《Genetic Epidemiology》：The Omnicausal Model Reveals the Highly Polyfactorial Nature of Complex Diseases
编辑推荐：
孟德尔随机化（Mendelian randomization, MR）是一种用于推断风险因素与疾病之间因果关系的人类遗传学方法。既往MR研究多聚焦于单一风险因素对单一疾病的因果推断，虽成功发现众多疾病因果风险因素，但各因素集体贡献的因果方差比例仍不明确。研究人
孟德尔随机化（Mendelian randomization, MR）是一种用于推断风险因素与疾病之间因果关系的人类遗传学方法。既往MR研究多聚焦于单一风险因素对单一疾病的因果推断，虽成功发现众多疾病因果风险因素，但各因素集体贡献的因果方差比例仍不明确。研究人员提出“因果解释量（causality explained）”概念，作为表型组广泛风险因子集合对复杂疾病可解释因果方差的估计量；该模型基于主成分回归（principal component regression），即在主成分分析（principal component analysis, PCA）基础上的多变量线性回归。互补地，研究人员提出“多因素指数（polyfactorial index）”以评估风险因素按顺序加入模型时因果解释量的轨迹，从而刻画复杂疾病的因果架构。模拟实验在广泛参数下验证模型可正确评估因果解释量与架构。研究人员使用英国生物样本库（UK Biobank）222个表型组特征对比冠心病（coronary artery disease, CAD）5个已知风险因素，发现表型组集合解释超45%因果性，而已知因素仅28.76%。在13种复杂疾病中，表型组集合解释量从神经性厌食症27%至精神分裂症80%不等，且轨迹持续上升。研究人员提出“全因果模型（omnicausal model）”：大量风险因子个体贡献微小但集体解释大部分因果方差，并区分核心与外周因果因子。该方法为风险因子与疾病间因果架构提供新见解。
研究背景方面，孟德尔随机化（Mendelian randomization, MR）虽能克服观察性研究反向因果与混杂限制，但传统单变量MR（single-variable MR, SVMR）假设遗传变异无水平多效性（horizontal pleiotropy），而人类复杂疾病呈多基因甚至全基因（omnigenic）架构，多效性普遍，导致单变量推断易受偏倚。尽管多变量MR（multivariable MR, MVMR）可纳入多个暴露校正多效性，但各类疾病整体因果贡献度、风险因子相对重要性及因果架构仍不清楚。为此，研究人员在《Genetic Epidemiology》发表本研究，提出“因果解释量（causality explained）”与“多因素指数（polyfactorial index）”指标，构建基于主成分回归的MVMR框架，提出“全因果模型（omnicausal model）”假说。
关键技术方法上，研究人员利用英国生物样本库（UK Biobank）约408961人表型组广泛关联研究（phenome-wide association study, PheWAS）得到的222个PheCode作为暴露，结局来自CARDIoGRAMplusC4D联盟冠心病（coronary artery disease, CAD）汇总统计及13种复杂疾病公开GWAS；以基因型为工具变量（instrumental variables, IVs），先经SVMR按个体因果解释量降序排列暴露，再逐步加入MVMR并用主成分分析（principal component analysis, PCA）处理共线性，以留一法（leave-one-out）计算加权预测R2即因果解释量；多因素指数定义为观测轨迹与从首暴露解释量线性增至100%的理论轨迹间最大差值；模拟部分生成100个暴露含垂直与水平多效性及混杂，验证统计性质。
研究结果部分，小标题2.1方法论概述指出，因果解释量可应用于SVMR与MVMR，PCA规避暴露效应共线性，留一交叉验证误差对应预测误差。小标题2.2模拟统计性质评估显示，随真实因果暴露数增加，轨迹在真实数处出现拐点，最大解释量未达100%系IV检出力有限；多因素指数随因果暴露数增多而升高，接近0表示高度多因素；水平多效性因共享IV提升前期解释量，垂直多效性亦增加非因果暴露贡献，双向效应下结果稳健。小标题2.3全PheCode解释冠心病近半因果性表明，已知风险因素（高脂血症等）集体解释28.76%，218个PheCode集合解释45.38%，超已知因素1.5倍。小标题2.4因果解释量模型区分13种复杂疾病架构显示，精神类病（神经性厌食症至精神分裂症27%–80%）多因素指数极低（0–0.03），炎症肠病类0.106–0.133，2型糖尿病最高0.23；精神分裂症首PheCode（乳糜泻相关）已解释66.4%，最大解释量80%；脑体积性状解释量更低，痛风呈单因素不可解释轨迹。
讨论部分总结，研究人员确认模型在模拟中近100%解释量受IV检出力与多效性影响，真实数据中222 PheCode使CAD解释量翻倍于已知因素；提出全因果模型并区分核心（core）与外周（peripheral）因果因子，核心因子个体贡献大、外周因子微小但集体可观；局限包括UK Biobank暴露IV遗漏、MVMR三大假设、PheCode医学表型可能膨胀解释量、欧洲样本异质性未估；加权中位数敏感性分析结论一致。结论翻译：研究人员通过因果解释量模型及相关指标提出量化风险因子集合对疾病因果解释量的新概念，提出含核心与外周因子的全因果模型，证明大量风险因子个体因果效应小但集体解释大部分因果方差。
