Razumijevanje kako genetika pomaže razlikovati korelaciju od uzročnosti

Kada istraživači otkriju da su dvije stvari povezane, uvijek slijedi važno pitanje: uzrokuje li jedna doista drugu?

Na primjer, osobe s niskom razinom vitamina D mogu imati veći rizik od razvoja određenih bolesti. Pojedinci s pretilošću često imaju promijenjene razine hormona štitnjače. Pacijenti s autoimunim bolestima štitnjače često imaju i druga stanja povezana s imunitetom.

No jesu li ti odnosi doista uzročni ili su to samo korelacije pod utjecajem drugih čimbenika kao što su način života, dob, prehrana ili temeljna zdravstvena stanja?

Razlikovanje korelacije od uzročnosti jedan je od najvećih izazova u medicinskim istraživanjima. Tu se Mendelova randomizacija (MR) pojavila kao moćan alat u modernoj genetskoj epidemiologiji.

Zašto opservacijske studije nisu dovoljne

Tradicionalne opservacijske studije mogu identificirati povezanost između potencijalnog čimbenika rizika (nazvanog izloženost) i bolesti (ishoda). Međutim, na te povezanosti mogu utjecati zbunjujući čimbenici ili obrnuta uzročnost.

Zamislite da istraživači primijete da ljudi s nižim razinama hormona štitnjače također imaju veći rizik od kardiovaskularnih bolesti. Povećava li smanjena funkcija štitnjače kardiovaskularni rizik? Ili drugi čimbenici, poput pretilosti, fizičke neaktivnosti, upotrebe lijekova ili kronične bolesti, utječu i na funkciju štitnjače i na bolesti srca?

Slično tome, ako pacijenti s određenom bolešću imaju niže koncentracije vitamina D, ne možemo odmah zaključiti da je nedostatak vitamina D uzrokovao bolest. Sama bolest može smanjiti razinu vitamina D, ili na oboje mogu utjecati potpuno različiti čimbenici.

Randomizirana kontrolirana ispitivanja (RKI) smatraju se zlatnim standardom za utvrđivanje uzročnosti jer se sudionici nasumično raspoređuju u različite intervencije. Nažalost, RKI su često skupa, dugotrajna, a ponekad ih je nemoguće ili neetično provesti.

Mendelova randomizacija nudi elegantnu alternativu.

Što je Mendelova randomizacija?

Mendelova randomizacija je statistička metoda koja koristi prirodno nastale genetske varijacije za istraživanje je li uočena povezanost između čimbenika rizika i bolesti vjerojatno uzročna.

Metoda se temelji na jednostavnom biološkom principu koji je prvi opisao Gregor Mendel: genetske varijante nasumično se nasljeđuju od roditelja pri začeću. Ova prirodna nasumična raspodjela nalikuje procesu randomizacije koji se koristi u kliničkim ispitivanjima.

Ovaj koncept ilustriran je na Slici 1. Dok se sudionici u randomiziranim kontroliranim ispitivanjima nasumično raspoređuju u intervencijske ili kontrolne skupine od strane istraživača, pojedinci u studijama Mendelove randomizacije prirodno su „raspoređeni“ na različite razine izloženosti putem nasumičnog nasljeđivanja genetskih varijanti pri začeću.

Ova prirodna randomizacija pomaže minimizirati zbunjujuće čimbenike i omogućuje istraživačima da istraže uzročne veze koristeći opservacijske podatke.

Budući da se genetske varijante dodjeljuju prije rođenja, na njih općenito ne utječu način života, izloženost okolišu, progresija bolesti ili većina zbunjujućih čimbenika koji se susreću u opservacijskim studijama.

U Mendelovoj randomizaciji, genetske varijante povezane s izloženošću služe kao instrumentalne varijable (ili genetski instrumenti) koje istraživačima omogućuju procjenu uzročnog učinka te izloženosti na ishod bolesti.

