Heritable confounding in Mendelian randomization studies

본 논문은 작은 효과 크기를 가진 유전적 변이를 사용하는 멘델 무작위화 연구가 방법 간 일관된 방향으로 인과 추정치를 편향시키는 유전적 교란에 취약함을 입증하지만, 잠재적 교란 요인이 식별될 경우 사전 추정 필터링 또는 다변량 멘델 무작위화를 통해 이러한 편향을 완화할 수 있음을 보여줍니다.

핵심

이 글은 간단한 언어와 일상적인 비유를 사용하여 해당 논문을 설명한 것입니다.

큰 그림: "진짜" 원인을 찾아보기

당신은 미스터리를 해결하려는 형사라고 상상해 보세요: *높은 염증 (C-반응성 단백질, CRP 라는 단백질로 측정됨) 이 실제로 2 형 당뇨병을 유발할까요?*

실제 세계에서는 모든 것이 뒤섞여 있어 원인과 결과를 구분하기 어렵습니다. 예를 들어, 정크푸드를 많이 먹는 사람들은 염증 수치가 높고 당뇨병도 있을 수 있습니다. 단순히 데이터를 보면 염증이 당뇨병을 유발하는 것처럼 보이지만, 실제로는 정크푸드가 범인일 수 있습니다. 이를 **교란 (confounding)**이라고 합니다.

이를 해결하기 위해 과학자들은 **멘델 무작위화 (Mendelian Randomization, MR)**라는 방법을 사용합니다. MR 을 형사의 도구로 유전적 로또 티켓을 사용하는 것이라고 생각하세요.

• 당신은 CRP 수치를 자연스럽게 높이거나 낮추는 특정 유전적 "티켓" (변이) 과 함께 태어납니다.
• 이러한 티켓은 수정 시 (로또처럼) 할당되므로 식습관, 생활 방식, 또는 정크푸드에 영향을 받지 않습니다.
• "높은 CRP 티켓"을 가진 사람들이 당뇨병에 더 자주 걸린다면, 정크푸드 때문이 아니라 CRP 가 당뇨병을 유발한다는 것에 더 확신을 가질 수 있습니다.

새로운 문제: "숨겨진 사촌"

이 논문은 유전적 로또 티켓 방법이 훌륭하지만, 과학이 발전함에 따라 더 악화되고 있는 새롭고 교활한 결함이 있다고 주장합니다.

결함: 유전적 교란 (Heritable Confounding)
유전적 티켓이 CRP 수치를 직접 조절하는 것이 아니라, 대신 **체중 (비만)**을 조절한다고 상상해 보세요.

1. 체중이 늘면 CRP 가 상승합니다.
2. 체중이 늘면 당뇨병에 걸릴 가능성도 높아집니다.
3. 따라서 유전적 티켓은 실제로 두 가지를 동시에 당기고 있는 것입니다: 체중을 늘려 CRP 를 높이고 당뇨병을 유발합니다.

이 시나리오에서 유전적 티켓은 CRP 의 순수한 테스트가 아닙니다. 그것은 "비만"에 대한 테스트입니다. 이 티켓을 사용하여 CRP 가 당뇨병을 유발한다고 증명하려 한다면, 사실은 "비만이 당뇨병을 유발한다"는 것을 증명하는 것이지 CRP 가 원인이라고 증명하는 것이 아닙니다. 논문은 이를 **유전적 교란 (heritable confounding)**이라고 부릅니다.

왜 이것이 더 악화되고 있을까요? ("딥 다이브" 문제)

이 논문은 과학자들이 더 크고 더 큰 데이터 세트 (수천 명이 아닌 수백만 명을 보는 것) 를 확보함에 따라 더 약한 유전적 티켓들을 발견하기 시작한다고 설명합니다.

• 강력한 티켓: CRP 를 직접 조절하는 명백하고 강력한 유전적 티켓은 찾기 쉽습니다. 이러한 티켓들은 일반적으로 "깨끗"하며 큰 문제를 일으키지 않습니다.
• 약한 티켓: 우리가 더 깊이 파고들면 작고 약한 유전적 신호들을 발견합니다. 이러한 신호들은 종종 "원격 (distal)"입니다. 즉, 생물학적 연쇄 반응에서 멀리 떨어져 있습니다. 그들은 아마도 다른 단백질을 조절하는 작은 단백질을 조절하고, 그것이 다시 체중을 조절하며, 그 다음에 CRP 를 조절할지도 모릅니다.

비유:
루비 골드버그 기계를 생각해 보세요.

