Robust Mendelian Randomization Estimation using Weighted Quantile Regression

这是一份关于论文《Robust Mendelian Randomization Estimation using Weighted Quantile Regression》（基于加权分位数回归的稳健孟德尔随机化估计）的详细技术总结。

1. 研究背景与问题 (Problem)

孟德尔随机化 (MR) 利用遗传变异作为工具变量 (IVs) 来推断暴露因素与结果之间的因果关系。然而，MR 研究的核心假设（IV 与暴露相关、独立于混杂因素、仅通过暴露影响结果）常因多效性 (Pleiotropy) 而受到破坏。

• 不相关多效性 (Uncorrelated Pleiotropy)：遗传变异对结果有直接效应，不通过暴露中介（违反假设 A2）。
• 相关多效性 (Correlated Pleiotropy)：遗传变异通过共享的可遗传混杂因素同时影响暴露和结果（违反假设 A3）。

现有的 MR 方法在处理多效性时存在局限性：

• 逆方差加权 (IVW)：假设所有 IV 均有效，存在多效性时估计有偏。
• 中位数估计 (Weighted Median)：要求至少 50% 的 IV 有效（"Majority Valid"假设），若无效 IV 比例超过 50% 则失效。
• 众数估计 (Weighted Mode) 及混合模型 (Mixture Models)：依赖“多数有效”（Plurality Valid）假设，但在无效 IV 比例高或效应微弱时，难以区分信号与噪声，且计算复杂。
• Lasso 及 cML 方法：依赖对无效 IV 的识别和剔除，在弱多效性效应下（难以与噪声区分）表现不佳，且计算成本高。

核心问题：如何开发一种在存在大量无效 IV（甚至超过 50%）以及强/弱相关或不相关多效性效应下，仍能保持稳健、低偏倚且计算高效的 MR 估计方法？

2. 方法论 (Methodology)

作者提出了一种名为 MR-Quantile 的新方法，基于加权分位数回归 (Weighted Quantile Regression, WQR)，并引入非对称拉普拉斯分布 (Asymmetric Laplace Distribution, ALD) 进行建模。

2.1 模型设定

• 统一框架：基于 Xue et al. (2021) 的统一框架，将 SNP-暴露 ($\hat{\beta}_{Xi}$) 和 SNP-结果 ($\hat{\beta}_{Yi}$) 的比值 $\hat{r}_i$ 建模为：
  $$\hat{r}_i = \theta_0 + \delta_i$$
  其中 $\theta_0$ 是因果效应，$\delta_i$ 是多效性偏差。
• ALD 分布假设：假设比值估计 $\hat{r}_i$ 服从非对称拉普拉斯分布 (ALD)。ALD 具有重尾特性，对异常值（来自无效 IV 的多效性效应）具有鲁棒性。
  • 概率密度函数：$f(\hat{r}_i; \theta, \tau, \lambda_i) = \lambda_i\tau(1-\tau)\exp(-\lambda_i\rho_\tau(\hat{r}_i - \theta))$
  • 其中 $\theta$ 是位置参数（即目标分位数），$\tau$ 是偏度参数（分位数水平），$\lambda_i$ 是尺度参数（与权重相关）。
• 加权分位数回归：
  • 当 $\tau=0.5$ 时，ALD 退化为拉普拉斯分布，其最大似然估计 (MLE) 等价于加权中位数估计。
  • 通过最大化似然函数，可以将 $\theta$ 的估计转化为最小化加权检查损失函数 (Check Loss Function) 的问题，即求解加权 $\tau$-分位数。

2.2 数据驱动的分位数选择

传统分位数回归需要预先指定 $\tau$，这通常依赖于对无效 IV 比例的强假设。MR-Quantile 的创新在于：

• 联合估计：利用 ALD 的似然函数，同时迭代估计位置参数 $\theta$、尺度参数 $\lambda$ 和分位数水平 $\tau$。
• 自适应 $\tau$：算法通过最大化似然函数自动确定最优的 $\tau$ 值。如果样本中存在一个主导模式（对应有效 IV），ALD 的 MLE 会自动将 $\tau$ 调整到该模式对应的分位数，从而无需预先知道无效 IV 的确切比例。
• 零模多效性假设 (ZEMPA)：该方法仅在无效 IV 的加权多效性效应分布的众数为 0 时保持一致性（即有效 IV 构成最大的群体），这比“多数有效”假设更宽松。

2.3 算法流程

1. 初始化：设定初始 $\tau=0.5$，权重 $w_i$ 为比值标准误的倒数。
2. 迭代优化：
   • 固定 $\tau$，更新 $\theta$（加权分位数）。
   • 固定 $\theta, \tau$，更新 $\lambda$。
   • 固定 $\theta, \lambda$，通过解析解更新 $\tau$。
3. 收敛：重复上述步骤直至对数似然函数收敛。
4. 推断：使用参数化 Bootstrap 方法计算标准误和置信区间，以处理 $\tau$ 和 $\lambda$ 估计的不确定性。

