双向两样本MR分析评估AR与DE因果关系
验证AR遗传易感性与抑郁症风险之间的因果方向。
使用2个AR工具变量集和2个抑郁症结局进行双向两样本MR分析，主要采用IVW方法，辅以MR-Egger和加权中位数。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
过敏性鼻炎与抑郁症之间因果关系的孟德尔随机化分析及潜在中介机制
Mendelian randomization analysis of the causal relationship between allergic rhinitis and depression and underlying mediation mechanisms
实验完整度
低本研究为基于GWAS汇总数据的孟德尔随机化分析，无原始实验操作，属于数据库分析范畴。
主要模型
AR1 GWAS数据（n=112,583，欧洲血统） AR2 GWAS数据（n=83,529，欧洲血统） DE1 GWAS数据（n=484,598，欧洲血统） DE2 GWAS数据（n=462,933，欧洲血统）
重点核对
工具变量选择条件：P<5×10⁻⁸；LD r²<0.001，窗口10,000-kb 效应等位基因在暴露、中介和结局数据集间协调 使用IVW、MR-Egger和加权中位数进行主分析和敏感性分析 使用MR-Egger截距、Cochran's Q和MR-PRESSO评估多效性、异质性和离群值 两步中介MR中，直接效应来自MVMR，间接效应为总效应与直接效应之差
摘要
背景：流行病学研究已记录过敏性鼻炎（AR）与抑郁症（DE）之间的关联，但因果解释受混杂和反向因果的限制。我们应用双向两样本孟德尔随机化评估该关联的方向和幅度，并探索候选通路。方法：汇总水平数据分别来自2个AR GWAS（研究AR1：n=112,583；研究AR2：n=83,529）和2个DE GWAS（研究DE1：n=484,598；研究DE2：n=462,933），均为欧洲血统。独立的单核苷酸多态性（P<5×10⁻⁸；LD r²<0.001）作为工具变量。正向和反向估计采用逆方差加权MR，以MR-Egger和加权中位数分析进行敏感性检验。两步框架估计通过睡眠时长（SD）和焦虑症状（ANX）的独立间接效应。多变量MR同时建模AR和8个额外特征——动态活动比率、轻度体力活动、中高强度活动、孤独感（LON）、神经质（NEU）、免疫球蛋白E（IgE）、白细胞介素-6和空腹胰岛素——以估计条件效应。使用MR-Egger截距、Cochran's Q和MR-PRESSO评估多效性和异质性。结果：在2个AR工具变量集和2个抑郁症结局中，AR遗传易感性一致地与抑郁症风险小幅增加相关（IVW ORs 1.0105–1.0125），而反向分析未提供抑郁症遗传易感性增加AR风险的证据。AR遗传易感性与睡眠时长（β=0.079；95% CI 0.005–0.153；P=0.036）和焦虑症状（β=0.031；95% CI 0.004–0.058；P=0.025）名义相关，与总IgE相关更强（β=1.981；95% CI 1.200–2.762；P=6.60×10⁻⁷）。通过睡眠时长（β=0.005；95% CI −0.021至0.031；描述性比例47.7%）和焦虑（β=0.003；95% CI −0.012至0.018；描述性比例24.2%）的独立间接效应不精确且未合并。在MVMR中，孤独感与抑郁症的条件正相关最强（OR=1.243；95% CI 1.165–1.325；P=3.40×10⁻¹¹），而条件AR和IgE估计为零。由于条件工具强度不可用，MVMR发现被解释为支持性通路证据。结论：在4个数据集配对中，AR遗传易感性一致地与抑郁症风险小幅增加相关。尽管幅度本身不足以支持个体化临床决策，但一致的结果为AR-抑郁症关系增加了病因学证据。睡眠时长和焦虑仍是合理但未确认的候选通路，而MVMR发现优先考虑孤独感以供进一步验证。总IgE更符合AR相关生物标志物而非独立中介。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 评估过敏性鼻炎（AR）与抑郁症（DE）之间是否存在因果关系及其方向，并探索通过睡眠时长和焦虑的潜在中介通路。
- 核心机制
