Estimation of total mediation effect for a binary trait in a case-control study for high-dimensional omics mediators

Deze studie introduceert een nieuwe R2-maatstaf en een schattingsprocedure op basis van cross-fitted Haseman-Elston-regressie binnen het liability-model om het totale mediatie-effect van hoogdimensionale 'omics'-mediatoren op een binaire uitkomst in case-control studies te kwantificeren, wat wordt geïllustreerd door de ontdekking dat metabolieten een aanzienlijk deel van de variatie in coronaire hartziekte veroorzaakt door BMI verklaren.

De kern

Titel: Hoe een Nieuwe Methode Ontdekt Wat Er echt Gebeurt in Ons Lichaam (Zelfs als de Signalen Flauw Zijn)

Stel je voor dat je lichaam een enorme, ingewikkelde fabriek is. Je hebt een ingrediënt (bijvoorbeeld overgewicht, of BMI) dat de fabriek binnenkomt. Dit ingrediënt zorgt ervoor dat er aan het einde van de productielijn een probleem ontstaat (bijvoorbeeld hartaandoeningen).

Maar hoe werkt dat precies? Tussen het ingrediënt en het probleem zitten duizenden kleine tussenstappen (zoals chemicaliën in je bloed, genaamd metabolieten). De vraag is: Hoeveel van het probleem wordt veroorzaakt door deze tussenstappen?

Het Probleem met de Oude Manieren

Tot nu toe hadden wetenschappers een paar manieren om dit te meten, maar die hadden twee grote gebreken:

1. De "Tegenstrijdige Krachten" Valstrik:
   Stel je voor dat je duizenden kleine machines hebt. Sommige machines proberen het probleem te verergeren, terwijl andere het proberen te verminderen. Als je de oude methoden gebruikt, tel je ze allemaal bij elkaar op. Omdat de ene machine naar links duwt en de andere naar rechts, heffen ze elkaar op. Het resultaat? Een getal dat dicht bij nul ligt. De oude methode zegt dan: "Er gebeurt niets!" terwijl er eigenlijk een enorme chaos aan het gebeuren is.
   Analogie: Het is alsof je een touwtrektoernooi meet waarbij één team 100 mensen heeft die naar links trekken en een ander team 100 mensen die naar rechts trekken. Als je alleen naar de beweging van het touw kijkt, zie je dat het touw stil staat. Je concludeert dan ten onrechte dat er geen kracht wordt uitgeoefend, terwijl er juist enorme kracht wordt uitgeoefend in twee richtingen.

2. De "Verdwijnende" Signalen:
   Veel van deze tussenstappen zijn heel zwak. Ze zijn niet groot genoeg om door de oude, strenge filters te komen. De oude methoden kijken alleen naar de "sterke" signalen en negeren de duizenden "flauwe" signalen. Maar als je al die flauwe signalen bij elkaar optelt, kunnen ze samen een enorm effect hebben. De oude methoden zien dit totaal niet.

De Nieuwe Oplossing: Een Nieuwe Soort "Totaal-Meter"

De auteurs van dit paper (Kang, Chen, en collega's) hebben een nieuwe manier bedacht om dit te meten, speciaal voor mensen met een ziekte (zoals hartaandoeningen, waar je ofwel ziek bent of niet) en duizenden tussenstappen.

Ze noemen hun nieuwe maat een "R²-maatstaf".

• De Metafoor van de Onzichtbare Lading:
  In plaats van te kijken naar het zichtbare resultaat (ziek of gezond), kijken ze naar de onzichtbare lading (de "liability") die iemand draagt voordat de ziekte uitbreekt. Stel je voor dat elke persoon een onzichtbare baksteen heeft op zijn rug. Hoe zwaarder de baksteen, hoe groter de kans dat de persoon ziek wordt.
  Hun nieuwe methode meet hoeveel van die baksteen wordt veroorzaakt door de tussenstappen (de metabolieten).

• Waarom is dit beter?

  • Geen Tegenwerking: Hun methode telt de kracht van alle signalen bij elkaar op, ongeacht of ze naar links of rechts duwen. Net als dat je de totale energie van alle mensen in het touwtrektoernooi meet, in plaats van alleen de beweging van het touw.
  • Ziet de Flauwe Signalen: Omdat ze kijken naar het totaal van duizenden kleine signalen, zien ze ook de duizenden flauwe signalen die samen een groot effect hebben.
  • Onafhankelijk van de Populatie: Of je nu kijkt naar een zeldzame ziekte of een veelvoorkomende ziekte, deze meter geeft altijd hetzelfde eerlijke antwoord.

Wat Vonden Ze in de Wereld? (Het WHI-Experiment)

Ze testten hun nieuwe meter op een enorme dataset van de Women's Health Initiative (WHI). Ze keken naar de link tussen overgewicht (BMI) en hartaandoeningen bij vrouwen na de menopauze, en hoe metabolieten (chemicaliën in het bloed) hierin een rol spelen.

