When Screening Misleads: A Robust Mendelian Randomization Test for Reliable Causal Discovery¶

作者: Litao Jia, Bo Chen
主题: 因果推断
相关性: 8/10
链接: https://arxiv.org/abs/2607.10755

一、领域脉络与小综述¶

这个方向是什么¶

这个子方向是孟德尔随机化（Mendelian Randomization, MR）中的后选择推断（post-selection inference）。它要解决的根本问题是：当研究者先根据观测关联（exposure–outcome association）筛选候选变量对，再对通过筛选的对进行MR因果检验时，如何保证检验的假阳性率（type I error）不被扭曲。当前成熟度：MR方法本身已高度成熟（有大量处理弱工具变量、水平多效性的工具），但后选择偏差在MR文献中几乎未被系统研究，本文是首次正式处理该问题。

发展脉络（history）¶

奠基工作：MR作为因果推断工具的确立
Davey Smith & Ebrahim (2003) [1]：提出MR的基本框架，利用遗传变异作为工具变量来推断暴露对结局的因果效应。这是整个领域的起点。
Davey Smith & Hemani (2014) [2]：系统综述了MR的各种扩展（两样本MR、双向MR、网络MR等），确立了MR在流行病学中的标准地位。本文引用它作为MR广泛使用的背景。
主要进展：处理MR中的经典偏差源
Burgess et al. (2013) [6]：提出了基于汇总统计数据的MR方法（inverse-variance weighted estimator, IVW），使得利用GWAS汇总数据进行两样本MR成为可能。这是本文方法的基础工具之一。
Bowden et al. (2015) [11]：提出了MR-Egger回归，用于检测和校正由水平多效性（horizontal pleiotropy）引起的偏差。本文指出，这类方法处理的是“模型假设被违反”的问题，而非“工作流导致的选择偏差”。
Burgess & Thompson (2011) [10]：研究了弱工具变量对MR估计的偏差和尺寸扭曲，提出了相应的诊断方法。本文同样将其定位为处理不同问题。
当前Frontier：大规模探索性MR与后选择推断
Hemani et al. (2018) [7]：开发了MR-Base平台，实现了对大量表型-结局对的系统性因果推断。这直接催生了“先筛选后检验”的工作流。
Zhu et al. (2017) [9]：提出了GSMR方法，利用GWAS汇总数据大规模检验风险因素与常见疾病之间的因果关系。本文引用它作为大规模MR分析的例子。
Meng et al. (2019) [8]：进行了MR-PheWAS研究，扫描维生素D对数百种UK Biobank结局的因果效应。这是“先筛选后检验”工作流的典型应用。
Lee et al. (2016) [15] 和 Fithian et al. (2014) [13]：提出了后选择推断的一般框架（如lasso后的精确推断、最优推断）。本文直接借用其“选择性第一类错误”（selective type I error）的概念，并指出MR中的筛选问题正是这类问题的一个具体实例。
本文的位置：本文填补了MR文献中一个被忽视的空白——当MR检验是在观测关联筛选之后进行时，标准MR统计量的条件分布被扭曲，导致假阳性膨胀。本文提出一种基于正交评分（orthogonal score）的稳健MR检验，使其与筛选步骤渐近独立，从而在筛选后仍能控制第一类错误。

子线索聚类¶

这些被引文献大致落在以下3条子线索上：

线索1：MR方法的基础与偏差校正（处理模型假设的违反）
代表工作：Davey Smith & Ebrahim (2003), Davey Smith & Hemani (2014), Burgess et al. (2013), Bowden et al. (2015), Burgess & Thompson (2011)。
核心内容：建立MR的统计框架，开发处理弱工具变量、水平多效性、汇总数据等问题的工具。这些工作假设MR检验是在一个预先指定的暴露-结局对上进行的。
线索2：大规模探索性MR与工作流（催生“先筛选后检验”）
代表工作：Hemani et al. (2018), Zhu et al. (2017), Meng et al. (2019), Voight et al. (2012), Holmes et al. (2014)。
核心内容：利用GWAS汇总数据对大量暴露-结局对进行系统性因果推断。这些工作在实践中通常先筛选出有观测关联的对，再进行MR，但未考虑由此产生的后选择偏差。
线索3：后选择推断的一般理论（提供解决方案的数学基础）
代表工作：Lee et al. (2016), Fithian et al. (2014), Freedman (1983)。
核心内容：研究在数据依赖的模型选择后如何进行有效推断。本文直接应用其“条件于选择事件”的推断框架，但将其具体化到MR的关联筛选场景。

