IndepMR: An Ontology-Driven, Ancestry-Aware Interactive R Shiny Framework for Automated Two-Sample and Multivariable Mendelian Randomization with Mediation Analysis Using Public GWAS Summary Data

Om te begrijpen hoe een specifieke gewoonte of eigenschap een ziekte zou kunnen veroorzaken, worden wetenschappers vaak geconfronteerd met een lastig probleem: mensen die die eigenschap hebben, kunnen ook andere verborgen gewoonten delen die de ziekte daadwerkelijk veroorzaken. Stel je voor dat je probeert uit te zoeken of het eten van een bepaalde voedselsoort hartproblemen veroorzaakt, maar de mensen die dit eten, hebben ook de neiging om meer te roken. Het wordt bijna onmogelijk om te bepalen welke factor de werkelijke boosdoener is. Decennialang hebben onderzoekers een slimme methode gebruikt genaamd Mendeliaanse randomisatie om door deze verwarring heen te snijden. Deze methode berust op het feit dat onze genen bij de bevruchting willekeurig worden gehusseld, vergelijkbaar met een loterijticket, lang voordat we worden geboren en lang voordat we een ziekte ontwikkelen. Omdat deze genetische variaties door toeval worden toegewezen, fungeren ze als natuurlijke, onbevooroordeelde markers. Als een persoon een genetische variant bezit die er van nature voor zorgt dat het lichaam meer van een bepaalde stof aanmaakt, en die persoon heeft ook een grotere kans om een specifieke ziekte te ontwikkelen, dan kunnen wetenschappers afleiden dat die stof waarschijnlijk de ziekte veroorzaakt, in plaats van een andere levensstijlfactor.

Het gebruik van deze genetische loterij om echte medische vragen op te lossen, is echter steeds moeilijker geworden naarmate de hoeveelheid beschikbare gegevens is geëxplodeerd. Er bestaan nu duizenden enorme studies die de genetische verbanden catalogiseren voor alles van lengte tot diabetes, maar deze zijn verspreid over verschillende populaties en worden op verwarrende manieren beschreven. Een studie kan haar deelnemers als "Brits" vermelden, terwijl een andere "Europees" zegt, en een derde kan "Italiaans en Europees" in één enkele beschrijving mengen. Zonder een manier om deze labels automatisch te sorteren, kunnen onderzoekers per ongeluk gegevens van mensen combineren die genetisch te veel op elkaar lijken, wat de resultaten vertekent, of ze kunnen cruciale studies missen omdat ze naar het verkeerde woord hebben gezocht. Een nieuwe tool genaamd IndepMR, ontwikkeld door onderzoekers aan de Universiteit van Colombo, heeft tot doel deze knelpunten op te lossen. Het is een computerprogramma dat is ontworpen om als een strikte gids te fungen, door automatisch de juiste genetische studies te vinden, te controleren of de mensen in deze studies compatibel zijn, en complexe berekeningen uit te voeren om ware oorzaak-gevolgrelaties te onthullen zonder dat de gebruiker een expert in programmeren hoeft te zijn.

De kerninnovatie van deze nieuwe tool ligt in de manier waarop het naar informatie zoekt en hoe het de mensen achter de gegevens controleert. Traditioneel, als een onderzoeker "hoge bloedsuikerspiegel" wilde bestuderen, zou hij die exacte woorden in een database kunnen typen. Maar een studie kan de term "nuchtere glucose" of "HbA1c" hebben gebruikt, en een eenvoudige zoekopdracht zou deze volledig missen. IndepMR lost dit op door een gestructureerde kaart van biologische concepten te gebruiken, vergelijkbaar met een stamboom voor ziekten en eigenschappen. Als een gebruiker zoekt naar "hoge bloedsuikerspiegel", begrijpt het programma dat dit gerelateerd is aan "nuchtere glucose" en "HbA1c" omdat ze allemaal uit hetzelfde ouderconcept voortkomen. Dit stelt de tool in staat om elke relevante studie te vinden, zelfs als de onderzoekers andere namen voor dezelfde conditie hebben gebruikt. Deze aanpak bleek krachtig bij het testen van de tool: bij het zoeken naar de brede categorie "lipiden", vond de nieuwe tool meer dan 1.200 studies, terwijl een standaard zoekopdracht op trefwoorden slechts 166 vond.

