简介：全基因组关联研究的发展和汇总遗传关联数据的日益可用性，使得孟德尔随机化的应用相对简单。然而，从孟德尔随机化调查中获得可靠的结果仍然存在问题，因为传统的逆方差加权方法仅在分析中的所有遗传变异都是有效工具变量时才能给出一致的估计。我们提出了一种新的加权中值估计方法，将多个遗传变异的数据组合成一个单一的因果估计量。即使50%的信息来自无效的工具变量，这种估计也是一致的。在模拟分析中，该方法比逆方差加权方法有更好的有限样本1型错误率，是对最近提出的MR-Egger(孟德尔随机化egger)回归方法的补充。在分析低密度脂蛋白胆固醇和高密度脂蛋白胆固醇对冠状动脉疾病风险的因果效应时，逆方差加权法表明两种脂质组分的因果效应，而加权中值和MR-Egger回归方法表明，高密度脂蛋白胆固醇的效应为零，与实验证据相符。对于具有多重遗传变异的孟德尔随机化调查，基于中位数和MR-Egger回归方法都应被视为敏感性分析。

文章链接：https://pubmed.ncbi.nlm.nih.gov/27061298/

内容中包含的图片若涉及版权问题，请及时与我们联系删除