• 강력한 티켓은 첫 번째 도미노를 치는 공입니다. 결과로 가는 직접적인 경로입니다.
• 약한 티켓 (거대한 연구에서 발견됨) 은 깃털을 치는 공이고, 그 깃털은 팬을 치고, 팬은 돛을 불고, 돛은 배를 움직이고, 배가 도미노를 치는 것입니다.
• 연쇄 반응의 단계가 많을수록 결과를 방해하는 "우회 경로" (교란 요인) 가 발생할 가능성이 더 높아집니다.

이 논문은 우리가 발견하는 유전적 티켓이 많을수록, 실제로 숨겨진 교란 요인 (예: 체중) 과 연결된 "약하고 지저분한" 티켓을 선택할 가능성이 높아진다고 보여줍니다. 이로 인해 결과가 덜 편향된 것이 아니라 더 편향된 것처럼 보입니다.

"가짜 자신감" 함정

이 논문은 과학자들이 이러한 지저분한 티켓들을 분석하기 위해 표준 컴퓨터 방법을 사용할 때, 결과가 매우 일관되고 자신감 있게 보인다고 경고합니다.

• 마치 같은 이야기를 모두 반복하는 증인 그룹이 있는 것과 같습니다. 하지만 그들은 모두 같은 숨겨진 요인 ("비만" 유전자) 의 영향을 받고 있기 때문에 사실은 같은 거짓말을 반복하고 있는 것입니다.
• 이 논문은 표준 방법들이 이를 간과하는 경우가 많아, 연구자들이 실제로는 인과 관계를 찾지 못했음에도 불구하고 찾았다고 믿게 만든다고 보여줍니다.

해결책: 형사 수사를 어떻게 고칠 것인가

저자들은 CRP 와 당뇨병 예시를 사용하여 이를 해결하는 두 가지 간단한 방법을 제안합니다.

1. "다변량 (Multivariable)" 접근법 (부작용 확인):
   단순히 "이 티켓이 CRP 에 영향을 미칠까요?"라고 묻는 대신, "이 티켓이 체중에도 영향을 미칠까요?"라고 물어보세요.

   • 만약 티켓이 체중에 영향을 미치고, 체중이 당뇨병에 영향을 미친다면, 통계적 도구를 사용하여 체중 효과를 "차감"할 수 있습니다. 이렇게 하면 순수한 CRP 효과를 분리할 수 있습니다.
   • 논문 결과: CRP 에 대해 이를 수행했을 때, 당뇨병과의 연관성이 사라졌습니다. CRP 가 원인이 아니라 체중이 진짜 범인이었던 것으로 밝혀졌습니다.

2. "슈티거 필터 (Steiger Filter)" (품질 관리 점검):
   이는 노출 (CRP) 보다 교란 요인 (체중) 에서 더 많은 변이를 설명하는 유전적 티켓을 버리는 필터입니다.

   • 만약 티켓이 CRP 를 예측하는 것보다 체중을 예측하는 데 더 뛰어나다면, 이 특정 테스트에는 "나쁜 티켓"입니다. 버리세요.
   • 논문 결과: 이러한 나쁜 티켓들을 제거한 결과, CRP 와 당뇨병 간의 연관성도 사라졌습니다.

결론

이 논문은 멘델 무작위화가 편향에 면역이 아니다라고 결론 내립니다. 오히려 더 많은 작은 유전적 신호들을 발견할수록, 우리는 우연히 더 많은 "교란된" 신호들을 포착할 수 있습니다.

• 교훈: 연구가 유전학을 사용한다고 해서 완벽하다는 뜻은 아닙니다. 연구자들은 그들의 유전적 "티켓"이 실제로 다른 것들 (예: 체중, 식습관, 또는 다른 질병) 과 연결되어 있는지 확인해야 합니다. 이러한 것들이 실제 원인일 수 있습니다.
• 구체적 발견: C-반응성 단백질과 2 형 당뇨병의 경우, 겉보기에 보이는 연관성은 **체지방 (adiposity)**으로 인한 착각일 가능성이 높습니다. 연구자들이 이 "유전적 교란"을 보정하자, CRP 가 당뇨병을 유발한다는 증거는 사라졌습니다.

간단히 말해: 유전적 로또가 무작위라고 해서 믿지 마세요. 당신이 선택한 티켓이 사실은 완전히 다른 것을 위한 티켓이 아닌지 확인해야 합니다.

기술 요약

Sanderson 등 의 논문 "Heritable confounding in Mendelian randomization studies"에 대한 상세한 기술적 요약입니다.

1. 문제 제기

멘델 무작위화 (Mendelian Randomization, MR) 는 노출의 결과에 대한 인과적 효과를 추론하기 위해 유전적 변이를 도구 변수 (IV) 로 활용하는 널리 사용되는 역학 방법입니다. 이는 유전 - 환경 동등성 (gene-environment equivalence) 가정에 의존하는데, 구체적으로 유전적 도구가 관심 있는 노출을 통해서만 결과에 영향을 미친다는 것 (수평적 다면발현이 없음) 입니다.