• Het Resultaat: De oude methoden zagen weinig tot niets, omdat ze de duizenden kleine, tegenstrijdige signalen niet goed konden samenvoegen.
• De Nieuwe Methode: Zij zagen dat 89% van het effect van overgewicht op hartaandoeningen, eigenlijk via deze metabolieten loopt!
  • Klinkt dit gek? Ja, want het absolute getal was klein. Maar dat komt omdat overgewicht zelf maar een klein deel van de totale "baksteen" (het risico) uitmaakt. Van dat kleine stukje dat overgewicht veroorzaakt, wordt bijna alles (89%) door de metabolieten overgedragen.

Waarom is dit Belangrijk?

Stel je voor dat je een dokter bent. De oude methode zou zeggen: "Overgewicht heeft weinig invloed op je hart via je bloedchemicaliën." De nieuwe methode zegt: "Wacht even! Overgewicht verandert je bloedchemicaliën op duizenden manieren, en die veranderingen zijn de hoofdoorzaak van het hartprobleem."

Dit helpt artsen en onderzoekers om beter te begrijpen waarom mensen ziek worden en waar ze moeten ingrijpen (bijvoorbeeld door de metabolieten te beïnvloeden in plaats van alleen het gewicht).

Samenvatting in Eén Zin

De auteurs hebben een nieuwe, slimmere "rekenmachine" bedacht die duizenden kleine, soms tegenstrijdige signalen in ons lichaam kan samenvoegen tot één duidelijk antwoord, zodat we eindelijk kunnen zien hoe overgewicht echt hartaandoeningen veroorzaakt via onze chemische stofwisseling.

(Deze nieuwe rekenmachine is gratis beschikbaar als computerprogramma voor iedereen die dit wil gebruiken!)

Technische samenvatting

Titel: Schatting van totale mediatie-effecten van hoogdimensionale 'omics'-mediatoren in case-control studies

1. Het Probleem

Mediatieanalyse onderzoekt hoe blootstellingen (exposures) uitwerkingen hebben op uitkomsten via tussenvariabelen (mediatoren). In de moderne biomedische wetenschap, met name bij 'omics'-data (zoals metabolomics), zijn er vaak duizenden potentiële mediatoren. De auteurs identificeren drie kritieke beperkingen in bestaande methoden:

• Ongeschiktheid voor zwakke effecten: Bestaande methoden voor hoogdimensionale data (zoals HIMA en HDMA) vertrouwen vaak op 'sparsity'-aannames (aannemen dat slechts een paar mediatoren een sterk effect hebben). Ze falen echter wanneer er sprake is van veel zwakke mediatoren die collectief een groot effect hebben.
• Annulering van tegenstrijdige effecten: Traditionele maatstaven voor het totale mediatie-effect, zoals het product van coëfficiënten (POC: $\alpha^T\beta$), zijn gevoelig voor annulering. Als sommige mediatoren een positief effect hebben en andere een negatief effect, heffen deze elkaar op, wat leidt tot een schijnbaar nihil totaal-effect, zelfs als er sprake is van sterke biologische signalen.
• Beperkingen bij binaire uitkomsten en case-control studies: De meeste bestaande methoden zijn ontwikkeld voor continue uitkomsten. Voor binaire uitkomsten (ziek vs. gezond) in case-control studies zijn de huidige maatstaven vaak afhankelijk van de ziekte-prevalentie, hebben ze geen duidelijke causale interpretatie, of leiden ze tot vertekende schattingen door selectiebias (ascertainment bias).

2. Methodologie

De auteurs stellen een nieuw raamwerk voor dat specifiek is ontworpen voor hoogdimensionale mediatoren in case-control studies met binaire uitkomsten.

A. Het Model: Liability-schaal en Causale R²
In plaats van de waargenomen binaire uitkomst $Y$ direct te modelleren, gebruiken de auteurs een liability-model (latentie-model). Hierbij wordt aangenomen dat er een onderliggende continue variabele $l$ (de 'liability') bestaat, waarbij $Y=1$ als $l$ een bepaalde drempel $t$ overschrijdt.

• Structuurvergelijkingen:
  • $M = \alpha X + \Psi C + \xi$ (Relatie tussen blootstelling $X$ en mediators $M$)
  • $l = \gamma X + \beta^T M + \theta^T C + \epsilon$ (Relatie tussen $X$, $M$ en de latentie $l$)
  • $Y = \mathbb{I}(l > t)$
• Nieuwe Maatstaf ($R^2_{med;causal}$): De auteurs definiëren een nieuwe variant van de $R^2$ op de liability-schaal. In tegenstelling tot traditionele $R^2$-maten, gebruiken ze do-operators (uit de causale inferentie van Pearl) om causale richtingen expliciet te maken.
  $$R^2_{med;causal} = R^2_{l,do(X)} + R^2_{l,do(M)} - R^2_{l,do(X,M)}$$
  Dit maatstaf kwantificeert het percentage variatie in de onderliggende ziekte-gevoeligheid dat causaal wordt verklaard door de blootstelling via de mediatoren. Het is invariant voor ziekte-prevalentie en lost het probleem van annulering op door de variatie te meten in plaats van de som van coëfficiënten.
• Relatieve maatstaf ($Q^2_{med}$): Om de verhouding tussen indirecte en directe effecten te meten, introduceren ze $Q^2_{med}$, die begrensd is tussen 0 en 1.