Even belangrijk is het vermogen van de tool om de afkomst van de mensen in de studies te controleren. Voor het eerlijk werken van de genetische loterij moeten de groep mensen die de genetische aanwijzingen voor de blootstelling (zoals lichaamsgewicht) leveren, en de groep die de aanwijzingen voor de uitkomst (zoals diabetes) levert, genetisch compatibel zijn, maar niet exact dezelfde mensen. Als ze te veel op elkaar lijken, kunnen de resultaten vertekend zijn; als ze uit totaal verschillende ancestrale achtergronden komen, werken de genetische markers misschien niet op dezelfde manier. Bestaande tools lieten deze controle vaak over aan de menselijke onderzoeker, die handmatig door tekstuele beschrijvingen zoals "Italiaans, Europees" moest lezen en moest gissen of ze overeenkwamen. IndepMR automatiseert dit door deze beschrijvingen onder te verdelen in een gestandaardiseerde hiërarchie. Het herkent dat "Italiaans" een specifiek type "Europees" is, en geeft een melding wanneer een studie een brede label gebruikt die een specifieke overlap kan verbergen. Dit voorkomt dat onderzoekers per ongeluk twee groepen vergelijken die dezelfde onderliggende genetische pool delen, een fout die kan leiden tot valse conclusies.

De onderzoekers testten hun nieuwe systeem door de link tussen de body mass index en type 2 diabetes te onderzoeken, een vraag die al jaren wordt bestudeerd maar die verschillende resultaten oplevert afhankelijk van de populatie. Ze voerden de analyse twee keer uit: één keer met gegevens van mensen van Europese afkomst en één keer met gegevens van mensen van Aziatische afkomst. In de Europese groep bevestigde de tool wat velen verwachtten: een hogere body mass index veroorzaakt een significante toename van het risico op het ontwikkelen van type 2 diabetes. De analyse was zuiver, zonder tekenen van verborgen fouten of tegenstrijdige signalen. Echter, het verhaal veranderde toen ze naar de Aziatische groep keken. De tool vond aanvankelijk een resultaat dat leek te suggereren dat er een beschermend effect was, wat impliceerde dat een hoger lichaamsgewicht het risico op diabetes zou verlagen. Maar de automatische controles gaven onmiddellijk een rood vlaggetje. De gegevens vertoonden ernstige inconsistenties en tekenen dat de genetische markers reageerden op andere, ongerelateerde factoren. De tool identificeerde correct dat dit verrassende resultaat waarschijnlijk onbetrouwbaar was, gedreven door verborgen biases in de data in plaats van een ware biologische omkering. Dit bewees dat de tool niet alleen cijfers produceert; het fungeert als een kwaliteitscontrole-expert die onderzoekers laat weten wanneer een resultaat verdacht lijkt.

Om de volledige kracht van het systeem aan te tonen, demonstreerde het team ook hoe het omgaat met complexe vragen waarbij een tussenstap, of mediator, betrokken is. Ze probeerden te zien of het effect van lichaamsgewicht op diabetes verliep via een specifieke bloedmarker genaamd HbA1c. De tool leidde hen succesvol door de stappen van het combineren van drie verschillende sets genetische gegevens. Het ontdekte echter ook een kritieke ontwerpfout: de studie voor lichaamsgewicht en de studie voor de bloedmarker kwamen exact uit dezelfde groep mensen. In een goede genetische studie zouden deze groepen gescheiden moeten zijn om te garanderen dat de resultaten niet slechts een reflectie zijn van de gegevens van dezelfde individuen. De tool signaleerde deze overlap onmiddellijk en waarschuwde de onderzoekers dat elke conclusie getrokken uit deze specifieke combinatie vertekend zou zijn. Dit kenmerk is essentieel omdat het onderzoekers voorkomt tijd te verspillen aan gebrekkige analyses of, erger nog, resultaten te publiceren die overtuigend lijken maar eigenlijk artefacten zijn van het onderzoeksontwerp.

De ontwikkeling van IndepMR vertegenwoordigt een verschuiving naar het toegankelijk maken van geavanceerde genetische analyse voor iedereen met een wetenschappelijke vraag, niet alleen voor degenen die complexe computercode kunnen schrijven. Door de tijdrovende en foutgevoelige taken van het vinden van de juiste studies, het controleren van hun compatibiliteit en het uitvoeren van de noodzakelijke statistische tests te automatiseren, stelt de tool onderzoekers in staat zich te concentreren op de biologie in plaats van op de mechanica van de gegevens. Het dwingt een niveau van strengheid af dat handmatig moeilijk te handhaven is, waardoor wordt gegarandeerd dat de antwoorden gebaseerd zijn op solide, compatibele bewijslast. Hoewel de tool niet elk probleem kan oplossen – zoals het vinden van een perfecte studie wanneer er geen bestaat – biedt het een transparante, stapsgewijze omgeving waarin de beperkingen van de gegevens duidelijk zichtbaar zijn. Uiteindelijk is het doel om het proces van het ontdekken van oorzaak en gevolg in de menselijke gezondheid betrouwbaarder te maken, om ervoor te zorgen dat de conclusies die uit onze genetische loterij worden getrokken, zo nauwkeurig mogelijk zijn.