Accounting for place: confounding via geography obscures polygenic evidence on mental health and environmental exposures in the UK Biobank

Diese Studie zeigt, dass die explizite Berücksichtigung des lokalen geografischen Kontexts mittels Mehrebenenmodellen für Analysen im UK Biobank unerlässlich ist, da sie offenlegt, dass traditionelle Ein-Ebenen-Modelle, die lediglich für genetische Hauptkomponenten adjustiert sind, aufgrund unbehandelter geografischer Confounding-Effekte verzerrte Assoziationen zwischen polygenen Scores für psychische Gesundheit und Umweltexpositionen wie Grünflächen erzeugen können.

Das Wesentliche

Das große Ganze: Der „Nachbarschaftseffekt" auf die psychische Gesundheit

Stellen Sie sich vor, Sie versuchen herauszufinden, ob eine bestimmte Art von Samen (das genetische Profil einer Person für die psychische Gesundheit) besser in einem Garten (einer grünen, blätterreichen Nachbarschaft) oder auf einem Betonparkplatz (einem städtischen, bebauten Gebiet) wächst.

Lange Zeit haben Wissenschaftler dies untersucht, indem sie Samen in verschiedenen Gärten gepflanzt und gezählt haben, wie viele Blumen gewachsen sind. Sie bemerkten ein Muster: Menschen mit bestimmten genetischen Risiken für Depressionen oder Schizophrenie scheinen oft in weniger grünen Gebieten zu leben, während diejenigen mit besserem genetischem Wohlbefinden scheinbar in grüneren Orten leben.

Aber dieses Papier argumentiert, dass Wissenschaftler das Falsche betrachtet haben. Sie haben den Samen für den Boden verantwortlich gemacht, obwohl eigentlich der Boden (die Nachbarschaft) beeinflusste, wo die Samen überhaupt gelandet sind.

Das Problem: „Verwechslung durch Geografie"

Die Autoren nennen dieses Problem „Verwechslung durch Geografie". Hier ist eine einfache Art, darüber nachzudenken:

Stellen Sie sich vor, Sie sind ein Detektiv, der ein Rätsel lösen soll. Sie bemerken, dass Menschen, die in London leben, tendenziell ein anderes genetisches Profil haben als Menschen, die in den Cotswolds (einem ländlichen Gebiet) leben.

• Der Fehler: Wenn Sie Londoner und Bewohner der Cotswolds einfach vergleichen, ohne darüber nachzudenken, warum sie unterschiedlich sind, könnten Sie denken: „Oh, das Leben in London verursacht diesen genetischen Unterschied."
• Die Realität: Es ist nicht die Stadt, die ihre Gene verändert hat. Es ist vielmehr so, dass Menschen mit bestimmten Hintergründen, Einkommen und Lebensgeschichten (die in Städten versus auf dem Land gruppiert sind) dorthin gezogen sind. Die Stadt hat die Genetik nicht verursacht; die Geschichte und Ökonomie des Ortes haben sowohl die Art der Menschen, die dort leben, als auch die Art der Umwelt, in der sie leben, verursacht.

Das Papier besagt, dass frühere Studien oft vergaßen, diese „Geografie-Falle" zu berücksichtigen. Sie behandelten jede Person als unabhängigen Datenpunkt, wie einzelne Würfelwürfe, obwohl Menschen in derselben Nachbarschaft einander ähnlicher sind als Menschen in der nächsten Stadt.

Das Experiment: Die „Magische Linse" (Mehrebenenmodelle)

Um dies zu beheben, verwendeten die Forscher ein spezielles statistisches Werkzeug, das Mundlak-Modell genannt wird. Stellen Sie sich dies als eine magische Linse vor, die es ihnen erlaubt, die Daten gleichzeitig auf zwei verschiedene Arten zu betrachten:

1. Die „Innerhalb-Nachbarschaft"-Sicht: Dies betrachtet Menschen innerhalb derselben Nachbarschaft. Es fragt: „Wenn zwei Menschen auf derselben Straße wohnen und einer ein hohes genetisches Risiko für Depressionen hat, wohnt er dann in einem weniger grünen Haus als sein Nachbar?"
2. Die „Zwischen-Nachbarschaft"-Sicht: Dies betrachtet die Unterschiede zwischen den Nachbarschaften. Es fragt: „Haben Nachbarschaften mit einem hohen Durchschnitt an Depressionsgenen im Allgemeinen weniger Grünflächen?"

