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

Questo studio dimostra che tenere esplicitamente conto del contesto geografico locale mediante modelli multilivello è cruciale nelle analisi della UK Biobank, poiché rivela che i tradizionali modelli a singolo livello aggiustati solo per le componenti principali genetiche possono produrre associazioni distorte tra i punteggi poligenici per la salute mentale e le esposizioni ambientali come gli spazi verdi a causa di confondimento geografico non affrontato.

L'essenziale

Il quadro generale: L'"effetto quartiere" sulla salute mentale

Immagina di cercare di capire se un tipo specifico di seme (il corredo genetico di una persona per la salute mentale) cresce meglio in un giardino (un quartiere verde e frondoso) o in un parcheggio di cemento (un'area urbana edificata).

Per molto tempo, gli scienziati hanno esaminato questo fenomeno piantando semi in diversi giardini e contando quanti fiori crescevano. Hanno notato un modello: le persone con certi rischi genetici per depressione o schizofrenia sembrano spesso vivere in aree meno verdi, mentre quelle con un migliore benessere genetico sembrano vivere in luoghi più verdi.

Ma questo documento sostiene che gli scienziati abbiano guardato la cosa sbagliata. Stavano dando la colpa al seme per il terreno, quando in realtà era il terreno (il quartiere) a influenzare dove i semi si sono ritrovati in primo luogo.

Il problema: "Confusione tramite la geografia"

Gli autori chiamano questo problema "Confusione tramite la geografia". Ecco un modo semplice per pensarci:

Immagina di essere un detective che cerca di risolvere un mistero. Noti che le persone che vivono a Londra tendono ad avere un profilo genetico diverso rispetto alle persone che vivono nei Cotswolds (un'area rurale).

• L'errore: Se confronti semplicemente i londinesi e gli abitanti dei Cotswolds senza pensare al perché sono diversi, potresti pensare: "Oh, vivere a Londra causa questa differenza genetica".
• La realtà: Non è la città a cambiare i loro geni. È che persone con certi background, redditi e storie di vita (che sono raggruppati nelle città rispetto alle campagne) si sono trasferite lì. La città non ha causato la genetica; la storia e l'economia del luogo hanno causato sia il tipo di persone che vi vivono sia il tipo di ambiente in cui vivono.

Il documento afferma che gli studi precedenti hanno spesso dimenticato di tenere conto di questa "trappola geografica". Hanno trattato ogni persona come un punto dati indipendente, come singoli lanci di dadi, quando in realtà le persone nello stesso quartiere sono più simili tra loro rispetto alle persone nel paese successivo.

L'esperimento: La "lente magica" (Modelli multilivello)

Per risolvere questo problema, i ricercatori hanno utilizzato uno strumento statistico speciale chiamato modello Mundlak. Pensateci come a una lente magica che permette loro di guardare i dati in due modi diversi contemporaneamente:

1. La visione "entro il quartiere": Questa guarda le persone all'interno dello stesso quartiere. Chiede: "Se due persone vivono nella stessa strada e una ha un alto rischio genetico per la depressione, vive in una casa meno verde rispetto al suo vicino?"
2. La visione "tra i quartieri": Questa guarda le differenze tra i quartieri. Chiede: "I quartieri con una media alta di geni per la depressione hanno generalmente meno spazi verdi?"

Separando queste due visioni, i ricercatori hanno potuto vedere se l'effetto dello "spazio verde" era reale per l'individuo, o se era solo un'illusione causata dal fatto che certi tipi di quartieri attraggono certi tipi di persone.

Cosa hanno scoperto: Il colpo di scena

Quando hanno esaminato i dati senza la "lente magica" (il vecchio metodo), hanno trovato ciò che tutti si aspettavano:

• Le persone con geni per la depressione sembravano vivere in aree meno verdi.
• Le persone con geni per la schizofrenia sembravano vivere in aree meno verdi.

Ma quando hanno usato la "lente magica" (il nuovo metodo), la storia è cambiata completamente:

1. Il "rumore" è scomparso: Quando hanno guardato strettamente le persone all'interno dello stesso quartiere, il legame tra geni negativi e quartieri negativi è svanito in gran parte.
2. Il segno è cambiato: Per la schizofrenia, i risultati sono addirittura cambiati segno! Guardando strettamente all'interno dei quartieri, le persone con un rischio genetico più alto per la schizofrenia sembravano in realtà vivere in luoghi più verdi rispetto ai loro vicini.
3. L'effetto "tra" è il colpevole: Il motivo per cui i vecchi studi vedevano un legame era dovuto all'effetto tra i quartieri. Le aree più ricche e verdi tendono ad avere popolazioni diverse rispetto alle aree più povere e urbane. I vecchi studi stavano incolpando per errore i geni dell'individuo per la povertà o la ricchezza del quartiere.

