【佳学基因检测】基因解码技术体系之孟德尔随机化

在基因检测结果的准确性和全面性方面，另一种越来越频繁地用于严格评估相关表型之间因果通路的设计是孟德尔随机化 (MR)。孟德尔随机化 (MR) 设计基于工具变量分析，该分析是在经济学中发展起来的，被比作随机对照试验。该设计基于这样一种想法，即如果要假设两个变量之间的因果关系（例如吸烟导致饮酒量增加），则研究该关系的简单回归分析将容易受到所有可能的混杂变量的影响。即使将已知的、相关的混杂变量作为协变量包括在分析中，仍然存在影响关系的未测量变量的可能性。然而，如果暴露变量（在这个例子中是吸烟）的代理可以被确定为随机分布在人群中，因此没有这些混淆，这将允许就因果关系做出更有力的结论。

根据佳学基因解码，每一个从父母那里继承的等位基因在减数分裂过程中是随机分布的，所以遗传变异可以代表这样的代理，因为任何可能的混杂因素都应该在基因型中平均分布。因此，代理变量和结果变量之间的关联提供了暴露变量是否与结果变量因果相关的无偏检验。 例如，最近的一项研究检查了吸烟对体重指数 (BMI) 的影响。基因解码使用15 号染色体上CHRNA5-A3-B4基因簇中的 rs1051730 变体作为工具变量，因为它与吸烟有密切关系（烟草和遗传学联盟，2010）。在样本中，rs1051730 基因型与吸烟以及 BMI 相关。孟德尔随机化 (MR) 的一个重要假设是工具变量（即基因型）仅通过暴露变量（即吸烟）影响结果变量（即 BMI），因此，多效性的存在（例如，rs1051730 影响两者独立的表型）将违反这一假设。为了评估这种可能性，作者按吸烟状况对样本进行了分层，发现 rs1051730 影响吸烟者的 BMI，但不影响非吸烟者。因此，rs1051730与吸烟没有关系的BMI无关，这为孟德尔随机化 (MR)假设以及吸烟与BMI有因果关系的结论提供了支持。通过这种方式，孟德尔随机化 (MR)研究有潜力对相关疾病之间的因果途径进行强有力的分析，从而对其共病提供见解。 应该注意的是，孟德尔随机化 (MR) 设计存在一些限制。最重要的是，必须存在与所研究的因果变量密切相关的已知基因突变，此外，这种相关性越小，所需的样本量就越大。

出于这个原因，多基因风险评分已被提议作为孟德尔随机化中作为工具变量的个体变异的替代方案，这就是为什么在佳学基因解码技术体系中进行讨论的原因。尽管如此，这会使评估孟德尔随机化的假设变得更加困难，例如不存在多效性。已经进行了应用于少量基因突变序列及位点的研究，但是孟德尔随机化 (MR) 应用中使用由数百甚至数千个基因检测位点采用多基因风险评分的应用还是有限的。对于物质使用障碍，使用未暴露的个体（例如，非吸烟者）检查遗传风险和结果变量之间的关系可以作为多效性的测试，但类似的例子可能不适用于其他疾病。尽管如此，孟德尔随机化 (MR) 应用具有特别的前景，是基因解码技术中用来更好地了解精神疾病合并症的另一种重要方