3. 主要贡献 (Key Contributions)

1. 提出 MR-Quantile：一种基于 WQR 和 ALD 的新 MR 方法，能够同时处理相关和不相关多效性。
2. 放宽假设：仅需满足“多数群体有效”（Plurality Valid）假设，即有效 IV 构成的群体最大，而不要求有效 IV 数量超过 50%。这使得该方法在无效 IV 比例很高（如 >50%）时依然有效。
3. 数据驱动的 $\tau$ 选择：解决了传统分位数回归需预设分位数的问题，通过似然框架自动适应数据分布，无需假设无效 IV 的比例。
4. 计算效率：相比基于混合模型（如 MR-Mix, MR-ContMix）或复杂惩罚项（如 cML-MA-BIC-DP）的方法，MR-Quantile 计算速度极快，适合大规模应用（如全转录组关联研究 TWAS）。
5. 鲁棒性：在模拟研究中，特别是在弱多效性效应和大量无效 IV 的场景下，表现出优异的偏差控制和统计功效。

4. 模拟研究结果 (Simulation Results)

作者进行了两类模拟实验：强多效性效应和弱多效性效应。

4.1 强多效性效应场景

• 设置：无效 IV 比例高达 60%，多效性效应较强。
• 结果：
  • 类型 I 错误率：MR-Quantile 在所有场景下（包括违反 InSIDE 假设的相关多效性）均能良好控制类型 I 错误率。相比之下，MR-Weighted-Median 在无效 IV 超过 50% 时错误率膨胀，MR-Egger 和 IVW 在相关多效性下严重有偏。
  • 偏差与 RMSE：MR-Quantile 的均方根误差 (RMSE) 低于大多数竞争方法（如 MR-Egger, IVW, Lasso, Weighted-Median）。
  • 统计功效：与依赖混合模型或剔除无效 IV 的方法（如 cML-MA-BIC, MR-Mix）相当，能有效检测因果效应。

4.2 弱多效性效应场景

• 设置：无效 IV 比例为 60%，但多效性效应微弱（难以与噪声区分）。
• 结果：
  • 类型 I 错误率：这是关键发现。依赖识别无效 IV 的方法（如 MR-Lasso, cML-MA-BIC）因难以区分弱效应而错误率膨胀。MR-Quantile 是除 cML-MA-BIC-DP（数据扰动版）外，唯一能保持低错误率的方法。
  • 性能对比：MR-Quantile 在偏差、方差和功效方面表现优异，且计算速度远快于 cML-MA-BIC-DP（快约 120 倍，当 SNP 数为 100 时）。

5. 实证应用：静息心率与房颤 (Application: RHR on AF)

• 数据：
  • 暴露：静息心率 (RHR)，来自 VA Million Veteran Program (425,748 人)。
  • 结果：心房颤动 (AF)，来自 8 项研究的 Meta 分析 (228,926 例)。
  • 工具变量：104 个独立 SNP。
• 发现：
  • 比值估计显示高度异质性，表明存在大量多效性。
  • MR-Quantile 估计结果：$\hat{\theta} = -0.23$，对应风险比 (RR) 为 0.796 (95% CI: 0.728-0.870)。
  • 结论：静息心率每增加一个标准差，房颤风险降低约 20%。这一结果与其他稳健 MR 方法一致，支持 RHR 升高对 AF 具有保护作用（尽管这与临床直觉相悖，作者推测可能涉及发育期的多效性或特定的生物学机制）。
• PheWAS 分析：发现低比值估计的 SNP 与 BMI、肺功能等性状相关，提示可能存在不同的多效性路径，这解释了为何需要稳健方法。

6. 意义与局限性 (Significance & Limitations)

意义：

• 解决“高比例无效 IV"难题：为在无效工具变量比例极高（>50%）且存在复杂多效性的情况下提供可靠的因果推断工具。
• 计算可扩展性：极快的计算速度使其适用于需要重复估计的大规模研究（如 TWAS），填补了现有稳健方法在计算效率上的空白。
• 无需强先验：通过数据驱动选择分位数，减少了对无效 IV 分布假设的依赖。

局限性：

• 渐近理论：由于 ALD 在众数处不可微，标准最大似然理论不直接适用，目前依赖 Bootstrap 计算标准误，可能在某些极端情况下功效略低于基于渐近正态性的方法。
• 单变量限制：目前仅适用于单暴露 - 单结果模型，尚未扩展到多变量 MR。
• 样本重叠：假设 SNP-暴露和 SNP-结果 GWAS 样本独立，未来需扩展至重叠样本场景。

总结：MR-Quantile 是一种在复杂多效性环境下极具潜力的 MR 方法，特别是在无效工具变量比例高、效应微弱且计算资源受限的场景下，提供了稳健且高效的解决方案。