La mappa dei "residui": Dove il modello ha fallito

I ricercatori hanno anche esaminato gli errori "residui" nel loro modello. Hanno scoperto che il modello faticava di più in luoghi estremi:

• Il Peak District e i Parchi Nazionali: Queste aree molto rurali e verdi presentavano enormi "errori" nel modello.
• Il centro di Londra: Anche queste aree molto urbane presentavano enormi errori.

Ciò suggerisce che non si può semplicemente confrontare una persona in un Parco Nazionale con una persona a Londra e assumere che siano "scambiabili" (comparabili). Le differenze tra questi luoghi sono così massive (in termini di storia, economia e cultura) che un semplice confronto genetico non funziona a meno che non si tenga conto del divario enorme tra i due mondi.

La conclusione principale

Il documento conclude che la geografia è un potente fattore di confusione.

Se sei un genetista che studia la salute mentale, non puoi guardare solo il DNA di una persona e il suo indirizzo e assumere che l'indirizzo sia il risultato del suo DNA. Devi renderti conto che dove le persone vivono è spesso determinato da fattori che modellano anche la distribuzione del loro DNA (come i modelli migratori, la storia economica e le politiche locali).

La soluzione:
Gli autori suggeriscono che gli scienziati dovrebbero utilizzare regolarmente questa "lente magica" (modellazione multilivello) per separare gli effetti "entro il quartiere" dagli effetti "tra i quartieri". Se i risultati cambiano drasticamente quando si fa questo, significa che la scoperta originale era probabilmente solo un trucco della geografia, non una vera causa biologica.

In breve: Non dare la colpa al seme per il terreno. A volte, il terreno è semplicemente il luogo dove certi semi sono finiti, e abbiamo bisogno di strumenti migliori per fare la differenza.

Sommario tecnico

Sintesi Tecnica: Contabilizzare il Luogo: Confondimento tramite Geografia in Epidemiologia Genetica

Enunciato del Problema
Questo studio affronta la questione del "confondimento tramite geografia" nella ricerca epidemiologica genetica, specificamente nel contesto della UK Biobank. Mentre le analisi tradizionali degli indici poligenici (PGI) per i tratti della salute mentale tipicamente correggono per le componenti principali (PC) genetiche per controllare la stratificazione della popolazione, spesso non riescono a tenere conto del contesto geografico locale. Gli autori sostengono che, poiché sia gli esiti della salute mentale sia le esposizioni ambientali (come gli spazi verdi) mostrano una forte strutturazione geografica, le cause comuni possono raggrupparsi in base alla località. Ignorare questa struttura può indurre un bias, portando ad associazioni spurie tra tratti predetti geneticamente ed esposizioni ambientali. Il lavoro ipotizza che trattare gli individui come osservazioni indipendenti in dataset strutturati geograficamente rischi di attribuire erroneamente la varianza spiegata da confondenti strutturati geograficamente (ad esempio, politiche locali, differenze demografiche) a esposizioni genetiche a livello individuale.

Metodologia
Gli autori hanno utilizzato dati della UK Biobank (N compreso tra 209.391 e 293.851 a seconda dell'esito) per investigare la relazione tra tratti della salute mentale predetti geneticamente e due misure di spazi verdi residenziali:

1. Percentuale di Spazi Verdi: Dati derivati dall'uso del suolo entro un raggio di 300 m.
2. Indice Normalizzato di Differenza della Vegetazione (NDVI): Verdeggiamento derivato da satellite entro un raggio di 500 m.

Lo studio ha costruito PGI per tre tratti: depressione, benessere e schizofrenia, utilizzando statistiche riassuntive da studi di associazione genome-wide (GWAS). Questi PGI sono stati generati su uno spettro di soglie di valore p (da $p < 0,5$ fino alla significatività genome-wide $p < 5 \times 10^{-8}$) per testare la robustezza dei segnali sotto diversi livelli di filtraggio degli SNP.

Per affrontare il confondimento geografico, gli autori hanno confrontato due approcci di modellazione:

1. Regressione Lineare a Livello Singolo: Modelli standard che correggono per età, sesso e le prime 25 PC genetiche.
2. Modelli Multilivello di Mundlak: Questi modelli decompongono l'effetto del PGI in:
   • Effetti intra-area: L'associazione tra il PGI di un individuo e gli spazi verdi, mantenendo costante la media dell'area.
   • Effetti contestuali (inter-area): L'associazione tra il PGI medio di un quartiere e l'esito degli spazi verdi, mantenendo costanti le caratteristiche individuali.