Indem sie diese beiden Ansichten trennten, konnten die Forscher sehen, ob der „Grünflächen"-Effekt für das Individuum real war oder ob es nur eine Illusion war, die durch die Tatsache verursacht wurde, dass bestimmte Nachbarschaftstypen bestimmte Menschentypen anziehen.

Was sie fanden: Die Wendung

Als sie die Daten ohne die „magische Linse" (die alte Methode) betrachteten, fanden sie das, was alle erwarteten:

• Menschen mit Genen für Depressionen schienen in weniger grünen Gebieten zu leben.
• Menschen mit Genen für Schizophrenie schienen in weniger grünen Gebieten zu leben.

Aber als sie die „magische Linse" (die neue Methode) verwendeten, änderte sich die Geschichte völlig:

1. Das „Rauschen" verschwand: Als sie streng nach Menschen innerhalb derselben Nachbarschaft schauten, verschwand der Zusammenhang zwischen schlechten Genen und schlechten Nachbarschaften größtenteils.
2. Das Vorzeichen kehrte sich um: Bei Schizophrenie kehrten sich die Ergebnisse tatsächlich um! Wenn man streng innerhalb von Nachbarschaften schaute, schienen Menschen mit einem höheren genetischen Risiko für Schizophrenie tatsächlich in grüneren Orten zu leben als ihre Nachbarn.
3. Der „Zwischen"-Effekt ist der Schuldige: Der Grund, warum die alten Studien einen Zusammenhang sahen, lag am Zwischen-Nachbarschafts-Effekt. Reichere, grünere Gebiete haben tendenziell andere Bevölkerungen als ärmere, städtische Gebiete. Die alten Studien haben versehentlich die Gene des Einzelnen für den Reichtum oder die Armut der Nachbarschaft verantwortlich gemacht.

Die „Residuen"-Karte: Wo das Modell versagte

Die Forscher betrachteten auch die „übrig gebliebenen" Fehler in ihrem Modell (Residuen). Sie fanden heraus, dass das Modell an extremen Orten am meisten Schwierigkeiten hatte:

• Der Peak District und Nationalparks: Diese sehr ländlichen, grünen Gebiete hatten enorme „Fehler" im Modell.
• Zentral-London: Diese sehr städtischen Gebiete hatten ebenfalls enorme Fehler.

Dies deutet darauf hin, dass man nicht einfach einen Menschen in einem Nationalpark mit einem Menschen in London vergleichen und annehmen kann, sie seien „austauschbar" (vergleichbar). Die Unterschiede zwischen diesen Orten sind so massiv (in Bezug auf Geschichte, Wirtschaft und Kultur), dass ein einfacher genetischer Vergleich nicht funktioniert, es sei denn, man berücksichtigt die enorme Kluft zwischen diesen beiden Welten.

Die Hauptaussage

Das Papier kommt zu dem Schluss, dass Geografie ein starker Störfaktor ist.

Wenn Sie ein Genetiker sind, der die psychische Gesundheit untersucht, können Sie nicht einfach das DNA-Profil einer Person und ihre Adresse betrachten und annehmen, die Adresse sei ein Ergebnis ihrer DNA. Sie müssen erkennen, dass wo Menschen leben, oft durch Faktoren bestimmt wird, die auch die Verteilung ihrer DNA prägen (wie Migrationsmuster, wirtschaftliche Geschichte und lokale Politik).

Die Lösung:
Die Autoren schlagen vor, dass Wissenschaftler routinemäßig diese „magische Linse" (Mehrebenenmodellierung) verwenden sollten, um die Effekte „innerhalb der Nachbarschaft" von den Effekten „zwischen den Nachbarschaften" zu trennen. Wenn sich die Ergebnisse drastisch ändern, wenn man dies tut, bedeutet dies, dass das ursprüngliche Ergebnis wahrscheinlich nur ein Trick der Geografie war und keine echte biologische Ursache.

Kurz gesagt: Beschuldigen Sie den Samen nicht für den Boden. Manchmal ist der Boden einfach dort, wo bestimmte Samen gelandet sind, und wir brauchen bessere Werkzeuge, um den Unterschied zu erkennen.