- 遗传易感性 to AR 与抑郁症风险小幅增加相关，未发现反向因果证据；睡眠时长和焦虑为候选中介通路，但间接效应置信区间包含零，未被确认；MVMR提示孤独感具有最强的条件正相关，而总IgE更符合AR相关生物标志物而非独立中介。
- 主要证据
- 在2个AR工具变量集和2个抑郁症结局的4个正向两样本MR分析中，IVW ORs为1.0105–1.0125（P=0.00520–0.02716），反向分析置信区间均包含零。AR遗传易感性与睡眠时长（β=0.079，P=0.036）、焦虑症状（β=0.031，P=0.025）和总IgE（β=1.981，P=6.60×10⁻⁷）相关。两步中介MR间接效应：睡眠时长β=0.005（95% CI −0.021至0.031），焦虑β=0.003（95% CI −0.012至0.018）。MVMR中孤独感OR=1.243（P=3.40×10⁻¹¹），AR和IgE条件估计为零。
- 研究意义
- 该研究为AR与抑郁症之间的关联提供了病因学证据，尽管效应量不足以支持个体化临床决策，但一致的结果加强了AR-抑郁症关系的证据，并优先将焦虑、睡眠相关表型和孤独感作为进一步验证的候选通路。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
两样本MR分析AR对候选特征的影响
识别与AR遗传易感性相关的候选中介特征。
对10个候选特征进行两样本MR分析，估计AR遗传易感性对每个特征的影响。
两样本MR分析候选特征对抑郁症的影响
评估候选特征对抑郁症的因果效应。
对10个候选特征与抑郁症进行两样本MR分析，估计每个特征对抑郁症的效应。
两步中介MR估计通过睡眠时长和焦虑的间接效应
量化通过睡眠时长和焦虑症状的间接通路。
使用两步MR框架，第一步估计AR对候选特征的影响，第二步估计候选特征对抑郁症的影响，直接效应来自MVMR，间接效应为总效应与直接效应之差。
多变量MR估计条件效应
估计AR和8个额外候选特征对抑郁症的条件效应。
使用MVMR同时建模AR和8个额外候选特征（动态活动比率、轻度体力活动、中高强度活动、孤独感、神经质、IgE、IL-6、空腹胰岛素），以估计条件效应。
敏感性和异质性分析
评估水平多效性、异质性和离群值对结果的影响。
使用MR-Egger截距检验方向性多效性，Cochran's Q评估异质性，MR-PRESSO检测全局离群值。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 工具变量选择 | SNP选择阈值：P<5×10⁻⁸；LD r²<0.001；窗口10,000-kb；排除回文变异；F统计量计算 阅读提示：Methods小节“Instrumental variable selection, harmonization, and code implementation” |
| 双向两样本MR分析 | AR和DE的GWAS数据集及样本量；MR方法（IVW主分析，MR-Egger和加权中位数敏感性分析）；效应量报告尺度 阅读提示：Methods小节“Two-sample Mendelian randomization analysis and rationale”；Fig. 2 |
| 两步中介MR分析 | 中介特征：睡眠时长和焦虑症状；间接效应计算方法和标准误传播；比例中介解释 阅读提示：Methods小节“Two-step mediation Mendelian randomization and interpretation”；Fig. 5 |
| 多变量MR分析 | 建模特征：AR和8个额外特征；工具变量合并和clumping；条件工具强度统计不可用；结果解释为支持性 阅读提示：Methods小节“Multivariable Mendelian randomization for multiple mediators”；Fig. 6 |
| 敏感性分析 | MR-Egger截距、Cochran's Q和MR-PRESSO结果；异质性和离群值信号；多重比较校正未应用 阅读提示：Methods小节“Sensitivity and heterogeneity assessments”；Fig. 7；Supplementary Table S30 |