Non-independence in network-structured Mendelian randomization: a permutation framework and six failure modes

长期以来，科学家们一直试图寻找一种可靠的方法，在药物到达患者之前就能预测其是否有效。一种被称为孟德尔随机化（Mendelian randomization）的强大方法，利用自然界自身的随机化过程来测试因果关系。它观察人们出生时继承的遗传变异，这些变异就像是天然的实验。如果某种特定的遗传变异导致一个人的血液中某种蛋白质水平升高，且该人同时患某种疾病的风险也更高，那么研究人员就可以推断，该蛋白质本身很可能导致了这种疾病。这种方法已成为提名新药物靶点的标准工具，尤其是在心脏病领域。该领域的一个常见假设是：如果一种蛋白质（配体）引起了疾病，那么接收其信号的蛋白质（其受体）也应该讲述同样的故事。逻辑在于，如果信使是危险的，那么接收者也必然是问题的一部分。

然而，最近的一项研究挑战了这一假设，揭示了将这两项测量视为可互换证据是一种错误。研究人员分析了数千对相互作用的蛋白质，以观察它们的遗传信号在冠心病风险上是否一致。他们发现，来自信使和接收者的信号经常不一致，而且当它们一致时，其频率并不比随机配对的蛋白质更高。该研究还揭示了科学家统计发现数量时的一个隐藏缺陷：由于蛋白质连接在一个复杂的网络中，同一个蛋白质会出现在许多不同的配对中，这使得标准的统计校正失效。结果为我们提供了一个更清晰、更谨慎的视角来看待如何识别药物靶点，表明我们不能仅仅因为两个部分在遗传上相关，就简单地假设一条通路就是有效的。

研究人员首先收集了在近5万名受试者血液中测得的660种不同蛋白质的数据。他们重点关注了那些在附近拥有明确“遗传开关”的蛋白质，这使他们能够有把握地使用孟德尔随机化方法。随后，他们研究了1,129对蛋白质，其中一个作为信号，另一个作为接收器，这种关系通过一个已知生物相互作用的数据库进行了映射。对于每一对蛋白质，他们计算了信号蛋白对心脏病的影响，并将其与接收器蛋白的影响进行了比较。如果上述共同假设成立，这两个数值应该向同一方向移动。然而，团队发现，信号与接收器之间的契合度并不比随机配对更好。在一个大型数据集中，两类蛋白质指向相同方向的比例仅为48.5%，这与随机配对蛋白质的结果无异。在第二个更大的数据集中，这种一致性甚至更低，仅为47%。

这种缺乏一致性的现象表明，测量信使和测量接收器实际上是在回答两个不同的问题。研究显示，当研究人员寻找信号与接收器显著不一致的蛋白质对时，如果使用包含更多心脏病病例的大型数据集，其“发现”的数量会增加三倍，从10个上升到31个。至关重要的是，随机噪声的统计预期也同步上升，从9个增加到30个，这意味着这种增长与随机性是一致的，而非源于生物学信号。研究人员证明，标准的纠错方法之所以失败，是因为它们将每个蛋白质对视为独立的测试。实际上，蛋白质是连接在一个网络中的；单个蛋白质可以参与数十个配对。当同一个蛋白质出现在多次测试中时，数据便不再是独立的，因此标准的校正方法会高估真实的发现数量。

为了解决这个问题，团队开发了一种能够尊重网络结构的新测试方法。他们尝试了两种方法：一种是在保持蛋白质本身及其连接数量不变的情况下，打乱蛋白质之间的连接；另一种是将统计值移动到不同的蛋白质上。他们发现，将值移动到不同蛋白质上的方法并不合适，因为它忽略了高连接度的蛋白质往往具有更大效应这一事实。然而，那种保持蛋白质和连接固定、仅打乱配对关系的方法表明，通过标准方法发现的那些所谓的“显著”差异，很可能只是网络形态产生的伪影。当应用这种更严格的测试时，观察到的不一致数量与随机碰撞的预期并无显著差异。研究还检查了已知对心脏病具有因果关系的蛋白质（如PCSK9）是否表现出特殊的契合模式。虽然PCSK9被正确识别为风险因子，但信号与接收器之间的广泛一致性模式并未成立。即使研究人员通过另一种测量技术进行检查，以确保结果不是由于实验室设备的误差造成的，信号与接收器之间缺乏一致性的现象依然存在。

这些发现对于未来如何选择药物靶点具有重要意义。研究确定了导致当前实践误导研究人员的六种具体方式，包括未能考虑网络连接以及过度依赖复杂基因组区域中的单一遗传信号。一个主要问题是，许多蛋白质位于基因组的多个遗传信号重叠的区域，这使得很难辨别究竟是哪一个信号在驱动疾病。研究人员发现，当他们改变用于定义心脏病的数据集时，关于蛋白质与疾病是否共享遗传原因的结论往往会发生逆转。这种不稳定性表明，许多先前关于共享通路的说法可能并不稳固。研究结论指出，尽管孟德尔随机化仍然是一个有价值的工具，但认为配体与其受体能提供关于生物通路同等证据的假设，并未得到数据的支持。科学家现在必须将这两项测量视为截然不同的证据，而非一个统一的故事。