Heritable confounding in Mendelian randomization studies

Cet article démontre que les études de randomisation mendélienne utilisant des variants génétiques à faibles effets sont sensibles à une confusion héréditaire qui biaise les estimations causales dans une direction cohérente à travers les différentes méthodes, mais montre que ce biais peut être atténué par un filtrage préalable à l'estimation ou par une MR multivariée lorsque les facteurs de confusion potentiels sont identifiés.

L'essentiel

La Vue d'Ensemble : Tenter de Trouver la « Vraie » Cause

Imaginez que vous êtes un détective essayant de résoudre une énigme : L'inflammation élevée (mesurée par une protéine appelée Protéine C-Réactive, ou CRP) cause-t-elle réellement le Diabète de Type 2 ?

Dans le monde réel, il est difficile de distinguer la cause de l'effet car tout est mélangé. Peut-être que les personnes qui mangent beaucoup de malbouffe ont à la fois une inflammation élevée et le diabète. Si vous regardez simplement les données, cela ressemble à ce que l'inflammation cause le diabète, mais en réalité, la malbouffe est le coupable. Cela s'appelle un facteur de confusion.

Pour résoudre cela, les scientifiques utilisent une méthode appelée Mendelian Randomization (MR). Imaginez la MR comme l'utilisation de billets de loterie génétiques comme outil d'enquête.

• Vous naissez avec certains « billets » génétiques (variantes) qui rendent naturellement vos niveaux de CRP plus élevés ou plus bas.
• Parce que ces billets sont attribués à la conception (comme une loterie), ils ne sont pas influencés par votre alimentation, votre mode de vie ou la malbouffe.
• Si les personnes ayant des « billets CRP élevés » développent plus souvent le diabète, vous pouvez être plus confiant que la CRP cause le diabète, et non la malbouffe.

Le Nouveau Problème : Le « Cousin Caché »

Ce document soutient que, bien que la méthode des billets de loterie génétiques soit excellente, elle présente un nouveau défaut sournois qui s'aggrave à mesure que la science progresse.

Le Défaut : La Confusion Héréditaire
Imaginez que votre billet génétique ne contrôle pas directement vos niveaux de CRP. Au lieu de cela, imaginez que le billet contrôle votre poids (adiposité).

1. Être plus lourd fait augmenter votre CRP.
2. Être plus lourd augmente aussi vos chances de développer un diabète.
3. Ainsi, votre billet génétique tire en réalité deux ficelles à la fois : il vous rend lourd, ce qui élève la CRP et cause le diabète.

Dans ce scénario, le billet génétique n'est pas un test pur de la CRP. C'est un test du « fait d'être lourd ». Si vous utilisez ce billet pour prouver que la CRP cause le diabète, vous prouvez en réalité seulement que « le fait d'être lourd cause le diabète », mais vous pensez avoir prouvé que c'est la CRP. Le document appelle cela la confusion héréditaire.

Pourquoi cela empire-t-il ? (Le Problème de la « Plongée Profonde »)

Le document explique qu'à mesure que les scientifiques obtiennent des ensembles de données de plus en plus vastes (comme regarder des millions de personnes au lieu de milliers), ils commencent à trouver des billets génétiques plus faibles.

• Les Billets Forts : Les billets génétiques évidents et puissants qui contrôlent directement la CRP sont faciles à trouver. Ils sont généralement « propres » et ne causent pas beaucoup de problèmes.
• Les Billets Faibles : À mesure que nous creusons plus profondément, nous trouvons de minuscules signaux génétiques faibles. Ceux-ci sont souvent « distants » — ils sont loin dans la chaîne biologique. Ils pourraient contrôler une petite protéine qui contrôle une autre protéine, qui ensuite contrôle votre poids, qui ensuite contrôle la CRP.

L'Analogie :
Imaginez une machine de Rube Goldberg.

• Les billets forts sont la balle frappant le premier domino. C'est une ligne directe vers le résultat.
• Les billets faibles (trouvés dans les grandes études) sont la balle frappant une plume, qui frappe un ventilateur, qui souffle sur une voile, qui déplace un bateau, qui frappe le domino.
• Plus il y a d'étapes dans la chaîne, plus il est probable qu'il existe un « chemin secondaire » (un facteur de confusion) qui gâche le résultat.

