到更多全基因组显著变异，其中加类别特异性常数发现的额外独立遗传变异最多（n=149），其次是加常数+10 mmHg（n=84）和截尾正态回归（n=67）。直接校正方法的效应估计普遍强于未校正GWAS，加类别特异性常数差异最大（斜率=1.28）。限制性方法因样本量减少而检测能力下降。治疗个体的效应估计相对于未治疗个体出现衰减（斜率=0.57），证实了药物校正的重要性。
3.3 加常数与加类别特异性常数的比较：加类别特异性常数方法能检测到更多独立遗传变异（n=63），效应估计平均略高，但校正多重检验后未发现显著异质性。
3.4 未治疗与治疗个体GWAS效应估计比较：治疗个体GWAS的效应估计明显衰减，检测到的独立遗传变异更少（n=10），且发现多个异质性变异，涉及与血压相关的基因如CACNB2、ADRB1、NT5C2等。
3.5 SNP遗传力：不同校正方法的SNP遗传力估计存在差异，加类别特异性常数和限制为38-49岁方法的遗传力最高（0.182和0.188），未校正为0.132。
3.6 药物校正GWAS发现的新遗传变异：加常数+10 mmHg、加类别特异性常数和截尾正态回归分别发现12、31和16个此前未在文献中报道的独立遗传变异，包括与心脏代谢功能相关的基因（CDKAL1、RORA、SLC39A14、PALLD、HSD17B12、PKHD1）。
3.7 MR分析结果：在SBP对CAD的因果效应估计中，不同校正方法间的比值比（OR）差异不大，但年龄限制队列中随年龄增长OR向零值衰减。在BMI对SBP的效应估计中，不同校正方法间变异较大，加类别特异性常数方法效应最大（beta=2.63）。MVMR分析因条件F统计量低于10而存在弱工具偏倚。负对照分析（SBP对自然发色）中，除MVMR外各方法的置信区间均跨越零值。
四、讨论与结论
研究证实了初始假设：未进行药物校正时，与高SBP强相关的遗传变异效应估计出现衰减，在治疗比例较高的人群中尤为明显。直接校正方法能揭示更强的GWAS效应估计、发现新的遗传信号并保留统计效能。研究人员推荐在SBP性状的药物校正中采用加类别特异性常数方法，因其考虑了降压药的数量和类型，能更准确地近似未治疗SBP。限制性方法可能引入选择偏倚或碰撞分层偏倚，因而不被推荐。研究还发现，当暴露影响治疗概率且所关注性状受治疗影响时（如BMI对SBP），药物校正的考量变得尤为重要。研究建议在大规模GWAS荟萃分析中，研究者应考虑各研究是否进行了药物校正及校正类型，并考虑按校正类型分层报告结果。未来工作可探索个体化校正方法，考虑治疗反应预测、治疗依从性和治疗时长等因素。