Slika 1. Mendelova randomizacija kao prirodni analog randomiziranog kontroliranog ispitivanja. U randomiziranim kontroliranim ispitivanjima, sudionici se nasumično raspoređuju u intervencijske ili kontrolne skupine od strane istraživača. U Mendelovoj randomizaciji, nasumična raspodjela genetskih varijanti pri začeću stvara skupine koje su općenito uravnotežene s obzirom na zbunjujuće čimbenike, omogućujući istraživanje uzročnih veza pomoću opservacijskih podataka. Prilagođeno iz Davey Smith & Ebrahim (2005).

Kako funkcionira Mendelova randomizacija?

Osnovni koncept je jednostavan.

Prvo, istraživači identificiraju genetske varijante koje su snažno povezane s određenom izloženošću, kao što su:

• tireostimulirajući hormon (TSH)
• slobodni tiroksin (fT4)
• razine vitamina D
• indeks tjelesne mase
• koncentracije kolesterola
• upalni biomarkeri

Ove varijante identificiraju se putem velikih studija asocijacije na razini cijelog genoma (GWAS), često uključujući stotine tisuća sudionika.

Zatim, istraživači ispituju jesu li iste genetske varijante također povezane s ishodom bolesti.

Ako genetske varijante koje povećavaju (ili smanjuju) izloženost dosljedno dovode do većeg (ili manjeg) rizika od bolesti, to pruža dokaze koji podupiru uzročnu vezu.

Drugim riječima, umjesto da se pita:

„Razvijaju li ljudi s višim TSH češće bolest?“

MR pita:

„Imaju li ljudi koji su genetski predisponirani da imaju viši TSH tijekom života također drugačiji rizik od razvoja bolesti?“

Zašto je Mendelova randomizacija tako moćna?

Jedna od glavnih prednosti MR-a je njegova sposobnost smanjenja pristranosti.

Budući da se genetske varijante nasljeđuju prije rođenja:

• obično se ne mogu promijeniti bolešću,
• neovisne su o čimbenicima načina života,
• manje su pod utjecajem zbunjujućih čimbenika nego konvencionalne opservacijske studije.

Kao rezultat toga, MR često pruža snažnije dokaze o uzročnosti nego samo opservacijsko istraživanje.

Važno je napomenuti da MR ne zamjenjuje u potpunosti randomizirana klinička ispitivanja. Umjesto toga, nadopunjuje ih pomažući istraživačima da odrede koji su biološki putovi najperspektivniji za daljnje istraživanje i potencijalnu terapijsku intervenciju.

Tri temeljne pretpostavke

Da bi Mendelova randomizacija pružila pouzdane uzročne procjene, moraju biti zadovoljene tri ključne pretpostavke.

1. Relevantnost

Genetske varijante moraju biti snažno povezane s izloženošću od interesa.

2. Neovisnost

Genetske varijante ne bi trebale biti povezane sa zbunjujućim čimbenicima koji utječu i na izloženost i na bolest.

3. Ograničenje isključenja

Genetske varijante trebale bi utjecati na bolest samo putem proučavane izloženosti, a ne putem alternativnih bioloških putova.

Istraživači rutinski procjenjuju ove pretpostavke koristeći niz statističkih analiza osjetljivosti, pomažući osigurati da su zaključci što robusniji.

Mendelova randomizacija u istraživanju štitnjače

Mendelova randomizacija postala je sve vrijedniji alat za razumijevanje biologije štitnjače.

Istraživači su primijenili MR za istraživanje pitanja kao što su:

• Utječu li razine hormona štitnjače uzročno na kardiovaskularne bolesti?
• Utječe li funkcija štitnjače na pretilost ili metabolički sindrom?
• Je li vitamin D uključen u autoimune bolesti štitnjače?
• Utječe li funkcija štitnjače na zdravlje kostiju ili kognitivni pad?
• Jesu li cirkulirajući biomarkeri uključeni u razvoj raka štitnjače?

Umjesto da se oslanjaju isključivo na opservacijske asocijacije, MR omogućuje istraživačima da utvrde odražavaju li ti odnosi vjerojatno stvarne biološke mehanizme.

