一种基于eQTL数据的多组织孟德尔随机化方法，用于定位组织特异性疾病基因

《BMC Bioinformatics》：A multi-tissue mendelian randomization method based on eQTL data for mapping tissue-specific disease genes

　　

摘要

组织特异性基因表达在复杂疾病病因学中起着关键作用，但传统的转录组范围孟德尔随机化（TWMR）方法常常忽视组织异质性，并且受限于每种组织可用的有效工具变量（IVs）的数量有限。我们提出了多组织TWMR（MT-TWMR）方法，该方法选择在多种组织中具有一致效应的顺式eQTL作为工具变量，并通过结合L1正则化（用于处理数据稀疏性）和基于组织相似性的加权组织差异惩罚的惩罚回归模型来估计组织特异性因果效应，从而实现跨组织信息共享。在不同工具变量数量、多效性水平和组织数量条件下的模拟结果显示，MT-TWMR方法相较于现有的单变量和多变量MR方法具有更高的统计功效、更低的均方根误差以及更好的I型错误控制能力，尤其是在工具变量稀缺的情况下。将该方法应用于重度抑郁症和原发性高血压的研究中，分别识别出28个和57个致病基因，这些基因在生物学相关组织中表现出富集信号，并具有强烈的共定位和通路证据。MT-TWMR为整合多组织eQTL数据以构建组织特异性疾病基因图谱提供了一个有效且易于解释的框架。