Heritable confounding in Mendelian randomization studies

Este artículo demuestra que los estudios de aleatorización mendeliana que utilizan variantes genéticas con tamaños de efecto pequeños son susceptibles a un sesgo de confusión heredable que distorsiona las estimaciones causales en una dirección consistente entre los distintos métodos, pero muestra que este sesgo puede mitigarse mediante filtrado previo a la estimación o mediante MR multivariable cuando se identifican posibles factores de confusión.

Lo esencial

El Panorama General: Intentar Encontrar la Causa "Real"

Imagina que eres un detective tratando de resolver un misterio: ¿La inflamación alta (medida por una proteína llamada Proteína C-Reactiva, o PCR) realmente causa la Diabetes Tipo 2?

En el mundo real, es difícil distinguir la causa del efecto porque todo está mezclado. Quizás las personas que comen mucha comida chatarra tienen tanto inflamación alta como diabetes. Si solo miras los datos, parece que la inflamación causa la diabetes, pero en realidad, la comida chatarra es la culpable. Esto se llama confusión.

Para resolver esto, los científicos utilizan un método llamado Randomización Mendeliana (RM). Piensa en la RM como el uso de boletos de lotería genética como herramienta de un detective.

• Naces con ciertos "boletos" genéticos (variantes) que naturalmente hacen que tus niveles de PCR sean más altos o más bajos.
• Como estos boletos se asignan en la concepción (como una lotería), no están influenciados por tu dieta, estilo de vida o comida chatarra.
• Si las personas con "boletos de PCR alta" desarrollan diabetes con más frecuencia, puedes estar más seguro de que la PCR causa la diabetes, y no la comida chatarra.

El Nuevo Problema: El "Primo Oculto"

Este artículo argumenta que, aunque el método de los boletos de lotería genética es excelente, tiene un nuevo y astuto defecto que está empeorando a medida que avanza la ciencia.

El Defecto: Confusión Heredable
Imagina que tu boleto genético no solo controla tus niveles de PCR directamente. En cambio, imagina que el boleto controla tu peso (adiposidad).

1. Tener más peso hace que tu PCR suba.
2. Tener más peso también hace que sea más probable que desarrolles diabetes.
3. Por lo tanto, tu boleto genético en realidad está tirando de dos cuerdas a la vez: te hace pesado, lo que eleva la PCR y causa diabetes.

En este escenario, el boleto genético no es una prueba pura de la PCR. Es una prueba de "estar pesado". Si usas este boleto para probar que la PCR causa diabetes, en realidad solo estás probando que "estar pesado causa diabetes", pero crees haber probado que es la PCR. El artículo llama a esto confusión heredable.

¿Por qué esto está empeorando? (El Problema de la "Inmersión Profunda")

El artículo explica que, a medida que los científicos obtienen conjuntos de datos cada vez más grandes (como mirar a millones de personas en lugar de miles), comienzan a encontrar boletos genéticos más débiles.

• Los Boletos Fuertes: Los boletos genéticos obvios y poderosos que controlan directamente la PCR son fáciles de encontrar. Estos suelen ser "limpios" y no causan muchos problemas.
• Los Boletos Débiles: A medida que profundizamos, encontramos señales genéticas diminutas y débiles. Estas suelen ser "distales": están lejos en la cadena biológica. Podrían controlar una proteína diminuta que controla otra proteína, la cual luego controla tu peso, la cual luego controla la PCR.

La Analogía:
Piensa en una máquina de Rube Goldberg.

• Los boletos fuertes son la pelota golpeando el primer dominó. Es una línea directa hacia el resultado.
• Los boletos débiles (encontrados en estudios masivos) son la pelota golpeando una pluma, que golpea un ventilador, que sopla una vela, que mueve un bote, que golpea el dominó.
• Cuantos más pasos haya en la cadena, más probable es que exista un "camino lateral" (un factor de confusión) que arruine el resultado.

