表型年龄效应估计
比较横断面和纵向设计估计的年龄对表型的效应,并评估队列、非线性和参与偏倚的贡献
在UKB中,对31种非二分类表型拟合横断面线性回归(模型A1)、纵向线性混合效应模型(模型A2)、含出生年的队列效应模型(模型A3)、二次年龄效应模型(模型A4)和逆概率加权模型(模型A5),比较年龄效应估计并分解差异方差
Design and model choices shape inference of age-varying genetic effects on complex traits
基于UKB队列的观察性数据分析,包含横断面和纵向模型比较,并有基因-by-年龄交互的基因组扫描验证,但非功能实验验证
UK Biobank 498,845名40-69岁参与者横断面样本 UK Biobank 99,459名有重复评估的纵向样本 31种非二分类健康相关表型
横断面模型A1:基线表型对基线年龄回归,N=498,845 纵向模型A2:线性混合效应模型,年龄为固定效应,个体随机截距,N=99,459 队列效应模型A3:包含未中心化年龄和出生年固定效应,N=99,459 非线性年龄效应模型A4:限制于至少三次评估的个体,N=19,374 参与偏倚模型A5:逆概率加权,使用先前推导的抽样权重,Neff=141,147
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
比较横断面和纵向设计估计的年龄对表型的效应,并评估队列、非线性和参与偏倚的贡献
在UKB中,对31种非二分类表型拟合横断面线性回归(模型A1)、纵向线性混合效应模型(模型A2)、含出生年的队列效应模型(模型A3)、二次年龄效应模型(模型A4)和逆概率加权模型(模型A5),比较年龄效应估计并分解差异方差
在全基因组范围内识别具有年龄变化效应的遗传变异
采用两步法:第一步,使用REGENIE进行全基因组扫描,包括边际遗传效应(γM,模型6)、横断面基因-by-年龄交互效应(δCS,模型7)和纵向遗传效应 on 年变化(δL,模型8);第二步,选择在任模型中达到全基因组显著性(P<5×10-8)的LD独立SNPs,然后选择在年龄变化模型中Bonferroni校正显著的变异(P<0.05/keff)
评估横断面和纵向估计的年龄变化遗传效应在方向和大小上的一致性,并量化队列、非线性和参与偏倚的贡献
对57个识别出的变异,比较δCS(模型B1)和δL(模型B2),并拟合模型B3(队列变化遗传效应δC)、B4(非线性年龄变化遗传效应δQ)和B5(参与偏倚加权δW),计算方向一致性和效应量相关性,分解差异方差
评估年龄变化多基因效应及其在因果推断中的潜在应用
用性状特异性PGS替换单变异预测因子,重新估计模型B1-B5,比较年龄变化多基因效应;并示例性使用纵向MR框架检验BMI对收缩压的效应
按研究目的归类文中使用的方法,便于定位所需技术。
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 |
|---|---|
| 表型年龄效应估计 | 横断面样本量N=498,845,纵向样本量N=99,459,非线性模型N=19,374,加权模型Neff=141,147;表型标准化方法;发现阈值P<0.05/31 阅读提示:Methods中'Cross-sectional and longitudinal age effects'小节及图2图注 |
| 年龄变化遗传效应识别 | 基因型质量控制标准(MAF≥1%,HWE P≥1×10-15,基因分型率≥99%);协变量包括前20个遗传主成分、基因分型阵列、性别;仅欧洲 ancestry;纵向模型排除随访<3年;Bonferroni阈值P<0.05/keff 阅读提示:Methods中'Identification of age-varying genetic effects'小节及图3a图注 |
| 设计间年龄变化遗传效应比较 | 57个变异列表;模型B1-B5的设定;队列效应模型包含年龄-by-队列交互项;差异方差分解方法 阅读提示:Methods中'Cross-sectional and longitudinal age-varying genetic effects'小节及图5图注 |
| 多基因评分和孟德尔随机化探索 | PGS构建方法;纵向MR工具变量选择;MR假设检验 阅读提示:Methods中'Cross-sectional and longitudinal age-varying genetic effects'小节末段及Supplementary Note |