B. Schattingsprocedure
Om de parameters te schatten in een case-control setting (waarbij de steekproef niet representatief is voor de populatie), gebruiken ze een tweestapsprocedure met cross-fitting:

1. Correctie voor Selectiebias: Ze gebruiken Inverse Probability Weighting (IPW) om de schattingen van de associatie tussen blootstelling en mediatoren ($\alpha$) te corrigeren voor de case-control opzet.
2. Mediator Selectie: Ze testen op significante associaties ($\alpha \neq 0$) en filteren ruisvariabelen, maar accepteren dat niet alle zwakke mediatoren perfect worden geselecteerd (ze hoeven niet exact te zijn, zolang de False Discovery Rate (FDR) gecontroleerd is).
3. PCGC-regressie: Voor het schatten van de variantiecomponenten (vooral $\sigma^2_{11}$, de variatie door de mediatoren) gebruiken ze een aangepaste versie van PCGC-regressie (Phenotype-Correlation Genotype-Correlation), een generalisatie van Haseman-Elston regressie. Dit is robuust tegen ascertainment bias.
4. Cross-fitting: De steekproef wordt opgesplitst in twee delen om bias te verminderen die ontstaat door het gebruik van dezelfde data voor selectie en schatting (winner's curse).

3. Belangrijkste Bijdragen

• Nieuwe Causale Maatstaf: Introductie van $R^2_{med;causal}$ en $Q^2_{med}$ voor binaire uitkomsten, die invariant zijn voor prevalentie en een duidelijke causale interpretatie hebben op de latentie-schaal.
• Robuustheid voor Zwakke Effecten: De methode is ontworpen om "dense weak mediators" (veel mediatoren met kleine effecten) te detecteren, in plaats van alleen sterke, sparsere effecten.
• Correctie voor Case-Control Bias: Een geïntegreerde schattingsprocedure die ascertainment bias correct verwerkt, wat essentieel is voor geldige conclusies in epidemiologische studies.
• Theoretische Consistentie: Bewezen dat de schatters consistent zijn onder milde voorwaarden, zelfs zonder perfecte selectie van mediatoren, zolang de FDR gecontroleerd blijft.
• Software: Implementatie in het R-pakket r2MedCausal.

4. Resultaten

• Simulaties: Uitgebreide simulaties tonen aan dat de voorgestelde methode aanzienlijk beter presteert dan bestaande methoden (HIMA, HDMA, BAMA) in termen van bias, variantie en MSE, vooral in scenario's met veel zwakke mediatoren en case-control designs. Bestaande methoden vertoonden vaak grote bias door annulering van effecten of door het negeren van selectiebias.
• Toepassing op WHI-studie: De methode werd toegepast op een case-control substudie van de Women's Health Initiative (WHI) om het effect van BMI op coronaire hartziekte (CHD) via metabolieten te onderzoeken.
  • Vindst: Bestaande methoden (HIMA/HDMA) vonden slechts een handvol sterke mediatoren en rapporteerden lage totale effecten.
  • Nieuwe Inzicht: De voorgestelde methode schatte dat 89% (95% CI: 57%–100%) van de variatie in de onderliggende CHD-liability die door BMI wordt verklaard, wordt gemedieerd door de gemeten metabolieten.
  • Interpretatie: Hoewel het absolute effect ($R^2_{med;causal} \approx 0.0076$) klein leek, was het statistisch significant en vertegenwoordigde het een substantieel deel van het totale effect van BMI. De analyse toonde aan dat duizenden metabolieten met zwakke, soms tegenstrijdige effecten, collectief een groot mediatie-effect hebben dat door andere methoden gemist werd.

5. Betekenis en Impact

Dit werk biedt een cruciaal instrument voor de analyse van hoogdimensionale 'omics'-data in epidemiologie. Het lost het probleem op van het "onzichtbaar" worden van zwakke maar collectief belangrijke biologische signalen in case-control studies. Door een causaal interpreteerbare maatstaf te bieden die niet afhankelijk is van ziekte-prevalentie, maakt het onderzoek naar complexe ziektepaden (zoals obesitas via metabolomics naar hartziekten) veel nauwkeuriger. De beschikbaarheid van het r2MedCausal pakket maakt deze geavanceerde analyse direct toepasbaar voor andere onderzoekers.