Heritable confounding in Mendelian randomization studies

Dit artikel toont aan dat Mendeliaanse randomisatiestudies met genetische varianten met kleine effectgroottes vatbaar zijn voor erfelijke verstorende factoren die causale schattingen in een consistente richting vertekenen over methoden heen, maar laat zien dat deze vertekening kan worden beperkt door voorafgaande filtering of multivariabele MR wanneer potentiële verstorende factoren worden geïdentificeerd.

De kern

Het Grote Plaatje: De "Echte" Oorzaak Proberen Te Vinden

Stel je voor dat je een detective bent die een mysterie probeert op te lossen: Veroorzaakt hoge ontsteking (gemeten door een eiwit genaamd C-reactief proteïne, of CRP) daadwerkelijk diabetes type 2?

In de echte wereld is het moeilijk om oorzaak te onderscheiden van gevolg, omdat alles door elkaar loopt. Misschien hebben mensen die veel ongezond eten eten, zowel hoge ontstekingswaarden als diabetes. Als je alleen naar de data kijkt, lijkt het alsof ontsteking diabetes veroorzaakt, maar eigenlijk is het ongezonde eten de boosdoener. Dit heet verwarring (confounding).

Om dit op te lossen, gebruiken wetenschappers een methode genaamd Mendeliaanse Randomisatie (MR). Denk aan MR als het gebruik van genetische loterijbiljetten als gereedschap voor een detective.

• Je wordt geboren met bepaalde genetische "biljetten" (varianten) die op natuurlijke wijze je CRP-waarden hoger of lager maken.
• Omdat deze biljetten bij de conceptie worden toegewezen (zoals een loterij), worden ze niet beïnvloed door je dieet, levensstijl of ongezond eten.
• Als mensen met "hoge CRP-biljetten" vaker diabetes krijgen, kun je er zekerder van zijn dat CRP de diabetes veroorzaakt, en niet het ongezonde eten.

Het Nieuwe Probleem: De "Verborgen Neef"

Dit artikel betoogt dat, hoewel de methode met genetische loterijbiljetten geweldig is, er een nieuwe, sluwe fout in zit die erger wordt naarmate de wetenschap vordert.

De Fout: Erfelijke Verwarring
Stel je voor dat je genetische biljet niet alleen je CRP-waarden direct regelt. Stel je in plaats daarvan voor dat het biljet je gewicht (adipositeit) regelt.

1. Zwaarder zijn zorgt ervoor dat je CRP omhoog gaat.
2. Zwaarder zijn zorgt er ook voor dat je een grotere kans hebt om diabetes te krijgen.
3. Dus, je genetische biljet trekt eigenlijk twee draden tegelijk: het maakt je zwaar, wat CRP verhoogt en diabetes veroorzaakt.

In dit scenario is het genetische biljet geen zuivere test van CRP. Het is een test van "zwaar zijn". Als je dit biljet gebruikt om te bewijzen dat CRP diabetes veroorzaakt, bewijs je eigenlijk alleen maar dat "zwaar zijn diabetes veroorzaakt", maar denk je dat je hebt bewezen dat het de CRP is. Het artikel noemt dit erfelijke verwarring.

Waarom wordt dit erger? (Het "Diepe Duik"-Probleem)

Het artikel legt uit dat naarmate wetenschappers steeds grotere datasets verzamelen (zoals het bekijken van miljoenen mensen in plaats van duizenden), ze beginnen met het vinden van zwakkere genetische biljetten.

• De Sterke Biljetten: De voor de hand liggende, krachtige genetische biljetten die CRP direct regelen, zijn makkelijk te vinden. Deze zijn meestal "schoon" en veroorzaken weinig problemen.
• De Zwakke Biljetten: Naarmate we dieper graven, vinden we kleine, zwakke genetische signalen. Deze zijn vaak "distaal" – ze zitten ver weg in de biologische keten. Ze regelen misschien een klein eiwit dat een ander eiwit regelt, wat dan je gewicht regelt, wat dan CRP regelt.

De Analogie:
Denk aan een Rube Goldberg-machine.

• Sterke biljetten zijn de bal die op de eerste dominosteen tikt. Het is een directe lijn naar het resultaat.
• Zwakke biljetten (gevonden in enorme studies) zijn de bal die op een veer tikt, die op een ventilator tikt, die een zeil aanblaast, die een boot beweegt, die op de dominosteen tikt.
• Hoe meer stappen er in de keten zitten, hoe waarschijnlijker er een "zijpad" is (een verwarrende factor) die het resultaat verstoort.