Technische Zusammenfassung

Technische Zusammenfassung: Berücksichtigung des Ortes: Konfundierung durch Geographie in der genetischen Epidemiologie

Problemstellung
Diese Studie adressiert das Problem der „Konfundierung durch Geographie" in der genetisch-epidemiologischen Forschung, speziell im Kontext der UK Biobank. Während traditionelle Analysen polygener Indizes (PGIs) für psychische Gesundheitseigenschaften typischerweise genetische Hauptkomponenten (PCs) zur Kontrolle der Populationsstratifikation anpassen, berücksichtigen sie oft den lokalen geographischen Kontext nicht. Die Autoren argumentieren, dass sowohl psychische Gesundheitsergebnisse als auch Umwelteinflüsse (wie Grünflächen) starke geographische Muster aufweisen und gemeinsame Ursachen sich demnach nach Ort gruppieren können. Das Ignorieren dieser Struktur kann Verzerrungen hervorrufen und zu Scheinassoziationen zwischen genetisch vorhergesagten Merkmalen und Umwelteinflüssen führen. Die Arbeit geht davon aus, dass die Behandlung von Individuen als unabhängige Beobachtungen in geographisch strukturierten Datensätzen die Gefahr birgt, Varianz, die durch geographisch strukturierte Konfundierungen (z. B. lokale Politik, demographische Unterschiede) erklärt wird, fälschlicherweise genetischen Expositionen auf individueller Ebene zuzuschreiben.

Methodik
Die Autoren nutzten Daten der UK Biobank (N variiert je nach Ergebnis von 209.391 bis 293.851), um die Beziehung zwischen genetisch vorhergesagten Merkmalen der psychischen Gesundheit und zwei Maßen für Wohngrünflächen zu untersuchen:

1. Prozentsatz Grünfläche: Aus Landnutzungsdaten abgeleitete Daten innerhalb eines Radius von 300 m.
2. Normalisierter Differenz-Vegetationsindex (NDVI): Aus Satellitendaten abgeleitete Grünheit innerhalb eines Radius von 500 m.

Die Studie konstruierte PGIs für drei Merkmale: Depression, Wohlbefinden und Schizophrenie, unter Verwendung von Zusammenfassungsstatistiken aus genomweiten Assoziationsstudien (GWAS). Diese PGIs wurden über ein Spektrum von p-Wert-Schwellenwerten (von $p < 0,5$ bis hin zur genomweiten Signifikanz $p < 5 \times 10^{-8}$) generiert, um die Robustheit von Signalen unter variierenden Levels der SNP-Filterung zu testen.

Um geographische Konfundierung zu adressieren, verglichen die Autoren zwei Modellierungsansätze:

1. Eingleitige lineare Regression: Standardmodelle, angepasst für Alter, Geschlecht und die ersten 25 genetischen PCs.
2. Mehrebenen-Mundlak-Modelle: Diese Modelle zerlegen den Effekt des PGI in:
   • Effekte innerhalb des Gebiets: Die Assoziation zwischen dem PGI eines Individuums und der Grünfläche unter Konstanthaltung des Gebietsmittelwerts.
   • Kontextuelle (zwischen-Gebiets-)Effekte: Die Assoziation zwischen dem mittleren PGI eines Viertels und dem Grünflächenergebnis unter Konstanthaltung individueller Merkmale.

Diese Formulierung ermöglicht die explizite Modellierung geographisch strukturierter Varianz, anstatt sie lediglich als Störgröße zu behandeln. Alle Modelle wurden für 25 genetische PCs angepasst.

