条件患病率校正：协变量调整二值全基因组关联研究（GWAS）的 liability 尺度分析

《PLOS Genetics》：Conditional-prevalence correction for liability-scale analyses of covariate-adjusted binary GWAS

　　

摘要专业翻译 疾病全基因组关联研究（GWAS）中对可遗传协变量的调整可诱发碰撞偏倚（collider bias），从而产生虚假的遗传关联。在偏倚校正之后，若需在代表连续疾病易感性的liability尺度（liability scale）上进行解释，则要求从log odds进行适当的转换。研究人员在Gaussian liability模型下针对小遗传效应推导出该转换。直接效应（排除经由所调整协变量的通路）与碰撞偏倚组分共享同一转换因子。研究人员刻画了该因子如何依赖于疾病风险在协变量取值间的变异，并将推导扩展至病例-对照抽样（case-control sampling）情境。在模拟研究中，所提出的转换降低了仅基于疾病患病率进行尺度化所伴随的效应量膨胀。上述结果将现有碰撞偏倚校正与直接liability效应估计联系起来，并阐明了人群研究与病例-对照研究中协变量调整关联的解释。

论文解读文章

一、研究背景与问题

全基因组关联研究（Genome-Wide Association Studies, GWAS）在疾病遗传学研究中常需调整可遗传的风险因素。例如，2型糖尿病（Type 2 Diabetes, T2D）研究可能调整身体质量指数（Body Mass Index, BMI），以探究不通过BMI通路的遗传效应。这种调整所估计的是直接效应，区别于包含经由BMI中介通路的总效应。然而，协变量调整会改变被比较的个体集合。当某个单核苷酸多态性（Single-Nucleotide Polymorphism, SNP）与某个未测量的T2D病因同时影响BMI时，在相同BMI水平的个体中，该未测量病因的分布会随基因型而不同，从而在SNP与未测量病因之间产生关联，扭曲对T2D遗传效应的估计——此即碰撞偏倚（collider bias）。碰撞偏倚与去除BMI通路截然不同：即使某个变异对T2D无直接效应，调整后也可能获得虚假关联。

已有多种方法可从遗传关联数据中估计该偏倚，包括Dudbridge等提出的基于回归的校正方法、Slope-Hunter方法以及Cai等发展的加权回归和工具变量方法等。偏倚校正后，调整的二值GWAS关联仍以log odds为单位。为在潜在疾病易感性的尺度上解释遗传效应，研究者通常使用liability尺度。liability-阈值模型将易感性表示为连续正态分布变量，疾病在超过阈值时发生。然而，现有的从log odds到liability尺度的转换通常仅使用总体患病率。对于协变量调整的分析而言，比较发生在具有相同协变量取值的个体之间，这些组内的疾病风险可能各不相同。两个总体患病率相同的人群，其风险随协变量变化的变异可能不同，因此需要不同的转换因子。仅去除碰撞偏倚并不足以确定这一尺度变换。

二、研究内容与核心发现

研究人员在Gaussian liability模型下，针对小遗传效应推导了协变量调整的logistic回归系数与liability尺度直接遗传效应之间的关系，包括调整所诱导的碰撞偏倚。核心发现是：直接效应与碰撞贡献共享同一转换因子。研究人员推导了拟合logistic因子（fitted-logistic factor）、基于患病率和协变量解释的liability方差的条件患病率近似（conditional-prevalence approximation），以及病例-对照抽样下对应的因子。研究还评估了尺度误差对遗传方差、多基因评分（Polygenic Score, PGS）和孟德尔随机化（Mendelian Randomization, MR）的影响。

三、主要技术方法

研究人员采用的理论框架为liability-阈值模型，假设SNP、协变量和未测量混杂因子在给定设计分层内服从联合正态分布。推导基于总体logistic评分方程的一阶泰勒展开，在焦点SNP零假设下建立调整logistic回归系数与liability尺度直接效应之间的解析关系。转换因子通过Gauss-Hermite求积数值计算。研究结合了现有的碰撞偏倚估计方法，包括indexevent框架中的校正加权最小二乘（Corrected Weighted Least Squares, CWLS）估计量和Slope-Hunter方法。模拟研究采用个体水平数据，包含二项分布基因型，并设置了无碰撞项设计和显式碰撞设计。公共数据分析使用了DIAGRAM、GIANT和Bellenguez等联盟发布的汇总统计数据。