Le document montre que plus nous trouvons de billets génétiques, plus nous sommes susceptibles de choisir ceux qui sont « faibles et désordonnés », qui sont en réalité liés à des facteurs de confusion cachés (comme le poids). Cela rend les résultats plus biaisés, et non moins.

Le Piège de la « Fausse Confiance »

Le document met en garde contre le fait que lorsque les scientifiques utilisent des méthodes informatiques standard pour analyser ces billets désordonnés, les résultats semblent souvent très cohérents et confiants.

• C'est comme avoir un groupe de témoins qui racontent tous la même histoire, mais qui répètent en réalité le même mensonge parce qu'ils sont tous influencés par le même facteur caché (le gène « lourd »).
• Le document montre que les méthodes standard échouent souvent à repérer cela, amenant les chercheurs à croire qu'ils ont trouvé une relation de cause à effet alors qu'ils ne l'ont pas.

La Solution : Comment Réparer le Travail d'Enquête

Les auteurs suggèrent deux façons simples de résoudre ce problème, en utilisant l'exemple de la CRP et du Diabète :

1. L'Approche « Multivariable » (Vérifier les Effets Secondaires) :
   Au lieu de simplement demander : « Ce billet affecte-t-il la CRP ? », demandez : « Ce billet affecte-t-il aussi le poids ? »

   • Si un billet affecte le poids, et que le poids affecte le diabète, nous pouvons utiliser un outil statistique pour « soustraire » l'effet du poids. Cela isole l'effet pur de la CRP.
   • Résultat dans le document : Lorsqu'ils ont fait cela pour la CRP, le lien avec le diabète a disparu. Il s'est avéré que la CRP n'était pas la cause ; le poids était le vrai coupable.

2. Le « Filtre Steiger » (Le Contrôle Qualité) :
   C'est un filtre qui rejette tout billet génétique qui explique plus de variation dans le facteur de confusion (poids) que dans l'exposition (CRP).

   • Si un billet est meilleur pour prédire le poids que pour prédire la CRP, c'est un « mauvais billet » pour ce test spécifique. Jetez-le.
   • Résultat dans le document : Le retrait de ces mauvais billets a également fait disparaître le lien entre la CRP et le diabète.

La Conclusion

Le document conclut que la Randomisation Mendélienne n'est pas immunisée contre les biais. En fait, à mesure que nous trouvons de plus en plus de petits signaux génétiques, nous risquons de capter accidentellement davantage de signaux « confondus ».

• La Leçon : Le fait qu'une étude utilise la génétique ne signifie pas qu'elle est parfaite. Les chercheurs doivent vérifier si leurs « billets » génétiques sont en réalité liés à d'autres choses (comme le poids, l'alimentation ou d'autres maladies) qui pourraient être la vraie cause.
• La Découverte Spécifique : Dans le cas de la Protéine C-Réactive et du Diabète de Type 2, le lien apparent était probablement une illusion causée par l'adiposité (graisse corporelle). Une fois que les chercheurs ont ajusté cette « confusion héréditaire », la preuve que la CRP cause le diabète a disparu.

En bref : Ne faites pas confiance à la loterie génétique simplement parce qu'elle est aléatoire. Vous devez vous assurer que le billet que vous avez choisi n'est pas en réalité un billet pour quelque chose d'autre entièrement.

Résumé technique

1. Énoncé du problème

La randomisation mendélienne (RM) est une méthode épidémiologique largement utilisée qui exploite des variants génétiques en tant que variables instrumentales (VI) pour inférer des effets causaux d'expositions sur des issues. Elle repose sur l'hypothèse d'équivalence gène-environnement, spécifiquement que les instruments génétiques influencent l'issue uniquement par l'exposition d'intérêt (pas de pléiotropie horizontale).

