没有临床数据也不做试验，还可以上4分？ — 巧妙利用孟德尔随机化揭示恶性肿瘤危险因素

在上一期，我们介绍了孟德尔随机化分析（MR），以及如何基于现有的临床研究中存在的恶性肿瘤的预后问题相关争议，挖掘新的研究空白，与MR结合，撰写出高分文章。那么，涉及恶性肿瘤的危险因素、诊断和治疗等等其他热点问题也可以通过类似的思路解决吗？当感兴趣的方向已经有类似的MR文章的时候，是放弃还是补救？

孟德尔随机化与恶性肿瘤相关思路

立即扫码上车

今天分享的文章，作者在饮酒与罹患结直肠癌（CRC）的风险的相关性已经有MR文章的前提下，提出人种差异可能导致不同结果的问题。通过MR分析，进一步讨论在亚洲人群中，饮酒与CRC风险之间存在潜在的因果关系，并发现减少饮酒可能有利于CRC的预防和管理。文章于2022/09/23发表在Frontiers in Genetics（IF 4.7）杂志，题为“Alcohol consumption and colorectal cancer risk: A mendelian randomization study”

以下是内容，快来借鉴吧~

  一

背景

结直肠癌（CRC）是一种常见的消化系统疾病，CRC在癌症中排名第三，死亡率位居全球第二。CRC的五年患病率居世界首位，全球CRC病例数和死亡人数的一半以上位于亚洲。尽管CRC的病因尚不清楚，但肥胖和吸烟等几种可改变的生活方式已被证明与CRC的发展有关，是CRC的危险因素之一。作为一种常见的生活方式，饮酒与CRC发病率升高的相关性及其机制引起了广泛关注。

一项对22项临床研究（共包括728128名参与者）的荟萃分析表明，大量饮酒（每天饮酒超过50克或每天饮酒大于4次）的个体患CRC的风险增加（OR=1.44，95%CI：1.13-1.82，p=0.003）。另一项基于英国生物库的前瞻性研究也得到了类似结果。然而，中国的一项包括了64100名参与者的前瞻性观察性队列研究报道，饮酒与CRC之间不存在显著的相关性。先前已经有两项MR研究，进一步评估了饮酒与CRC风险的因果关系，在其中一项研究中发现了两者存在正相关性，但另一项研究并未发现饮酒与CRC风险相关。此外，这两项研究都是在欧洲人群中进行的。

考虑到先前的关于饮酒与结直肠癌（CRC）风险之间的观察性研究得出了不一致的结论，亚洲人饮酒与CRC之间的相关性存在争议，且目前尚无此类MR研究在亚洲进行。为了评估这种潜在的因果关系，作者进行了双向孟德尔随机化（MR）分析。

  二

材料和方法

1、数据来源

饮酒量数据来源：在日本参与者中进行的全基因组关联研究（GWAS）确定了与饮酒相关的单核苷酸多态性（SNP）。CRC的数据：结直肠癌的汇总统计数据来自GWAS，其中包括6692例患例和27178例对照。

2、MR随机分析：

• 共鉴定出六个与饮酒量相关的独立的SNP（r2<0.1，p<5×10-8）；与每周饮酒量相关的两个独立SNP（r2＜0.1，p＜5×10-8）。饮酒的总结数据也用于反向MR分析。从东亚人的GWAS中选择了14个与CRC风险相关的独立SNP（r2<0.1，p<5×10-8）。纳入了来自中国，日本和韩国的22775例病例和47731例对照。最后，将12个SNP用作IVs进行反向MR分析（饮酒量汇总数据中缺少另外两个SNP的信息）。

注：r2是0~1之间的数据，越小则表示两个SNP间越是完全连锁平衡的，即这两个SNP的分配是完全随机的；kb：指考虑连锁不平衡的区域长度。

• 两种MR随机分析法中，均使用pruning[一种基于SNP两两之间的LD，来抽取出一个不含互相关联SNP的子集的方法]去掉连锁不平衡(linkage disequilibrium，LD)的SNPs（r2= 0.1 在10000KB范围内)，选出独立的SNPs作为IVs。使用逆方差加权（IVW）方法作为主要分析来估计潜在的因果效应，Cochran’s Q检验评估数据异质性，P＞0.05，则使用固定效应模式IVW；P＜0.05，则使用随机效应模式IVW。评估弱工具变量偏倚采用F统计量。

注：在孟德尔随机化研究中，有一个很重要的问题就是弱工具变量偏倚（weak instrument bias）。弱工具变量是指解释暴露的效力较低的遗传变异，它和暴露有关联，但是这种关联强度不是很高，因此它与无效工具变量有本质区别。一般情况下，产生弱工具变量偏倚的主要原因是样本量不足。弱工具变量偏倚用F统计量来评估，F统计量均>10，表明不太可能弱工具变量偏倚。

3、敏感性分析：

• 使用了包括加权中值、最大似然、MR多效性残差和和异常值（MR-PRESSO）和MR Egger等方法。MR-PRESSO检验以检测潜在的异常值并获得校正后的估计；MR-Egger方法用于测试遗传变异是否具有定向多效性；使用汇总效应估计（CAUSE）和基于约束最大似然模型平均以及贝叶斯信息量（cML-MA-BIC），以进行因果效应分析以及相关和不相关的水平多效性分析，CAUSE法和cML-MA-BIC的P的阈值分别为1 × 10–3和5×10–5。当拟合优度检验（GOF）的P值>0.05时，选择cML-MA-BIC法，当P值＜0.05时，选择cML-MA-BIC-DP (data perturbation)。