四、研究结果

4.1 条件风险异质性增加转换因子

研究人员首先评估了转换因子如何依赖于疾病患病率和协变量解释的liability方差。在固定患病率下，条件因子与边际因子之比随解释方差增加而增大；在评估范围内，较常见疾病的比值更大。与总体工作logistic因子相比，该近似在所有设置下均偏小，偏差不超过3%，且偏差随解释liability方差的增加而增大。

4.2 条件转换降低尺度偏倚

在无碰撞设计的个体水平模拟中，边际尺度化随解释方差增加而日益高估直接效应，而条件尺度化在所有设置下将绝对相对偏倚控制在2%以内。条件尺度化的覆盖率接近名义水平，而边际尺度化的覆盖率随解释方差增加而恶化。在显式碰撞设计中，减去已知的一阶log odds偏倚后，边际尺度化仍留下显著偏倚，而条件尺度化和工作logistic尺度化均给出较小的残余偏倚和接近名义水平的覆盖率。该设计还验证了直接效应与碰撞贡献共享同一转换因子的理论预测。

4.3 校准误差改变推断的liability效应

研究人员在固定疾病模型下改变假定的解释方差以检验校准输入的误差。低估解释方差会给出过小的因子从而高估直接效应，高估解释方差则使误差符号反转。当假定的解释方差与生成值匹配时，仅剩小的近似误差；错误校准产生的误差更大，表明校准是这些设置中尺度误差的更主要来源。

4.4 重定尺度降低MR模拟中的偏倚

在T2D到冠状动脉疾病（Coronary Artery Disease, CAD）的单变量MR实验中，条件尺度化显著降低了逆方差加权（Inverse-Variance Weighted, IVW）估计的绝对偏倚。剩余衰减来自暴露关联抽样误差导致的回归稀释，MR-RAPS（Robust Adjusted Profile Score）估计量可对此加以校正。双暴露多变量MR（Multivariable MR, MVMR）实验显示相同模式：条件患病率重定尺度按各暴露特异的因子改变系数，剩余低估与预测的回归稀释一致。

4.5 估计的转换因子恢复直接效应的尺度

在结合偏倚斜率估计和liability转换的完整模拟中，人群样本中边际转换膨胀了直接效应的总体尺度，而拟合方差因子几乎消除了该尺度偏倚并给出接近名义水平的覆盖率。病例-对照样本中，抽样特异因子恢复了直接效应的尺度，而人群因子保留显著偏倚。CWLS紧密恢复了log odds偏倚斜率，Slope-Hunter则高估了其幅度。

4.6 公共GWAS数据的敏感性计算

在主要假定校准下，条件患病率转换将边际尺度的BMI到T2D估计降低了13%，SE按相同比例变化。对于阿尔茨海默病（Alzheimer's Disease, AD），假定的Gaussian风险输入给出的转换因子接近边际因子。

五、讨论与结论

在Gaussian liability模型下的小遗传效应情形中，调整的二值GWAS中直接效应与碰撞贡献共享一个转换因子。这连接了现有碰撞偏倚校正与直接liability效应，并解释了为何仅用患病率可能高估效应量。敏感性分析表明，在所评估的设置中，校准是比条件患病率近似更大的尺度误差来源，因此目标人群中协变量-风险关系的信息对解释调整效应至关重要。偏倚斜率准确性和总体尺度准确性评估校正的不同方面：斜率误差可扭曲个体关联，即使其对变异的平均贡献很小。重定尺度改变效应单位，同时保持遗传相关、PGS排序和预测R2。MR模拟区分了尺度变化与回归稀释：liability转换消除了尺度偏倚，而MR-RAPS还减少了暴露关联误差引起的衰减。该因果模型的应用依赖于生物学知识和研究设计，因为仅凭遗传汇总关联不能确立涉及未测量混杂因子的通路。研究假设焦点工具与隐藏混杂因子独立，病例-对照扩展考虑按疾病状态抽样。协变量选择遵循生物学问题和遗传结构，可增加或降低关联检验功效。对于以直接liability效应为目标的研究，建议报告调整协变量、人群患病率、抽样设计、偏倚估计器和转换因子及其校准来源和不确定性。