L'article aborde une violation critique, souvent négligée, de cette hypothèse : le bruit de fond héréditaire (heritable confounding). Cela se produit lorsque les instruments génétiques sont associés à un facteur de confusion héréditaire qui affecte à la fois l'exposition et l'issue. Les auteurs soutiennent que, à mesure que la taille des échantillons des études d'association pangénomique (GWAS) augmente, les chercheurs identifient des variants avec des tailles d'effet plus faibles. Ces variants à faible effet sont souvent plus distaux dans la voie biologique (médiatisés par des traits en amont) et sont donc plus susceptibles d'être associés à des facteurs de confusion, conduisant à une pléiotropie corrélée. Ce biais peut être plus sévère que le biais trouvé dans la régression linéaire traditionnelle et peut induire les chercheurs en erreur, même lorsque plusieurs méthodes de RM produisent des résultats cohérents.

2. Méthodologie

Les auteurs ont employé une approche multifacette combinant une dérivation théorique, des simulations de réseaux et une étude de cas appliquée :

• Analyse théorique du biais :

  • Ils ont dérivé des expressions mathématiques comparant le biais dans les estimations de RM (utilisant un instrument unique) par rapport aux estimations de régression linéaire en présence d'un seul facteur de confusion héréditaire non observé.
  • Ils ont démontré que le biais de RM dépend du rapport entre l'effet pléiotropique (instrument $\to$ issue via le facteur de confusion) et l'effet de l'instrument sur l'exposition.

• Simulations de réseaux :

  • En utilisant le package R/dagitty, ils ont simulé des graphes acycliques dirigés (DAG) aléatoires représentant des réseaux génotype-phénotype avec des nombres variables de traits (N=75 à 150) et des densités d'arêtes.
  • Ils ont modélisé la découverte d'instruments génétiques en fonction de la taille de l'échantillon GWAS (simulée en faisant varier les seuils de valeur p).
  • Hypothèse : Les variants avec des chemins plus longs vers l'exposition (plus distaux) ont des tailles d'effet plus faibles et sont plus susceptibles d'agir via des facteurs de confusion.

• Simulation du biais des estimateurs de RM :

  • Ils ont simulé des données où une exposition et une issue sont confondues par un trait héréditaire, sans véritable effet causal entre elles.
  • Ils ont testé des méthodes standard de RM univariée (Pondération par l'inverse de la variance [IVW], MR-Egger, Médiane pondérée, Mode pondéré) contre deux stratégies d'atténuation proposées :
    1. RM multivariée (MVMR) : Incluant le facteur de confusion comme exposition supplémentaire.
    2. Filtrage de Steiger : Supprimant les SNP qui expliquent plus de variance dans le facteur de confusion que dans l'exposition.
  • Ils ont également testé des méthodes avancées conçues pour la pléiotropie corrélée : CAUSE et MR-cML.

• Étude de cas appliquée (CRP $\to$ Diabète de type 2) :

  • Exposition : Protéine C-réactive (CRP).
  • Issue : Diabète de type 2 (DT2).
  • Processus :
    1. Identification de 728 variants principaux pour la CRP à partir d'un large GWAS.
    2. Réalisation d'une étude d'association pan-phénotypique (PheWAS) utilisant le catalogue GWAS pour identifier les traits associés à ces instruments CRP.
    3. Filtrage des traits associés également au DT2, identifiant 235 facteurs de confusion héréditaires potentiels.
    4. Application du filtrage de Steiger et de la MVMR pour ajuster les principaux facteurs de confusion (spécifiquement les traits liés à l'adiposité et les biomarqueurs protéiques).
    5. Comparaison des résultats avec CAUSE et MR-cML.

