Significance filtering induces denominator selection bias in local genetic correlation: closed-form characterisation, a gate-aware correction, and an applicability diagnostic

Sintesi Tecnica: Filtraggio della Significatività e Bias di Selezione del Denominatore nella Correlazione Genetica Locale

Definizione del Problema
La correlazione genetica locale ($\rho$) viene stimata come il rapporto tra la covarianza genetica locale e la media geometrica delle due ereditabilità locali. L'implementazione standard, LAVA, riporta questo rapporto solo quando entrambi i tratti superano un test di ereditabilità univariata ($P < 0,05$). Sebbene la documentazione di LAVA presenti questo filtro come un elemento stabilizzatore per rimuovere stime instabili, gli autori dimostrano che esso agisce come un evento di selezione sul denominatore dello stimatore del rapporto.

Poiché la statistica del test univariato e il denominatore derivano dalla stessa somma dei quadrati, condizionare sulla statistica elevata (superamento del filtro) significa condizionare sul denominatore elevato. Questa selezione ammette preferenzialmente loci in cui il rumore di campionamento ha gonfiato la stima dell'ereditabilità. Di conseguenza, il denominatore è sistematicamente gonfiato, causando una attenuazione (bias verso lo zero) del rapporto risultante (la stima della correlazione), anziché un'inflazione. Diversamente dal "winner's curse", che inflaziona le stime, questo meccanismo le attenua. Inoltre, questa selezione interagisce con la sovrapposizione dei campioni tra i GWAS per generare correlazioni attese non nulle anche quando la vera correlazione è zero.

Metodologia
Gli autori derivano una caratterizzazione in forma chiusa di questo bias sotto il modello di Wishart non centrale assunto dalle routine di intervallo di LAVA.

1. Derivazione Teorica:

   • La media condizionata al gate del valore atteso dello stimatore è mostrata essere affine rispetto alla vera correlazione ($\rho$): $E[\hat{\rho} | G] = S_{loc}\rho + I_{loc}$.
   • $S_{loc}$ (Pendenza/Slope): Rappresenta il fattore di attenuazione. È una funzione dei rapporti segnale-rumore locali ($\theta_i$), del numero di componenti principali ($K$) e dell'inflazione indotta dal gate degli elementi diagonali ($\Delta_i$).
   • $I_{loc}$ (Intercetta): Rappresenta la correlazione "fabbricata" derivante dalla sovrapposizione dei campioni ($r_e$) e dal filtro. È proporzionale a $r_e$ e ai termini di inflazione, svanendo all'aumentare della potenza statistica.
   • Fondamentalmente, queste quantità dipendono solo da dati già riportati da LAVA: le componenti principali trattenute ($K$), i $P$-value univariati, la correlazione riportata e la correlazione di sovrapposizione del campione.

2. Protocollo di Correzione:

   • Fase 1 (De-biasing del Denominatore): L'ereditabilità filtrata osservata viene recuperata dal $P$-value. Gli autori invertono la mappatura $g_K$ (dal segnale vero $\theta$ alla aspettativa filtrata) per recuperare la sottostante forza del segnale. Questa inversione è univoca ma presenta un "pavimento" (floor) dove il vero segnale non può essere distinto dal rumore.
   • Fase 2 (De-biasing del Rapporto): La correlazione corretta è calcolata come $\hat{\rho}_{corr} = (\hat{\rho} - I_{loc}) / S_{loc}$.
   • Aggregazione: Poiché la correzione inverte una media condizionata, essa viene applicata agli aggregati (loci raggruppati) piuttosto che ai singoli loci per evitare instabilità, poiché i singoli loci si collocano all'interno della distribuzione piuttosto che alla sua media.

3. Diagnostica di Applicabilità:
   Una diagnostica a tre parti determina se la correzione è identificabile per una determinata coppia di tratti:

   • C1 (Stabilità): La pendenza aggregata deve essere stabile attraverso diverse stratificazioni di $K$.
   • C2 (Distanza dal Pavimento): L'ereditabilità filtrata osservata deve essere statisticamente distinguibile dalla distribuzione attesa sotto un nullo locale completo ($\theta=0$).
   • C3 (Output Non-Null): La frazione di passaggi del gate attribuibili al caso deve essere inferiore a una soglia (0,40).

