.png){kind=icon}
返回
Mendelian Randomization With Longitudinal Exposure Data: Simulation Study and Real Data Application
.png){kind=icon}
OA
AI
DOI：10.1002/sim.70378.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
背景与目的：孟德尔随机化（MR）是一种广泛使用的工具，通过将遗传变异作为工具变量来估计因果效应。MR受限于不同样本和时间点的横断面汇总统计量，以分析时变效应。我们旨在在多变量MR设置中使用暴露因素的长时程汇总统计量，并验证均值、斜率和个体内变异性的效应估计值。模拟研究：我们测试了我们的方法在12种场景下的功效和Ⅰ型错误率，这些场景依赖于均值、斜率和变异性之间的共享工具变量以及回归模型设定。我们观察到在整个模拟中检测均值和斜率的因果效应具有高功效，但在均值和变异性共享SNP的情况下，变异性效应的功效较低。错配的回归模型导致功效降低并增加了Ⅰ型错误率。真实数据应用：我们将该方法应用于两个真实数据集（POPS，英国生物银行）。在两种情况下，我们都检测到均值和斜率的显著因果估计值，但未发现变异性有独立效应。然而，我们在两个数据集中仅使用了弱工具变量。结论：我们采用了一种新方法来测试时变暴露因素的均值、斜率和变异性的因果效应。使用强工具变量的模拟结果似乎很有前景，但也突显了三个关键点：（1）定义正确暴露回归模型的困难；（2）对遗传相关性的依赖；（3）真实数据中缺乏强工具变量。综上所述，这要求对结果进行谨慎评估，并考虑已知的生物学知识和暴露因素的轨迹。
Keyword:
TO-VISIT VARIABILITY
CHOLESTEROL VARIABILITY
ASSOCIATION
RISK
MORTALITY
VARIANTS
DISEASE
STROKE
GENES
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
S
IF:
1.8
论文数:
318
被引数:
3.4W
机构
引用论文
GWAS on longitudinal growth traits reveals different genetic factors influencing infant, child, and adult BMI关于纵向生长性状的gis揭示了影响婴儿，儿童和成人BMI的不同遗传因素.png)
SCIENCE ADVANCESOAAI
SCIENCE ADVANCESIF12.5
OAAI分享收藏Genotype-by-environment interactions inferred from genetic effects on phenotypic variability in the UK BiobankSCIENCE ADVANCESOAAI
SCIENCE ADVANCESIF12.5
OAAI分享收藏On the Use of Variance per Genotype as a Tool to Identify Quantitative Trait Interaction Effects: A Report from the Women's Genome Health StudyPLOS GENETICSOAAI
PLOS GENETICSIF3.7
OAAI分享收藏Control for Population Structure and Relatedness for Binary Traits in Genetic Association Studies via Logistic Mixed Models通过逻辑混合模型控制遗传关联研究中的种群结构和二元性状的相关性OAAI
OAAI分享收藏Visit-to-Visit Low-Density Lipoprotein Cholesterol Variability and Risk of Cardiovascular OutcomesOAAI
OAAI分享收藏
查看更多内容