Takvi dokazi posebno su vrijedni pri identificiranju potencijalnih terapijskih ciljeva ili odlučivanju hoće li intervencija vjerojatno poboljšati ishode pacijenata.

Mendelova randomizacija u projektu InnoThyroGen

Unutar projekta InnoThyroGen, Mendelova randomizacija koristi se za identifikaciju biomarkera i bioloških čimbenika koji vjerojatno igraju uzročnu ulogu u bolestima štitnjače.

Integriranjem podataka iz velikih studija asocijacije na razini cijelog genoma (GWAS) s naprednim statističkim metodama, MR nam omogućuje razlikovanje varijabli koje su samo povezane s bolešću štitnjače od onih koje vjerojatnije izravno doprinose razvoju bolesti.

Ove su informacije posebno vrijedne za razvoj integriranog alata za predviđanje rizika od bolesti štitnjače koji se razvija unutar InnoThyroGena.

Umjesto odabira biomarkera isključivo na temelju opservacijskih asocijacija, MR pomaže u određivanju prioriteta varijabli s dokazima uzročnosti za uključivanje uz poligenske rezultate rizika (PRS) i kliničke karakteristike.

Kombiniranje genetske predispozicije uhvaćene PRS-om s uzročno relevantnim biomarkerima ima potencijal poboljšati predviđanje rizika, podržati raniju identifikaciju pojedinaca s povećanim rizikom i doprinijeti personaliziranijim pristupima prevenciji i liječenju bolesti štitnjače.

Zajedno, Mendelova randomizacija i poligenski rezultati rizika čine komplementarne komponente analitičkog cjevovoda InnoThyroGena, pružajući dokaze potrebne za razvoj robusnog i klinički relevantnog integriranog alata za predviđanje rizika.

Gledajući unaprijed

Brzi rast javno dostupnih genetskih skupova podataka transformirao je Mendelovu randomizaciju u jedan od najčešće korištenih pristupa u genetskoj epidemiologiji.

Danas istraživači mogu istražiti tisuće potencijalnih uzročnih veza koristeći podatke iz međunarodnih biobanaka i kolaborativnih studija asocijacije na razini cijelog genoma koje uključuju stotine tisuća – ili čak milijune – sudionika.

Kako se ti resursi nastavljaju širiti, Mendelova randomizacija će igrati sve važniju ulogu u identificiranju mehanizama bolesti, vođenju razvoja lijekova i napredovanju precizne medicine.

Za projekte kao što je InnoThyroGen, to znači pomicanje izvan identificiranja jednostavnih asocijacija prema razumijevanju zašto se bolesti razvijaju i koji biološki putovi nude najveći potencijal za prevenciju, dijagnozu i liječenje.

U konačnici, Mendelova randomizacija pomaže istraživačima odgovoriti na jedno od najtemeljnijih pitanja u medicini: što doista uzrokuje bolest?

Autor: Nikolina Pleić (Sveučilište u Splitu, Medicinski fakultet)

Ključne reference

1. Davey Smith G, Ebrahim S. ‘Mendelian randomization’: can genetic epidemiology contribute to understanding environmental determinants of disease? International Journal of Epidemiology. 2003;32(1):1–22. https://doi.org/10.1093/ije/dyg070
2. Davey Smith G, Hemani G. Mendelian randomization: genetic anchors for causal inference in epidemiological studies. Human Molecular Genetics. 2014;23(R1):R89–R98. https://doi.org/10.1093/hmg/ddu328
3. Davies NM, Holmes MV, Davey Smith G. Reading Mendelian randomisation studies: a guide, glossary, and checklist for clinicians. BMJ. 2018;362:k601. https://doi.org/10.1136/bmj.k601
4. Lawlor DA, Harbord RM, Sterne JAC, Timpson N, Davey Smith G. Mendelian randomization: using genes as instruments for making causal inferences in epidemiology. Statistics in Medicine. 2008;27:1133–1163. https://doi.org/10.1002/sim.3034