El artículo muestra que cuantos más boletos genéticos encontramos, más probable es que elijamos los "débiles y desordenados" que en realidad están vinculados a factores de confusión ocultos (como el peso). Esto hace que los resultados parezcan más sesgados, no menos.

La Trampa de la "Falsa Confianza"

El artículo advierte que cuando los científicos utilizan métodos informáticos estándar para analizar estos boletos desordenados, los resultados a menudo parecen muy consistentes y seguros.

• Es como tener un grupo de testigos que todos cuentan la misma historia, pero en realidad están repitiendo la misma mentira porque todos están influenciados por el mismo factor oculto (el gen "pesado").
• El artículo muestra que los métodos estándar a menudo no logran detectar esto, llevando a los investigadores a creer que han encontrado una relación de causa y efecto cuando no la han encontrado.

La Solución: Cómo Arreglar el Trabajo de Detective

Los autores sugieren dos formas sencillas de solucionar esto, utilizando el ejemplo de la PCR y la Diabetes:

1. El Enfoque "Multivariable" (Verificando los Efectos Secundarios):
   En lugar de solo preguntar: "¿Afecta este boleto a la PCR?", pregunta: "¿Afecta este boleto también al peso?".

   • Si un boleto afecta al peso, y el peso afecta a la diabetes, podemos usar una herramienta estadística para "restar" el efecto del peso. Esto aísla el efecto puro de la PCR.
   • Resultado en el artículo: Cuando hicieron esto para la PCR, el vínculo con la diabetes desapareció. Resultó que la PCR no era la causa; el peso era el verdadero culpable.

2. El "Filtro Steiger" (La Verificación de Control de Calidad):
   Este es un filtro que descarta cualquier boleto genético que explique más variación en el factor de confusión (peso) que en la exposición (PCR).

   • Si un boleto es mejor para predecir el peso que para predecir la PCR, es un "mal boleto" para esta prueba específica. Tíralo.
   • Resultado en el artículo: Eliminar estos malos boletos también hizo que el vínculo entre la PCR y la diabetes desapareciera.

La Conclusión

El artículo concluye que la Randomización Mendeliana no es inmune al sesgo. De hecho, a medida que encontramos más y más señales genéticas diminutas, podríamos estar detectando accidentalmente más señales "confundidas".

• La Lección: Solo porque un estudio utiliza genética no significa que sea perfecto. Los investigadores necesitan verificar si sus "boletos" genéticos están realmente vinculados a otras cosas (como el peso, la dieta u otras enfermedades) que podrían ser la causa real.
• El Hallazgo Específico: En el caso de la Proteína C-Reactiva y la Diabetes Tipo 2, el vínculo aparente fue probablemente una ilusión causada por la adiposidad (grasa corporal). Una vez que los investigadores ajustaron esta "confusión heredable", la evidencia de que la PCR causa diabetes desapareció.

En resumen: No confíes en la lotería genética solo porque es aleatoria. Tienes que asegurarte de que el boleto que elegiste no sea en realidad un boleto para algo completamente diferente.

Resumen técnico

A continuación se presenta un resumen técnico detallado del artículo "Heritable confounding in Mendelian randomization studies" de Sanderson et al.

1. Planteamiento del Problema

La Aleatorización Mendeliana (MR) es un método epidemiológico ampliamente utilizado que emplea variantes genéticas como variables instrumentales (VI) para inferir efectos causales de las exposiciones sobre los resultados. Se basa en el supuesto de equivalencia genético-ambiental, específicamente en que los instrumentos genéticos influyen en el resultado únicamente a través de la exposición de interés (sin pleiotropía horizontal).

