在上一期的推送中,我们以MR分析方法为主题,将研究分为单样本研究、两样本研究和多变量MR,系统地给大家进行了总结(第10期. 孟德尔随机化主要分析方法汇总)。今天我们继续以 [BMJ. 2019] 为例(详见参考文献),给大家解读结果部分。本文主要结果一共包括1图2表。
作者筛选出了73个SNPs作为BMI的工具变量(筛选过程已在前面分享,详见第8期. 孟德尔随机化最重要的决策),并通过附件表格TableS1展示。
第2列effect_allele(ALT)代表研究对象在该位点的碱基。第3列other_allele(REF)代表参考基因组在该位点的碱基。第4列beta值代表SNP的效应值,若beta>0代表该SNP与暴露成正相关,beta<0则为负相关。第7列p-value代表SNP与表型的关联性,主要就是用这一列筛选出与BMI在全基因组水平上显著相关的SNP(一般要求P<5×10-8)。
2. 主要结果二:线性MR分析结果
与上期介绍的线性MR一致,在具有个体水平数据的单样本研究中,可以使用两阶段最小二乘法(2SLS)进行因果效应估计。
1. 人群中BMI的总体分布增加1个单位将导致总体死亡风险增加4%(95%可信区间2% ~ 6%)。在两项研究中,女性的估计值均高于男性。基因预测的BMI每增加1个单位,超重参与者(BMI 25.0 ~ 29.9)的死亡风险增加5%( 1% ~ 8%),肥胖参与者(BMI≥30.0)的死亡风险增加9%(4% ~ 14%)。但体重过轻的参与者(BMI <18.5)风险降低34%(16% ~ 48%),低体重参与者(BMI 18.5 ~ 19.9)风险降低14% (- 1% ~ 27%)。这样的结果就已提示BMI和死亡风险之间可能存在非线性的因果关联。因此,作者后续展示了非线性MR的结果。3. 主要结果三:非线性MR分析结果
上图显示遗传预测的BMI和全因死亡率之间呈J形关系,即体重过轻的参与者以及超重或肥胖的参与者的风险均较高。这一关系在UK biobank中更为明显。
主要结果的介绍就告一段落了。下一期,我们将继续以[BMJ. 2019]文献为例,继续解读MR敏感性分析和亚组分析的结果。
大家对于推送内容有任何问题或建议可以在公众号菜单栏“更多--读者的话”栏目中提出,我们会尽快回复!
参考文献
Sun YQ, Burgess S, Staley JR, Wood AM, Bell S, Kaptoge SK, Guo Q, Bolton TR, Mason AM, Butterworth AS, Di Angelantonio E, Vie GÅ, Bjørngaard JH, Kinge JM, Chen Y, Mai XM. Body mass index and all cause mortality in HUNT and UK Biobank studies: linear and non-linear mendelian randomisation analyses. BMJ. 2019 Mar 26;364:l1042. doi: 10.1136/bmj.l1042. PMID: 30957776; PMCID: PMC6434515.期待已久~|临床科研与统计互助交流群来啦!
(欢迎大家入群交流~
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报。