Hauptergebnisse

• Phänotypische Assoziationen: In Übereinstimmung mit vorheriger Literatur zeigten phänotypische Analysen, dass Personen mit Diagnosen von Depression oder Schizophrenie oder mit geringerem Wohlbefinden tendenziell in Gebieten mit weniger Grünfläche wohnten.
• PGI und Grünfläche (Eingleitig): In eingleitigen Modellen mit weniger streng gefilterten PGIs (höhere p-Wert-Schwellenwerte) waren genetisch vorhergesagte Depression und Schizophrenie mit geringerer Grünfläche assoziiert, während Wohlbefinden mit höherer Grünfläche assoziiert war.
• Abschwächung und Vorzeichenwechsel: Bei Anwendung strengerer p-Wert-Schwellenwerte auf die PGIs schwächten sich die Assoziationen signifikant ab. Bemerkenswerterweise änderte sich bei Schizophrenie das Vorzeichen der Assoziation in strengeren Modellen vollständig.
• Innerhalb des Gebiets vs. Eingleitig: Die innerhalb des Gebiets geschätzten Werte, die aus den Mundlak-Modellen für weniger gefilterte PGIs abgeleitet wurden, stimmten enger mit den Schätzungen überein, die aus streng gefilterten PGIs in eingleitigen Modellen erhalten wurden.
• Kontextuelle Effekte: Die Studie fand starke negative kontextuelle Effekte, insbesondere für Schizophrenie. Dies deutet darauf hin, dass das Leben in einem Gebiet mit einem höheren durchschnittlichen Schizophrenie-PGI mit weniger Grünfläche assoziiert ist, während innerhalb eines bestimmten Gebiets Individuen mit einem höheren Schizophrenie-PGI tatsächlich näher an mehr Grünfläche sein können.
• Geographische Residuen: Die Analyse der Modellresiduen ergab, dass geographisch naive eingleitige Modelle in extremen Umgebungen schlecht abschnitten, wie etwa in Nationalparks (hohe Residuen) und im Zentrum Londons (niedrige Residuen), was darauf hindeutet, dass diese Modelle strukturelle Unterschiede zwischen diesen unterschiedlichen geographischen Kontexten nicht erfassen.

Hauptbeiträge

1. Nachweis von Verzerrung: Die Arbeit liefert empirische Belege dafür, dass das Ignorieren des geographischen Kontexts in der genetischen Epidemiologie zu verzerrten Schätzungen der Beziehung zwischen genetischer Prädisposition und Umwelteinflüssen führen kann.
2. Methodischer Rahmen: Die Autoren befürworten die routinemäßige Verwendung von Mehrebenen-Mundlak-Modellen, um PGI-Effekte in Komponenten innerhalb des Gebiets und kontextuelle Komponenten zu zerlegen. Dieser Ansatz hilft, kausale Pfade auf individueller Ebene von geographisch strukturierten Konfundierungen zu unterscheiden.
3. Vorschlag für Sensitivitätsanalyse: Die Studie schlägt vor, dass der Vergleich von eingleitigen Schätzungen mit innerhalb des Gebiets geschätzten Werten (analog zu einem Hausman-Test) als kritische Sensitivitätsanalyse dient. Wenn diese Schätzungen divergieren, signalisiert dies das Vorhandensein einer Konfundierung durch Geographie, die durch Standardanpassungen für genetische PCs nicht erfasst wird.
4. Wiederherstellung des genetischen Signals: Die Ergebnisse deuten darauf hin, dass die explizite Modellierung des geographischen Kontexts helfen kann, robuste genetische Signale aus verrauschten, weniger gefilterten PGIs wiederherzustellen, was nahelegt, dass der „wahre" Effekt auf individueller Ebene in Standardanalysen durch zwischen-Gebiets-Konfundierung verschleiert sein kann.

Bedeutung und Behauptungen
Die Arbeit behauptet, dass die in früheren Studien beobachteten Assoziationen zwischen PGIs für psychische Gesundheit und Grünflächen wahrscheinlich eher eine Konfundierung durch Geographie widerspiegeln als direkte kausale Pfade. Die Autoren argumentieren, dass genetische Epidemiologen, die mit räumlich strukturierten Populationen arbeiten, den lokalen Kontext routinemäßig untersuchen müssen. Sie vertreten die Auffassung, dass die Annahme einer bedingten Austauschbarkeit zwischen Individuen in völlig unterschiedlichen geographischen Settings (z. B. Zentrum Londons vs. Peak District) oft falsch ist.

Die Studie kommt zu dem Schluss, dass zwar eingleitige Modelle, die für genetische PCs angepasst sind, unzureichend sind, die Einbeziehung des lokalen Kontexts durch Mehrebenen-Modellierung jedoch einen Mechanismus bietet, um auf komplexe kausale Strukturen zu schließen und Verzerrungen zu mindern. Die Autoren empfehlen, dass solche geographisch informierten Sensitivitätsanalysen zu einer Standardpraxis im Feld werden, um die Fehlzuschreibung genetischer Ursachen auf vorgelagerte Umwelt- oder soziale Ursprünge zu verhindern.