El artículo aborda una violación crítica, a menudo pasada por alto, de este supuesto: la confusión heredable. Esto ocurre cuando los instrumentos genéticos están asociados con un confusor heredable que afecta tanto a la exposición como al resultado. Los autores argumentan que, a medida que aumentan los tamaños de muestra de los estudios de asociación del genoma completo (GWAS), los investigadores identifican variantes con tamaños de efecto más pequeños. Estas variantes de menor efecto suelen ser más distales en la vía biológica (mediadas por rasgos aguas arriba) y, por lo tanto, son más propensas a asociarse con confusores, lo que conduce a una pleiotropía correlacionada. Este sesgo puede ser más grave que el sesgo encontrado en la regresión lineal tradicional y puede inducir a error a los investigadores incluso cuando múltiples métodos de MR producen resultados consistentes.

2. Metodología

Los autores emplearon un enfoque multifacético que combina derivación teórica, simulaciones de redes y un estudio de caso aplicado:

• Análisis Teórico del Sesgo:

  • Derivaron expresiones matemáticas que comparan el sesgo en las estimaciones de MR (utilizando un único instrumento) frente a las estimaciones de regresión lineal en presencia de un único confusor heredable no observado.
  • Demostraron que el sesgo de la MR depende de la relación entre el efecto pleiotrópico (instrumento $\to$ resultado a través del confusor) y el efecto del instrumento sobre la exposición.

• Simulaciones de Redes:

  • Utilizando el paquete R/dagitty, simularon Grafos Acíclicos Dirigidos (DAG) aleatorios que representan redes genotipo-fenotipo con números variables de rasgos (N=75 a 150) y densidades de aristas.
  • Modelaron el descubrimiento de instrumentos genéticos como una función del tamaño de muestra del GWAS (simulado variando los umbrales de valor p).
  • Hipótesis: Las variantes con trayectorias más largas hacia la exposición (más distales) tienen tamaños de efecto más pequeños y es más probable que actúen a través de confusores.

• Simulación del Sesgo de los Estimadores de MR:

  • Simularon datos donde una exposición y un resultado están confundidos por un rasgo heredable, sin que exista un efecto causal real entre ellos.
  • Probaron métodos estándar de MR univariable (Ponderación por Inversa de la Varianza [IVW], MR-Egger, Mediana Ponderada, Modo Ponderado) frente a dos estrategias de mitigación propuestas:
    1. MR Multivariable (MVMR): Incluir el confusor como una exposición adicional.
    2. Filtrado de Steiger: Eliminar los SNP que explican más varianza en el confusor que en la exposición.
  • También probaron métodos avanzados diseñados para la pleiotropía correlacionada: CAUSE y MR-cML.

• Estudio de Caso Aplicado (CRP $\to$ Diabetes Tipo 2):

  • Exposición: Proteína C-Reactiva (CRP).
  • Resultado: Diabetes Tipo 2 (T2D).
  • Proceso:
    1. Identificaron 728 variantes principales para CRP a partir de un GWAS grande.
    2. Realizaron un Estudio de Asociación del Fenotipo (PheWAS) utilizando el Catálogo GWAS para identificar rasgos asociados con estos instrumentos de CRP.
    3. Filtraron los rasgos que también se asociaban con la T2D, identificando 235 posibles confusores heredables.
    4. Aplicaron el filtrado de Steiger y el MVMR para ajustar por los principales confusores (específicamente rasgos relacionados con la adiposidad y biomarcadores proteicos).
    5. Compararon los resultados con CAUSE y MR-cML.

3. Contribuciones Clave

• Identificación de un Mecanismo de Sesgo Específico: El artículo aclara que la "confusión heredable" es una fuente de sesgo distinta donde los instrumentos genéticos están vinculados a confusores aguas arriba, generando pleiotropía correlacionada.
• Paradoja del Tamaño de Muestra: Destaca un hallazgo contraintuitivo: los tamaños de muestra más grandes en GWAS aumentan el riesgo de sesgo por confusión heredable. A medida que crecen los tamaños de muestra, se descubren e incluyen como instrumentos variantes más débiles (que a menudo son más distales y pleiotrópicas), violando los supuestos de las VI con mayor frecuencia que las variantes fuertes y proximales.
• Magnitud del Sesgo: Los resultados teóricos y de simulación muestran que las estimaciones de MR sesgadas por confusión heredable pueden estar más sesgadas que las estimaciones de regresión lineal observacional correspondientes, lo que podría llevar a una falsa confianza en las afirmaciones causales.
• Limitaciones de los Métodos Robustos Actuales: El estudio demuestra que los métodos estándar "robustos a la pleiotropía" (MR-Egger, Mediana Ponderada) y los métodos bayesianos avanzados (CAUSE, MR-cML) fallan en corregir el sesgo cuando la mayoría de los instrumentos están asociados con un confusor heredable específico (pleiotropía correlacionada).
• Soluciones Propuestas: Los autores abogan por el uso sistemático del filtrado de Steiger y del MR Multivariable (MVMR) utilizando confusores conocidos o sospechados como verificaciones de robustez primarias.

