目的:由于未知混雜及逆向因果的局限,基于觀察性研究設(shè)計(jì)來推斷因果效應(yīng)是困難的。MR(Mendelian Randomization,孟德爾隨機(jī)化)利用遺傳變異作為工具變量,依據(jù)遺傳變異在配子形成過程中隨機(jī)分離的性質(zhì)對樣本模擬隨機(jī)化,從而克服傳統(tǒng)關(guān)聯(lián)分析的缺陷,基于觀察性研究設(shè)計(jì)得到可靠的因果效應(yīng)估計(jì)。得益于全基因組關(guān)聯(lián)研究及遺傳變異與性狀關(guān)聯(lián)關(guān)系匯總數(shù)據(jù)的可得性,基于多工具變量的匯總數(shù)據(jù)MR模型被廣泛應(yīng)用于醫(yī)學(xué)研究中。MR模型的統(tǒng)計(jì)效能依賴于工具變量所解釋的暴露變異的比例,而遺傳變異通常只能解釋暴露變異的很小一部分,這會導(dǎo)致模型效能不足。納入更多遺傳變異作為工具變量可以提高對暴露變異的解釋度,從而提高模型的統(tǒng)計(jì)效能,但更多遺傳變異的引入意味著模型中包含更多多效性工具變量。多效性工具變量通過除暴露外的其他通路作用于結(jié)局,違背MR模型的核心假設(shè),使得估計(jì)產(chǎn)生偏倚。因此,本研究提出改進(jìn)的MR模型估計(jì)策略,旨在校正多效性偏倚同時提高模型的統(tǒng)計(jì)效能,從而獲得更加準(zhǔn)確的、可靠的因果估計(jì)。方法:首先放寬篩選工具變量的顯著性閾值,納入更多遺傳變異作為工具變量,工具變量對暴露變異的解釋比例增加,從而模型...

【文章頁數(shù)】：123 頁

【學(xué)位級別】：博士

【部分圖文】：

圖1-1工具變量核心假設(shè)

山西醫(yī)科大學(xué)博士學(xué)位論文6性工具變量的識別模型(第四章)、基于校正多效性偏倚的MR模型(第五章)以及效應(yīng)值合并方法(第六章)。在各個章節(jié)中，結(jié)合理論論述與模擬研究，詳細(xì)闡述并分析本研究所構(gòu)建的MR理論模型框架中每個分析步驟的最優(yōu)方法選擇依據(jù)。第六章結(jié)尾對改進(jìn)MR理論模型的構(gòu)建方法....

圖1-2遺傳變異的多效性

山西醫(yī)科大學(xué)博士學(xué)位論文9圖1-2遺傳變異的多效性Z:工具變量；X:暴露；Y:結(jié)局；U:混雜1.2.3遺傳變異的連鎖不平衡及其對MR模型的影響LD(LinkageDisequilibrium,連鎖不平衡)描述的是遺傳變異之間的相關(guān)性。這種相關(guān)性通常是由遺傳變異之間物理位置的臨近所....

圖2-1改進(jìn)MR模型分析流程

山西醫(yī)科大學(xué)博士學(xué)位論文13子集構(gòu)建MR模型進(jìn)行效應(yīng)估計(jì)時，應(yīng)選擇能夠校正弱工具變量偏倚的方法�；诖�，本研究對多效性工具變量識別模型、基于無多效性工具變量假設(shè)的MR模型、以及基于校正多效性偏倚的MR模型分別進(jìn)行了理論研究與模擬比較，以期根據(jù)現(xiàn)有的樣本數(shù)據(jù)特征選擇恰當(dāng)?shù)哪Ｐ�，并�?...

圖2-2技術(shù)路線圖

山西醫(yī)科大學(xué)博士學(xué)位論文15圖2-2技術(shù)路線圖3基于無多效性工具變量假設(shè)的MR模型3.1比例估計(jì)值基于兩樣本匯總數(shù)據(jù)的MR模型中，當(dāng)兩個樣本同質(zhì)而無明顯重疊，并且工具變量之間無明顯的交互作用時，利用單個遺傳變異作為工具變量，如果該工具變量是有效的，那么一單位遺傳變異等位基因增加導(dǎo)....

本文編號：3941287