Un nuevo marco de aleatorización mendeliana de dos muestras que integra variantes comunes y raras: aplicación para...

Área de la Ciencia:

• La genética
• Epidemiología
• Estadística genómica

Sus antecedentes:

• La aleatorización mendeliana (MR) utiliza variantes genéticas para inferir la causalidad, mitigando la confusión y la causalidad inversa.
• La RM actual utiliza principalmente variantes comunes, pasando por alto las variantes raras con efectos potencialmente más grandes.
• Los desafíos estadísticos y metodológicos han limitado el uso de variantes raras en la RM.

Objetivo del estudio:

• Introducir MR-CARV, un nuevo marco para la aleatorización mendeliana de dos muestras.
• Integrar las variantes genéticas comunes y raras para mejorar la inferencia causal.
• Aprovechar los datos genéticos completos de la secuenciación y los consorcios.

Principales métodos:

• Agregar las variantes raras en categorías funcionales (codificación genética, no codificación, etc.) utilizando anotaciones ponderadas.
• Estimar los efectos de las variantes raras utilizando STAARpipeline.
• Combinar los efectos del conjunto de variantes raras con los efectos de las variantes comunes utilizando los métodos de RM existentes.

Principales resultados:

• MR-CARV demostró un robusto error de tipo I y un mayor poder estadístico en las simulaciones (hasta un aumento relativo del 66,3%).
• La aplicación a HDL-C y preeclampsia mostró que MR-CARV (IVW) proporcionó una estimación más precisa y significativa que la variante común de IVW.
• Estimación de MR-CARV ((IVW): -0.021 (SE=0.0101, P=0.0365) frente a la variante común IVW: -0.024 (SE=0.0123, P=0.0538).

Conclusiones:

• MR-CARV integra efectivamente las variantes comunes y raras en MR de dos muestras.
• El marco mejora el poder estadístico y la precisión para la inferencia causal.
• MR-CARV ofrece un enfoque más robusto para explorar la arquitectura genética en rasgos complejos.