이 논문은 이러한 가정의 중요하지만 종종 간과되는 위반 사항인 유전적 교란 (heritable confounding) 을 다룹니다. 이는 유전적 도구가 노출과 결과 모두에 영향을 미치는 유전적 교란 요인과 연관되어 있을 때 발생합니다. 저자들은 전장 유전체 연관 분석 (GWAS) 표본 크기가 증가함에 따라 연구자들이 더 작은 효과 크기를 가진 변이를 식별하게 된다고 주장합니다. 이러한 작은 효과 변이는 종종 생물학적 경로에서 더 상류 (distal) 에 위치하여 상류 형질을 매개로 하므로, 교란 요인과 연관될 가능성이 더 높아 상관된 다면발현 (correlated pleiotropy) 을 초래합니다. 이 편향은 전통적인 선형 회귀 분석에서 발견되는 편향보다 더 심각할 수 있으며, 여러 MR 방법이 일관된 결과를 산출하더라도 연구자를 오도할 수 있습니다.

2. 방법론

저자들은 이론적 유도, 네트워크 시뮬레이션, 적용 사례 연구를 결합한 다각적 접근 방식을 사용했습니다.

• 이론적 편향 분석:

  • 단일 관찰되지 않은 유전적 교란 요인이 존재할 때, 단일 도구를 사용한 MR 추정치의 편향과 선형 회귀 추정치의 편향을 비교하는 수학적 식을 유도했습니다.
  • MR 편향이 교란 요인을 통한 다면발현 효과 (도구 $\to$ 결과) 와 도구의 노출에 대한 효과의 비율에 의존함을 입증했습니다.

• 네트워크 시뮬레이션:

  • R/dagitty 패키지를 사용하여 유전자형 - 표현형 네트워크를 나타내는 무작위 방향 비순환 그래프 (DAG) 를 시뮬레이션했습니다. 이는 다양한 형질 수 (N=75~150) 와 엣지 밀도를 포함합니다.
  • GWAS 표본 크기 (p-value 임계값 변경을 통해 시뮬레이션) 의 함수로서 유전적 도구의 발견을 모델링했습니다.
  • 가설: 노출까지의 경로가 더 긴 (더 상류에 있는) 변이는 더 작은 효과 크기를 가지며, 교란 요인을 통해 작용할 가능성이 더 높습니다.

• MR 추정기의 편향 시뮬레이션:

  • 노출과 결과 사이에 진정한 인과적 효과가 없으며, 유전적 형질에 의해 교란되는 데이터를 시뮬레이션했습니다.
  • 표준 단변량 MR 방법 (역분산 가중 [IVW], MR-Egger, 가중 중앙값, 가중 모드) 을 두 가지 제안된 완화 전략과 비교하여 테스트했습니다:
    1. 다변량 MR (MVMR): 교란 요인을 추가적인 노출로 포함합니다.
    2. Steiger 필터링: 노출보다 교란 요인의 분산을 더 많이 설명하는 SNP 를 제거합니다.
  • 또한 상관된 다면발현을 위해 설계된 고급 방법인 CAUSE와 MR-cML도 테스트했습니다.

• 적용 사례 연구 (CRP $\to$ 제 2 형 당뇨병):

  • 노출: C-반응성 단백질 (CRP).
  • 결과: 제 2 형 당뇨병 (T2D).
  • 과정:
    1. 대규모 GWAS 에서 CRP 를 위한 728 개의 선도 변이를 식별했습니다.
    2. GWAS 카탈로그를 사용하여 PheWAS (Phenome-Wide Association Study) 를 수행하여 이러한 CRP 도구와 연관된 형질을 식별했습니다.
    3. T2D 와도 연관된 형질을 필터링하여 235 개의 잠재적 유전적 교란 요인을 식별했습니다.
    4. 주요 교란 요인 (특히 지방 관련 형질 및 단백질 생체 표지자) 을 보정하기 위해 Steiger 필터링과 MVMR 을 적용했습니다.
    5. CAUSE 및 MR-cML 결과와 비교했습니다.