Het artikel toont aan dat hoe meer genetische biljetten we vinden, hoe waarschijnlijker we de "zwakke, rommelige" biljetten kiezen die eigenlijk gekoppeld zijn aan verborgen verwarrende factoren (zoals gewicht). Hierdoor lijken de resultaten meer bevooroordeeld, en niet minder.

De Valstrik van "Valse Zekerheid"

Het artikel waarschuwt dat wanneer wetenschappers standaard computermethoden gebruiken om deze rommelige biljetten te analyseren, de resultaten vaak zeer consistent en zelfverzekerd lijken.

• Het is alsof je een groep getuigen hebt die allemaal hetzelfde verhaal vertellen, maar ze vertellen allemaal dezelfde leugen omdat ze allemaal beïnvloed worden door dezelfde verborgen factor (het "zware" gen).
• Het artikel toont aan dat standaardmethoden dit vaak niet opmerken, waardoor onderzoekers denken dat ze een oorzaak-gevolgrelatie hebben gevonden, terwijl dat niet zo is.

De Oplossing: Hoe het Detectivewerk Te Repareren

De auteurs stellen twee eenvoudige manieren voor om dit op te lossen, met het voorbeeld van CRP en Diabetes:

1. De "Multivariabele" Aanpak (Het Controleren van Bijwerkingen):
   In plaats van alleen te vragen: "Beïnvloedt dit biljet CRP?", vraag je: "Beïnvloedt dit biljet ook gewicht?"

   • Als een biljet gewicht beïnvloedt, en gewicht beïnvloedt diabetes, kunnen we een statistisch hulpmiddel gebruiken om het gewichtseffect er "af te halen". Dit isoleert het pure CRP-effect.
   • Resultaat in het artikel: Toen ze dit voor CRP deden, verdween het verband met diabetes. Het bleek dat CRP niet de oorzaak was; gewicht was de echte boosdoener.

2. De "Steiger Filter" (De Kwaliteitscontrole):
   Dit is een filter dat elk genetisch biljet wegwerpt dat meer variatie in de verwarrende factor (gewicht) verklaart dan in de blootstelling (CRP).

   • Als een biljet beter in staat is om gewicht te voorspellen dan CRP, is het een "slecht biljet" voor deze specifieke test. Gooi het weg.
   • Resultaat in het artikel: Het verwijderen van deze slechte biljetten liet het verband tussen CRP en diabetes ook verdwijnen.

De Conclusie

Het artikel concludeert dat Mendeliaanse Randomisatie niet immuun is voor bias. Sterker nog, naarmate we meer en meer kleine genetische signalen vinden, kunnen we per ongeluk meer "verwarde" signalen oppikken.

• De Les: Alleen omdat een studie genetica gebruikt, betekent niet dat het perfect is. Onderzoekers moeten controleren of hun genetische "biljetten" eigenlijk gekoppeld zijn aan andere dingen (zoals gewicht, dieet of andere ziekten) die de echte oorzaak kunnen zijn.
• De Specifieke Bevinding: In het geval van C-reactief proteïne en diabetes type 2, was de schijnbare link waarschijnlijk een illusie veroorzaakt door adipositeit (lichaamsvet). Zodra de onderzoekers corrigeerden voor deze "erfelijke verwarring", verdween het bewijs dat CRP diabetes veroorzaakt.

Kortom: Vertrouw niet zomaar op de genetische loterij alleen omdat het willekeurig is. Je moet ervoor zorgen dat het biljet dat je hebt gekozen niet eigenlijk een biljet is voor iets heel anders.

Technische samenvatting

1. Probleemstelling

Mendeliaanse Randomisatie (MR) is een veelgebruikte epidemiologische methode die genetische varianten gebruikt als instrumentele variabelen (IV's) om causale effecten van blootstellingen op uitkomsten af te leiden. Het vertrouwt op de aanname van gen-omgevingsequivalentie, specifiek dat genetische instrumenten de uitkomst uitsluitend beïnvloeden via de blootstelling van belang (geen horizontale pleiotropie).