3. Contributions clés

• Identification d'un mécanisme de biais spécifique : L'article clarifie que le « bruit de fond héréditaire » est une source distincte de biais où les instruments génétiques sont liés à des facteurs de confusion en amont, générant une pléiotropie corrélée.
• Paradoxe de la taille de l'échantillon : Il met en évidence un résultat contre-intuitif : des tailles d'échantillon GWAS plus grandes augmentent le risque de biais de bruit de fond héréditaire. À mesure que les tailles d'échantillon augmentent, des variants plus faibles (qui sont souvent plus distaux et pléiotropes) sont découverts et inclus comme instruments, violant plus fréquemment les hypothèses des VI que les variants forts et proximaux.
• Amplitude du biais : Les résultats théoriques et de simulation montrent que les estimations de RM biaisées par le bruit de fond héréditaire peuvent être plus biaisées que les estimations correspondantes de régression linéaire observationnelle, conduisant potentiellement à une fausse confiance dans les affirmations causales.
• Limites des méthodes robustes actuelles : L'étude démontre que les méthodes standard « robustes à la pléiotropie » (MR-Egger, Médiane pondérée) et les méthodes bayésiennes avancées (CAUSE, MR-cML) échouent à corriger le biais lorsque la majorité des instruments sont associés à un facteur de confusion héréditaire spécifique (pléiotropie corrélée).
• Solutions proposées : Les auteurs préconisent l'utilisation systématique du filtrage de Steiger et de la RM multivariée (MVMR) en utilisant des facteurs de confusion connus ou suspectés comme vérifications de robustesse primaires.

4. Résultats clés

• Résultats des simulations :

  • Dans les scénarios où une forte proportion de SNP agit via un facteur de confusion, toutes les méthodes de RM univariée (IVW, MR-Egger, etc.) ont produit des estimations biaisées cohérentes avec l'association observationnelle confondue.
  • La MVMR et le filtrage de Steiger ont permis de retrouver avec succès l'effet causal nul (la valeur vraie dans la simulation) lorsque le facteur de confusion était connu et mesurable.
  • Des méthodes comme CAUSE et MR-cML n'ont pas réussi à corriger le biais en présence d'une forte pléiotropie corrélée, produisant des estimations similaires aux résultats IVW biaisés.

• Résultats de l'étude de cas (CRP $\to$ DT2) :

  • La RM univariée initiale suggérait un effet causal de la CRP sur le DT2.
  • La PheWAS a identifié des traits liés à l'adiposité et des biomarqueurs protéiques (liés au locus APOE, rs429358) comme principaux facteurs de confusion.
  • Le filtrage de Steiger (suppression des variants associés plus fortement à l'adiposité) et la MVMR (ajustement pour l'adiposité) ont tous deux conduit à une atténuation substantielle de l'estimation de l'effet, rendant le lien causal entre la CRP et le DT2 non significatif (compatible avec un effet nul).
  • Cela suggère que l'association originale était pilotée par un bruit de fond héréditaire (probablement la masse grasse corporelle influençant à la fois la CRP et le DT2) plutôt que par un effet causal direct de l'inflammation.

5. Signification et implications

• Réévaluation de la littérature sur la RM : Les résultats suggèrent que de nombreuses études de RM existantes, en particulier celles utilisant des données de grandes biobanques et des instruments plus faibles, ont pu surestimer les effets causaux en raison d'un bruit de fond héréditaire non pris en compte.
• Changement méthodologique : L'article soutient que la RM n'est pas immunisée contre le biais de confusion et nécessite des stratégies d'ajustement actives similaires (mais distinctes) à celles de la régression linéaire.
• Équivalence gène-environnement (GEE) : Les auteurs remettent en question la plausibilité de la GEE pour de nombreux traits complexes, notant que si des variants génétiques influencent une exposition via des phénotypes en amont (par exemple, l'adiposité affectant la CRP), la manipulation génétique ne mime pas une intervention spécifique sur l'exposition seule.
• Recommandations pratiques :
  • Les chercheurs devraient systématiquement examiner les instruments pour détecter des associations avec des facteurs de confusion connus (via PheWAS).
  • Le filtrage de Steiger et la MVMR devraient être des vérifications de robustesse standard.
  • La cohérence entre différentes méthodes de RM ne garantit pas la validité si toutes les méthodes partagent le même biais sous-jacent provenant d'un facteur de confusion dominant.
  • Les résultats doivent être interprétés dans un cadre de « triangulation des preuves », reconnaissant que la RM est sujette à des biais spécifiques qui diffèrent des études observationnelles.

En conclusion, cet article fournit un avertissement rigoureux selon lequel la « norme d'or » de la RM est vulnérable au bruit de fond héréditaire, en particulier à l'ère des ensembles de données GWAS massifs, et offre des outils pratiques et accessibles pour atténuer cette menace.