4. Resultados Clave

• Hallazgos de la Simulación:

  • En escenarios donde una alta proporción de SNP actúa a través de un confusor, todos los métodos de MR univariable (IVW, MR-Egger, etc.) produjeron estimaciones sesgadas consistentes con la asociación observacional confundida.
  • El MVMR y el filtrado de Steiger recuperaron con éxito el efecto causal nulo (el valor real en la simulación) cuando el confusor era conocido y medible.
  • Métodos como CAUSE y MR-cML no lograron corregir el sesgo en presencia de una fuerte pleiotropía correlacionada, arrojando estimaciones similares a los resultados sesgados de IVW.

• Hallazgos del Estudio de Caso (CRP $\to$ T2D):

  • La MR univariable inicial sugirió un efecto causal de la CRP sobre la T2D.
  • El PheWAS identificó rasgos relacionados con la adiposidad y biomarcadores proteicos (vinculados al locus APOE, rs429358) como principales confusores.
  • Tanto el filtrado de Steiger (eliminando variantes asociadas más fuertemente con la adiposidad) como el MVMR (ajustando por adiposidad) condujeron a una atenuación sustancial de la estimación del efecto, haciendo que el vínculo causal entre CRP y T2D dejara de ser significativo (compatible con un efecto nulo).
  • Esto sugiere que la asociación original fue impulsada por confusión heredable (probablemente la grasa corporal influyendo tanto en la CRP como en la T2D) en lugar de un efecto causal directo de la inflamación.

5. Significado e Implicaciones

• Reevaluación de la Literatura de MR: Los hallazgos sugieren que muchos estudios de MR existentes, particularmente aquellos que utilizan datos de biobancos grandes e instrumentos más débiles, pueden haber sobreestimado los efectos causales debido a la confusión heredable no contabilizada.
• Cambio Metodológico: El artículo argumenta que la MR no es inmune al sesgo de confusión y requiere estrategias de ajuste activas similares a (pero distintas de) la regresión lineal.
• Equivalencia Genético-Ambiental (GEE): Los autores cuestionan la plausibilidad de la GEE para muchos rasgos complejos, señalando que si las variantes genéticas influyen en una exposición a través de fenotipos aguas arriba (por ejemplo, la adiposidad afectando a la CRP), la manipulación genética no imita una intervención específica sobre la exposición únicamente.
• Recomendaciones Prácticas:
  • Los investigadores deben examinar sistemáticamente los instrumentos en busca de asociaciones con confusores conocidos (mediante PheWAS).
  • El filtrado de Steiger y el MVMR deben ser verificaciones de robustez estándar.
  • La consistencia entre diferentes métodos de MR no garantiza la validez si todos los métodos comparten el mismo sesgo subyacente derivado de un confusor dominante.
  • Los resultados deben interpretarse dentro de un marco de "triangulación de evidencia", reconociendo que la MR es susceptible a sesgos específicos que difieren de los estudios observacionales.

En conclusión, este artículo ofrece una advertencia rigurosa de que el "estándar de oro" de la MR es vulnerable a la confusión heredable, particularmente en la era de los conjuntos de datos masivos de GWAS, y ofrece herramientas prácticas y accesibles para mitigar esta amenaza.