Het artikel behandelt een kritieke, vaak over het hoofd geziene schending van deze aanname: erfelijke verwarding. Dit treedt op wanneer genetische instrumenten geassocieerd zijn met een erfelijke verwarrende factor die zowel de blootstelling als de uitkomst beïnvloedt. De auteurs betogen dat naarmate de steekproefomvang van Genome-Wide Association Studies (GWAS) toeneemt, onderzoekers varianten met kleinere effectgroottes identificeren. Deze varianten met kleinere effecten zijn vaak verder verwijderd in het biologische pad (gemedieerd via upstream-kenmerken) en zijn daarom vatbaarder voor associatie met verwarrende factoren, wat leidt tot gecorreleerde pleiotropie. Deze vertekening kan ernstiger zijn dan de vertekening die wordt gevonden in traditionele lineaire regressie en kan onderzoekers in de war brengen, zelfs wanneer meerdere MR-methoden consistente resultaten opleveren.

2. Methodologie

De auteurs hanteerden een veelzijdige aanpak die theoretische afleiding, netsimulaties en een toegepaste casestudie combineerde:

• Theoretische Vertekeninganalyse:

  • Zij leidden wiskundige uitdrukkingen af die de vertekening in MR-schattingen (met gebruik van één instrument) vergelijken met lineaire regressieschattingen in aanwezigheid van één niet-geobserveerde erfelijke verwarrende factor.
  • Zij toonden aan dat MR-vertekening afhangt van de verhouding tussen het pleiotrope effect (instrument $\to$ uitkomst via verwarrende factor) en het effect van het instrument op de blootstelling.

• Netsimulaties:

  • Met behulp van het pakket R/dagitty simuleerden zij willekeurige Gerichte Acyclische Grafen (DAG's) die genotype-fenotype-netwerken vertegenwoordigen met variërende aantallen kenmerken (N=75 tot 150) en randdichtheden.
  • Zij modelleerden de ontdekking van genetische instrumenten als een functie van de GWAS-steekproefomvang (gesimuleerd door p-waarde-drempels te variëren).
  • Hypothese: Varianties met langere paden naar de blootstelling (meer distaal) hebben kleinere effectgroottes en zijn waarschijnlijker om via verwarrende factoren te werken.

• Vertekeningssimulatie van MR-schattingen:

  • Zij simuleerden gegevens waarbij een blootstelling en uitkomst verward zijn door een erfelijk kenmerk, zonder waarachtig causaal effect tussen hen.
  • Zij testten standaard univariate MR-methoden (Inverse Variance Weighted [IVW], MR-Egger, Weighted Median, Weighted Mode) tegen twee voorgestelde mitigeringsstrategieën:
    1. Multivariate MR (MVMR): Het opnemen van de verwarrende factor als een extra blootstelling.
    2. Steiger-filtering: Het verwijderen van SNP's die meer variantie verklaren in de verwarrende factor dan in de blootstelling.
  • Zij testten ook geavanceerde methoden die zijn ontworpen voor gecorreleerde pleiotropie: CAUSE en MR-cML.

• Toegepaste Casestudie (CRP $\to$ Type 2 Diabetes):

  • Blootstelling: C-reactive protein (CRP).
  • Uitkomst: Type 2 Diabetes (T2D).
  • Proces:
    1. Identificatie van 728 leidende varianten voor CRP uit een grote GWAS.
    2. Uitvoering van een Phenome-Wide Association Study (PheWAS) met behulp van de GWAS Catalogus om kenmerken te identificeren die geassocieerd zijn met deze CRP-instrumenten.
    3. Filteren op kenmerken die ook geassocieerd zijn met T2D, waarbij 235 potentiële erfelijke verwarrende factoren werden geïdentificeerd.
    4. Toepassing van Steiger-filtering en MVMR om aan te passen voor de belangrijkste verwarrende factoren (specifiek kenmerken gerelateerd aan adipositeit en proteïne-biomerkers).
    5. Vergelijking van resultaten met CAUSE en MR-cML.