Questa formulazione consente la modellazione esplicita della varianza strutturata geograficamente anziché trattarla esclusivamente come un disturbo. Tutti i modelli sono stati corretti per 25 PC genetiche.

Risultati Chiave

• Associazioni Fenotipiche: In linea con la letteratura precedente, le analisi fenotipiche hanno mostrato che gli individui con diagnosi di depressione o schizofrenia, o con un benessere inferiore, tendevano a risiedere in aree con meno spazi verdi.
• PGI e Spazi Verdi (Livello Singolo): Nei modelli a livello singolo che utilizzavano PGI filtrati meno rigorosamente (soglie di valore p più alte), la depressione e la schizofrenia predette geneticamente erano associate a minori spazi verdi, mentre il benessere era associato a maggiori spazi verdi.
• Attenuazione e Inversione del Segno: Quando sono state applicate soglie di valore p più rigorose ai PGI, le associazioni si sono attenuate significativamente. Notevolmente, per la schizofrenia, il segno dell'associazione è cambiato completamente nei modelli più rigorosi.
• Intra-area vs Livello Singolo: Le stime intra-area derivate dai modelli di Mundlak per i PGI meno filtrati si allineavano più strettamente alle stime ottenute da PGI rigorosamente filtrati nei modelli a livello singolo.
• Effetti Contestuali: Lo studio ha rilevato forti effetti contestuali negativi, in particolare per la schizofrenia. Ciò suggerisce che vivere in un'area con un PGI medio di schizofrenia più alto è associato a minori spazi verdi, mentre all'interno di una specifica area, gli individui con un PGI di schizofrenia più alto potrebbero effettivamente trovarsi più vicini a maggiori spazi verdi.
• Residui Geografici: L'analisi dei residui del modello ha rivelato che i modelli a livello singolo geograficamente ingenui hanno performato male in ambienti estremi, come i Parchi Nazionali (residui alti) e il centro di Londra (residui bassi), indicando che questi modelli non riescono a catturare le differenze strutturali tra questi distinti contesti geografici.

Contributi Chiave

1. Dimostrazione del Bias: Il lavoro fornisce prove empiriche che ignorare il contesto geografico in epidemiologia genetica può portare a stime distorte della relazione tra predisposizioni genetiche ed esposizioni ambientali.
2. Quadro Metodologico: Gli autori sostengono l'uso routinario di modelli multilivello di Mundlak per decomporre gli effetti dei PGI in componenti intra-area e contestuali. Questo approccio aiuta a distinguere tra percorsi causali a livello individuale e confondimento strutturato geograficamente.
3. Proposta di Analisi di Sensibilità: Lo studio suggerisce che il confronto tra le stime a livello singolo e le stime intra-area (analogo a un test di Hausman) funge da analisi di sensibilità critica. Se queste stime divergono, segnala la presenza di confondimento tramite geografia non catturato dalle normali correzioni per le PC genetiche.
4. Recupero del Segnale Genetico: I risultati indicano che modellare esplicitamente il contesto geografico può aiutare a recuperare segnali genetici robusti da PGI più rumorosi e meno filtrati, suggerendo che il "vero" effetto a livello individuale possa essere oscurato dal confondimento inter-area nelle analisi standard.

Significato e Affermazioni
Il lavoro afferma che le associazioni osservate tra PGI della salute mentale e spazi verdi negli studi precedenti riflettono probabilmente un confondimento tramite geografia piuttosto che percorsi causali diretti. Gli autori sostengono che gli epidemiologi genetici che lavorano con popolazioni strutturate spazialmente debbano investigare routinariamente il contesto locale. Sostengono che assumere l'exchangeabilità condizionale tra individui in contesti geografici molto diversi (ad esempio, il centro di Londra rispetto al Peak District) è spesso errato.

Lo studio conclude che, sebbene i modelli a livello singolo corretti per le PC genetiche siano insufficienti, l'inclusione del contesto locale tramite modellazione multilivello offre un meccanismo per inferire su strutture causali complesse e mitigare il bias. Gli autori raccomandano che tali analisi di sensibilità informate geograficamente diventino una pratica standard nel settore per prevenire l'attribuzione errata di cause genetiche a origini ambientali o sociali a monte.