注：水平多效性，分为相关和不相关两种。其存在使得MR研究可能假阳性率偏高，不相干的水平多效性可以用“MR-Egger回归”和“MR-PRESSO”来分析。

• 留一法（Leave one out analysis）逐个剔除SNP， 并用IVW法计算剩余的SNPs的效应量。

• 多变量的孟德尔随机分析（MMR）以调整潜在的混杂因素。包括饮用咖啡，牛奶，茶，酸奶，饮食鱼，纳豆，豆腐等饮食习惯。为了避免反向因果关系，进行了反向MR分析。实验设计流程图见图1。

图1

  三

结果

1、基因预测的饮酒量与CRC风险呈正相关

• IVW方法的随机效应模型显示IVs预测的饮酒量与CRC风险呈正相关（OR=1.08，95%CI:1.05-1.12，p=1.51×10-5）（图2）。

• 加权中位数法（OR=1.08，95%CI:1.06-1.11，p=6.58×10-13）和基于最大似然的方法（OR=1.08，95%CI:1.05-1.12，p=1.52×10-5）产生类似结果。MR-PRESSO检验未发现任何异常SNP（OR=1.08，95%CI:1.04-1.12，p=0.008）；MR-Egger回归没有显示水平多效性的证据（截距的p值=0.427）；CAUSE（OR=1.82，95%CI:1.60-2.08，p=4.80×10-5）和cML-MA-BIC（OR=1.84，95%CI:1.71-1.98，p=9.82×10-60）方法的结果也一致。

• 由于X染色体上的rs150096不在拟常染色体区域，我们通过删除rs150096重新进行MR分析。将分析限制在其余五个SNP上，发现有饮酒史者的OR为1.08（95%CI:1.06-1.11；p=1.88×10-13），没有水平多效性的证据（截距的p值=0.834）（表S4)

• 留一法分析表明，除去rs671以外的任何一个SNP后，结果仍然稳健（图 S1）。
• MMR在调整了几种饮食习惯后，饮酒与CRC风险的估计以及每周饮酒量与CRC风险仍然具有统计学显着相关性（p＜0.05）（表S5）

图2

图S1

表S4

表S5

2、每周饮酒量与CRC风险之间存在统计学显着相关性。

• IVW方法显示，每周增加饮酒量的遗传倾向与CRC风险增加有关（OR=1.39，95%CI:1.27-1.52，p=5.29×10-13）。

• 基于最大似然的方法显示出一致的结果（OR=1.39，95%CI:1.27-1.52，p=9.34×10-13）。CAUSE法也显示每周饮酒量与CRC风险呈正相关（OR=1.65，95%CI:1.38-1.97，p=0.001）。cML-MA-BIC-DP 法也显示每周饮酒量与CRC风险呈正相关 (OR = 1.62, 95%CI: 1.41–1.85, p = 2.21 × 10–12

• 留一法分析显示，在剔除了rs671后，估计值变得不稳定。

• MMR分析中，在调整咖啡，牛奶，茶和酸奶的饮用量后，每周饮酒量对CRC风险的估计显示出类似的因果趋势。然而，调整鱼（p=0.170），纳豆（p=0.180）和豆腐（p=0.158）的食用量后，没有观察到统计学上显着的相关性（图S1，表 S5）

3、反向MR分析CRC和饮酒量的潜在因果关系

• IVW法显示没有证据表明CRC会对饮酒史（OR=1.00，95%CI:0.99-1.00，p=0.339）和每周饮酒量（OR=1.01，95%CI:0.98-1.05，p=0.545）产生影响。

• 敏感性分析（MR-Egger检验）未显示IVs具有基因多效性的证据。这表明，IVW对因果效应产生无偏估计（表S6）

表S6

  四

讨论与小结

在这项研究中，确定了遗传预测的饮酒与CRC风险之间的关联。这将有利于制定临床和公共卫生战略，以减少未来CRC预防和管理的酒精消费。

作者将研究人群限制在日本血统的人群中，这减少了由于人口分层而产生的潜在偏倚。使用弱工具变量分析，SNP的F统计量均>10，表明不太可能具有弱工具变量偏倚。最后，作者还利用了多种敏感性分析的方法来估计潜在的多效性，并获得了类似的结果，进一步证明结果的稳健性。

恶性肿瘤相关的问题涉及面极其广泛，现有文献中，MR分析多从有关的人体生理代谢、内分泌、免疫、生活饮食习惯、合并的其他疾病等方面入手作为暴露因素，分析涉及恶性肿瘤发生、发展过程的危险因素及其与预后的关系，为临床的诊断和治疗提供线索。小编整理了近两年的高分MR分析300余篇，恶性肿瘤最常用的暴露因素如下（附表1）。

附表1

当然，想要写出有价值的文章，首先要找到有价值的临床问题！分析其现有的研究的不足，才有机会结合这些常用的暴露因素，制定研究方案。小编已经将N种不同类型的恶性肿瘤热门的临床争议做好了调查，想要获取MR分析方案，请快快联系我们，开启写作之旅吧~

孟德尔随机化与恶性肿瘤相关思路

立即扫码上车

END

不想错过每天的热点和技术欢迎大家添加生信人为星标推荐
撰稿  ▎MNR排版  ▎小北

最新思路推荐

肿瘤免疫

细胞死亡

单细胞

m6A专题