3. Belangrijkste Bijdragen

• Identificatie van een Specifiek Vertekeningmechanisme: Het artikel verduidelijkt dat "erfelijke verwarding" een onderscheiden bron van vertekening is waarbij genetische instrumenten zijn gekoppeld aan upstream-verwarrende factoren, wat gecorreleerde pleiotropie genereert.
• Steekproefomvang-paradox: Het benadrukt een tegen-intuïtieve bevinding: grotere GWAS-steekproefomvang vergroot het risico op vertekening door erfelijke verwarding. Naarmate steekproefomvang groeit, worden zwakkere varianten (die vaak meer distaal en pleiotroop zijn) ontdekt en opgenomen als instrumenten, waardoor IV-aannames vaker worden geschonden dan bij sterke, proximale varianten.
• Grootte van Vertekening: Theoretische en simulatieresultaten tonen aan dat MR-schattingen die vertekend zijn door erfelijke verwarding sterker vertekend kunnen zijn dan de overeenkomstige observationele lineaire regressieschattingen, wat potentieel leidt tot valse zekerheid in causale claims.
• Beperkingen van Huidige Robuuste Methoden: De studie toont aan dat standaard "pleiotropie-robuste" methoden (MR-Egger, Weighted Median) en geavanceerde Bayesiaanse methoden (CAUSE, MR-cML) falen om vertekening te corrigeren wanneer het merendeel van de instrumenten geassocieerd is met een specifieke erfelijke verwarrende factor (gecorreleerde pleiotropie).
• Voorgestelde Oplossingen: De auteurs pleiten voor het systematische gebruik van Steiger-filtering en Multivariate MR (MVMR) met bekende of vermoede verwarrende factoren als primaire robuustheidscontroles.

4. Belangrijkste Resultaten

• Simulatiebevindingen:

  • In scenario's waarin een hoog percentage SNP's via een verwarrende factor werkt, produceerden alle univariate MR-methoden (IVW, MR-Egger, enz.) vertekende schattingen die consistent waren met de verwarde observationele associatie.
  • MVMR en Steiger-filtering slaagden erin het nul-causale effect (de ware waarde in de simulatie) te herstellen wanneer de verwarrende factor bekend en meetbaar was.
  • Methoden zoals CAUSE en MR-cML faalden om de vertekening te corrigeren in aanwezigheid van sterke gecorreleerde pleiotropie, wat resulteerde in schattingen die vergelijkbaar waren met de vertekende IVW-resultaten.

• Casestudie (CRP $\to$ T2D) Bevindingen:

  • Initiële univariate MR suggereerde een causaal effect van CRP op T2D.
  • PheWAS identificeerde kenmerken gerelateerd aan adipositeit en proteïne-biomerkers (gekoppeld aan de APOE-locus, rs429358) als belangrijke verwarrende factoren.
  • Steiger-filtering (verwijdering van varianten die sterker geassocieerd zijn met adipositeit) en MVMR (aanpassing voor adipositeit) leidden beide tot een substantiële afzwakking van de effectschatting, waardoor het causale verband tussen CRP en T2D niet-significant werd (compatibel met een nuleffect).
  • Dit suggereert dat de oorspronkelijke associatie werd gedreven door erfelijke verwarding (waarschijnlijk lichaamsvet dat zowel CRP als T2D beïnvloedt) in plaats van een direct causaal effect van ontsteking.

5. Betekenis en Implicaties

• Herwaardering van MR-literatuur: De bevindingen suggereren dat veel bestaande MR-studies, met name die met gebruik van grote biobank-gegevens en zwakkere instrumenten, causale effecten hebben overschat door niet-gecontroleerde erfelijke verwarding.
• Methodologische Verschuiving: Het artikel betoogt dat MR niet immuun is voor verwardingsvertekening en actieve aanpassingsstrategieën vereist die vergelijkbaar zijn met (maar verschillend van) lineaire regressie.
• Gen-omgevingsequivalentie (GEE): De auteurs betwisten de plausibiliteit van GEE voor veel complexe kenmerken, met de opmerking dat als genetische varianten een blootstelling beïnvloeden via upstream-fenotypen (bijv. adipositeit die CRP beïnvloedt), de genetische manipulatie niet neerkomt op een specifieke interventie op de blootstelling alleen.
• Praktische Aanbevelingen:
  • Onderzoekers moeten instrumenten systematisch screenen op associaties met bekende verwarrende factoren (via PheWAS).
  • Steiger-filtering en MVMR moeten standaard robuustheidscontroles zijn.
  • Consistentie tussen verschillende MR-methoden garandeert geen validiteit als alle methoden dezelfde onderliggende vertekening delen van een dominante verwarrende factor.
  • Resultaten moeten worden geïnterpreteerd binnen een "triangulatie van bewijs"-kader, waarbij wordt erkend dat MR vatbaar is voor specifieke vertekeningen die verschillen van observationele studies.

Concluderend biedt dit artikel een rigoureuze waarschuwing dat de "gouden standaard" van MR kwetsbaar is voor erfelijke verwarding, met name in het tijdperk van enorme GWAS-gegevenssets, en biedt het praktische, toegankelijke hulpmiddelen om deze bedreiging te mitigeren.