4. Validazione:
   Gli autori impiegano una strategia di simulazione a tre livelli:

   • Livello A: Campionamenti diretti dalla distribuzione di Wishart non centrale.
   • Livello B: Iniezione di $\rho$ noti in loci reali e recupero tramite l'effettivo percorso di codice di LAVA.
   • Livello C: Un esperimento di controllo per isolare l'effetto del filtro dai meccanismi di limitazione dell'output (capping) di LAVA.

Risultati Chiave

• Caratterizzazione del Bias: Il bias è strettamente affine rispetto a $\rho$. Attraverso sei coppie di tratti psichiatrici, le pendenze di attenuazione misurate ($S_{loc}$) variano da 0,579 a 0,923. La previsione in forma chiusa corrisponde alle pendenze misurate entro un margine di 0,007 senza l'uso di parametri aggiuntivi per il pannello.
• Fonte del Bias: Il filtro è la causa primaria dell'attenuazione. Sebbene il capping dell'output di LAVA contribuisca leggermente, il filtro da solo spiega la stragrande maggioranza della perdita di segnale (ad esempio, 37–42% di distruzione del segnale nei regimi di bassa potenza).
• Correlazione Fabbricata: In assenza di vera correlazione, il filtro combinato con la sovrapposizione dei campioni genera correlazioni positive significative. Ad esempio, in una coppia ad alta sovrapposizione (ASD $\times$ ADHD), l'intercetta fabbricata era 0,139, superando molte correlazioni genetiche locali pubblicate.
• Performance della Correzione: L'applicazione della correzione consapevole del gate (gate-aware) in forma aggregata riduce il bias assoluto medio da 0,247 a 0,026 (un miglioramento di 9,7 volte). Un singolo fattore di correzione raggruppato (ad esempio, dividendo per una pendenza globale) performa scarsamente (bias 0,195) perché non riesce a catturare l'eterogeneità di $S_{loc}$ tra i loci.
• Ampiezza dell'Intervallo: Gli intervalli di confidenza post-filtro sono correttamente calibrati (copertura del 94,9%) ma sono quasi vacui. La larghezza media copre il 69% dello spazio dei parametri $[-1, 1]$, rendendo impossibile la determinazione del segno per la maggior parte dei loci (ad esempio, 68 su 78 loci in una coppia avevano intervalli che attraversavano lo zero).
• Fallimenti Diagnostici: Tre delle sei coppie di tratti hanno fallito la diagnostica di applicabilità. In questi casi (ad esempio, ASD $\times$ SCZ), l'ereditabilità locale del tratto più debole era indistinguibile da un nullo locale completo; in tali casi, i loci riportati non sono scoperte deboli, ma artefatti del filtro che agisce sul rumore; la correzione non è identificabile.

Significato e Rivendicazioni
Il documento sostiene di fornire la prima caratterizzazione in forma chiusa del bias di selezione indotto dalle regole di reporting di LAVA. La sua importanza risiede nel:

1. Correggere un Malinteso: Dimostra che il filtro non è un benigno stabilizzatore, ma un evento di selezione che attenua sistematicamente le stime e fabbrica la correlazione.
2. Correzione Azionabile: Offre un metodo di correzione che non richiede una rianalisi dei dati grezzi, ma solo l'output standard di LAVA e una stima della sovrapposizione.
3. Contestualizzazione dei Risultati Pubblicati: Gli autori sostengono che la maggior parte delle stime provenienti da tratti con alta potenza sono probabilmente corrette (bias < 10%), ma le stime da tratti con bassa potenza o con alta sovrapposizione dei campioni sono severamente influenzate.
4. Standard di Reporting: Il lavoro propone linee guida specifiche per la segnalazione, inclusa la necessità di riportare la "cascata di attrito" (quanti blocchi sono stati persi a causa di stime di varianza negativa rispetto al filtro), controllare per il "Canale 2" (rimozione silenziosa di tratti con varianza negativa) e utilizzare la diagnostica proposta prima di applicare le correzioni.

Gli autori dichiarano esplicitamente che questo lavoro non invalida le scoperte biologiche degli studi precedenti, ma fornisce gli strumenti per quantificare e correggere il bias analitico intrinseco nell'attuale pipeline standard. Avvertono che, per le coppie che falliscono la diagnostica, le correlazioni riportate sono probabilmente artefatti del filtro e non dovrebbero essere interpretate come segnali biologici.