BMP2变异体与阻生智齿关联研究中遗传模型选择与多重检验校正的方法学批评

《Egyptian Journal of Medical Human Genetics》：Comment to: Unraveling the role of BMP2 variant in impacted wisdom teeth: insights from a case-control study

　　尊敬的编辑：我怀着浓厚的兴趣阅读了Sabeti Akbar-Abad及其同事发表在《埃及医学人类遗传学杂志》上的题为"BMP2变异体在阻生智齿中的作用：一项病例对照研究的见解"的文章[1]。该主题确实具有相关性，作者们探讨了一个重要的口腔医学问题。应当承认，原始研究具有若干优点，包括对种族和性别进行了适当校正，且对照组处于Hardy-Weinberg平衡状态。我们的目的是指出一个方法学上的问题，如果加以解决，将有助于改善对其研究结果的解读。然而，我想提请贵编辑注意该研究中关于遗传模型选择的一个具体问题。在遗传关联研究领域，一些研究人员通常会对其数据应用多种常用遗传模型（共显性、显性、隐性、超显性和等位基因模型），并将所有结果并列展示。虽然这种做法看似全面，但引入了两个严重问题。第一个问题是统计学上的。每增加一次检验，都会增加同一数据集上比较的总次数。为了控制总体I类错误率，必须使用Bonferroni校正等方法对显著性阈值进行调整。如果没有进行此类校正，报告至少一个假阳性结果的概率将远高于名义的5%。原作者在未经校正和校正后的形式下分别检验了五种遗传模型，共进行了十次独立的统计检验（如原文表3所示，并在讨论中一并解读）。对这十次比较应用Bonferroni校正，校正后的显著性阈值为α = 0.05 / 10 = 0.005。由于原文中报告的最小p值为0.006（显性模型）和0.011（共显性模型），即使是最显著的结果也超过了校正后的阈值。因此，在经过适当的多重比较校正后，所报告的关联均不会保持统计学显著性。第二个问题涉及可解释性。当多个模型产生不同水平的显著性时，难以判断哪个模型真正反映了变异体与疾病之间潜在的生物学关系。此外值得注意的是，虽然在探索性分析中测试多个模型以生成新假设可能尚可接受，但此类发现应明确标注为"假设生成性"的。然而，在确证性分析中，必须采用单一预设方法，并对多重比较进行适当校正。细心的读者可能会合理地质问：为何选择显性模型而非隐性模型？或者为何要报告等位基因模型？这种模糊性可能导致对可能并不稳健的结果进行过度解读。如上所述，Sabeti Akbar-Abad及其同事在未经校正和校正后（针对种族和性别）的形式下检验并报告了五种遗传模型，实际上涉及了十次独立的统计检验。因此，如果应用Bonferroni校正来校正多重比较，所报告的p值均不会保持统计学显著性。现在，回到文章的表3，根据表3中报告的基因型计数计算，TC和CC基因型的未校正比值比分别为0.36和0.35。采用如在别处所述[2]的遗传模型选择的策略性方法，基于这一数据驱动框架，显性遗传模型似乎是原始研究最合适的选择。当然，在其他情况下，模型选择也可能取决于生物学假设和分析框架。在此类情况下，呈现隐性、超显性和等位基因模型可能不会提供实质性的额外有意义信息，反而在没有明确依据的情况下增加了统计比较的数量。在对本研究提出批评之外，我还想对未来的遗传关联研究提出几点建设性建议。首先，应根据各基因型之间观察到的效应量模式来选择适当的遗传模型，而不是在没有明确依据的情况下同时检验所有可能的模型。其次，当多重检验不可避免时，应采用适当的校正方法（如Bonferroni校正或错误发现率控制），并清晰报告校正后的显著性阈值。第三，遵循已建立的报告指南，如《遗传关联研究报告强化规范》（STREGA）[3]，可以大大提高研究的透明度和完整性。这些做法将增强该领域研究结果的可靠性和可解释性。