3. 주요 기여

• 특정 편향 메커니즘의 식별: 이 논문은 "유전적 교란"이 유전적 도구가 상류 교란 요인과 연결되어 상관된 다면발현을 생성하는 고유한 편향 원인임을 명확히 합니다.
• 표본 크기 역설: 더 큰 GWAS 표본 크기가 유전적 교란 편향의 위험을 증가시킨다는 반직관적인 발견을 강조합니다. 표본 크기가 커질수록 더 약한 변이 (종종 더 상류에 위치하고 다면발현을 일으키는) 가 발견되어 도구에 포함되며, 이는 강력하고 근접한 변이보다 IV 가정을 더 자주 위반합니다.
• 편향 크기: 이론 및 시뮬레이션 결과는 유전적 교란으로 편향된 MR 추정치가 해당 관찰 선형 회귀 추정치보다 더 큰 편향을 가질 수 있음을 보여주며, 이는 인과적 주장에 대한 잘못된 확신을 초래할 수 있습니다.
• 현재 강건한 방법의 한계: 이 연구는 표준 "다면발현 강건" 방법 (MR-Egger, 가중 중앙값) 과 고급 베이지안 방법 (CAUSE, MR-cML) 이 특정 유전적 교란 요인과 연관된 도구가 다수일 때 (상관된 다면발현) 편향을 보정하지 못함을 입증합니다.
• 제안된 해결책: 저자들은 알려진 또는 의심되는 교란 요인을 사용하여 Steiger 필터링과 다변량 MR (MVMR) 을 체계적으로 사용하는 것을 주된 강건성 검증으로 옹호합니다.

4. 주요 결과

• 시뮬레이션 결과:

  • 높은 비율의 SNP 가 교란 요인을 통해 작용하는 시나리오에서, 모든 단변량 MR 방법 (IVW, MR-Egger 등) 은 교란된 관찰 연관성과 일치하는 편향된 추정치를 생성했습니다.
  • MVMR 과 Steiger 필터링은 교란 요인이 알려져 있고 측정 가능할 때, 성공적으로 null 인과 효과 (시뮬레이션의 실제 값) 를 회복했습니다.
  • CAUSE 및 MR-cML 과 같은 방법은 강한 상관된 다면발현 존재 하에서 편향을 보정하지 못하여 편향된 IVW 결과와 유사한 추정치를 산출했습니다.

• 사례 연구 (CRP $\to$ T2D) 결과:

  • 초기 단변량 MR 은 CRP 가 T2D 에 인과적 효과가 있음을 시사했습니다.
  • PheWAS 는 지방 관련 형질과 단백질 생체 표지자 (APOE 유전자좌, rs429358 와 연관) 를 주요 교란 요인으로 식별했습니다.
  • Steiger 필터링 (지방과 더 강하게 연관된 변이 제거) 과 MVMR (지방 보정) 모두 효과 추정치를 상당히 감소시켜 CRP 와 T2D 간의 인과적 연결을 유의하지 않게 만들었습니다 (null 효과와 일치).
  • 이는 원래의 연관성이 염증의 직접적인 인과적 효과보다는 유전적 교란 (아마도 체지방이 CRP 와 T2D 모두에 영향을 미치는 것) 에 의해 주도되었음을 시사합니다.

5. 중요성 및 함의

• MR 문헌의 재평가: 이 발견들은 많은 기존 MR 연구, 특히 대규모 바이오뱅크 데이터와 약한 도구를 사용한 연구들이 고려되지 않은 유전적 교란으로 인해 인과적 효과를 과대평가했을 가능성을 시사합니다.
• 방법론적 전환: 이 논문은 MR 이 교란 편향에 면역이 아니며, 선형 회귀와 유사하지만 구별되는 능동적 보정 전략이 필요하다고 주장합니다.
• 유전 - 환경 동등성 (GEE): 저자들은 많은 복잡한 형질에 대해 GEE 의 타당성에 의문을 제기하며, 유전적 변이가 상류 표현형 (예: CRP 에 영향을 미치는 지방) 을 통해 노출에 영향을 미친다면, 유전적 조작이 노출에 대한 특정 중재만을 모방하지 않는다고 지적합니다.
• 실무적 권장 사항:
  • 연구자들은 PheWAS 를 통해 알려진 교란 요인과 연관성을 위해 도구를 체계적으로 스크리닝해야 합니다.
  • Steiger 필터링과 MVMR은 표준 강건성 검증이 되어야 합니다.
  • 지배적인 교란 요인에서 비롯된 동일한 근본 편향을 공유하는 경우, 서로 다른 MR 방법 간의 일관성이 유효성을 보장하지는 않습니다.
  • 결과는 MR 이 관찰 연구와 구별되는 특정 편향에 취약하다는 점을 인정하는 "증거의 삼각측량 (triangulation of evidence)" 프레임워크 내에서 해석되어야 합니다.

결론적으로, 이 논문은 거대한 GWAS 데이터셋 시대, 특히 "골드 스탠다드"로 여겨지는 MR 이 유전적 교란에 취약하다는 엄중한 경고를 제공하며, 이러한 위협을 완화하기 위한 실용적이고 접근 가능한 도구를 제시합니다.