这个方向在追问的核心问题¶

如何控制后选择推断的假阳性？ 当检验是在数据驱动的筛选之后进行时，标准检验的分布被扭曲。核心问题是：如何构造一个检验统计量，使其在条件于筛选事件时仍保持正确的第一类错误率？
如何构造与筛选步骤渐近独立的检验统计量？ 本文的答案是正交化（decorrelation）：从MR估计量中减去与筛选统计量一阶相关的部分。但更一般的问题是：对于不同的筛选规则（如基于不同统计量、不同阈值），是否存在统一的正交化策略？
如何利用外部信息提高后选择检验的功效？ 本文展示了如何利用独立的外部关联估计来提高检验功效。但更广泛的问题是：如何整合多种来源的外部信息（如不同GWAS的汇总统计量）来优化后选择推断？
当前主流方法与已知瓶颈：主流MR方法（Wald比率、IVW、MR-Egger等）都假设检验是在预先指定的暴露-结局对上进行的，因此其p值和置信区间在“先筛选后检验”的工作流中无效。瓶颈在于：研究者通常意识不到这个偏差，或者即使意识到，也缺乏现成的校正工具。

⚠️ 作者的framing¶

作者把缺口frame成什么：作者将缺口frame成“MR工作流中的一个被忽视的统计挑战”——即“先筛选后检验”会导致假阳性膨胀，而现有MR方法（处理弱工具、多效性等）都没有解决这个问题。作者将自己论文定位为“显然的下一步”：既然MR被越来越多地用于探索性分析，那么就必须处理由工作流本身引入的偏差。
哪些竞争路线被他淡化或回避了：
直接调整筛选阈值：作者没有讨论是否可以通过调整筛选阈值（如使用更严格的p值）来减轻偏差。这可能是因为即使阈值很严格，只要筛选事件发生，条件分布仍可能被扭曲（见文中图1）。
使用贝叶斯方法：作者没有讨论贝叶斯MR方法是否对后选择偏差更鲁棒。这可能是因为贝叶斯方法的后验分布同样依赖于模型假设，且筛选事件会改变似然函数。
将筛选和MR放在一个联合模型中：作者没有讨论是否可以将筛选和MR步骤合并为一个联合推断问题（如同时建模关联和因果效应）。这可能是因为联合模型在计算和解释上更复杂，且需要更强的假设。
什么明显该被引/该存在、却没出现在intro里：
更一般的后选择推断文献：作者引用了Lee et al. (2016)和Fithian et al. (2014)，但没有引用更近期的后选择推断工作（如关于高维回归、图模型的后选择推断）。这可能是因为那些工作与MR的具体设定（工具变量、汇总数据）距离较远。
关于“筛选后估计”的文献：作者没有引用关于“post-selection estimation”的文献（如关于如何校正筛选后估计量的偏差）。这可能是因为本文只关注检验，不关注估计。
关于MR中“多重检验”的文献：作者没有引用关于MR中多重比较校正的文献。这可能是因为本文关注的是单个暴露-结局对的筛选后检验，而非同时检验多个对时的多重比较问题。

张力¶

未见明显对立引用。被引工作之间没有彼此矛盾或在略不同条件下得相反结论的情况。它们处理的是不同的问题（模型假设 vs. 工作流），因此是互补而非竞争关系。

二、最核心、最简单的例子 / 数学问题¶

第一步：把符号、模型、可观测数据交代清楚¶

符号：
\(X\)：暴露变量（exposure），随机变量。
\(Y\)：结局变量（outcome），随机变量。
\(G_j\)：第\(j\)个遗传变异（SNP），用作工具变量，随机变量。\(j=1,\dots,K\)，\(K\)固定。
\(U\)：未观测混杂（unobserved confounder），随机变量。
\(\varepsilon_1, \varepsilon_2\)：独立误差项，随机变量。
\(\alpha_j\)：SNP \(G_j\)对暴露\(X\)的效应（first-stage effect），参数。
\(\gamma\)：暴露\(X\)对结局\(Y\)的因果效应（causal effect），要检验的参数。
\(\lambda\)：混杂\(U\)对结局\(Y\)的效应，参数。
\(\beta_{XY}\)：观测关联（observational association），即\(Y\)对\(X\)的线性回归斜率，参数。
\(\hat{\beta}_{XY}\)：\(\beta_{XY}\)的OLS估计量。
\(\hat{\theta}_n\)：MR估计量，在单SNP时为Wald比率\(\hat{\beta}_{MR}\)，在多SNP时为IVW估计量\(\hat{\beta}_{IVW}\)。
\(n\)：主样本量。
\(m\)：外部关联研究的样本量。
\(H_0^\gamma: \gamma = \gamma_0\)：因果零假设。
模型：
数据生成机制（固定\(K\)的线性结构模型）：
\[X = \sum_{j=1}^K \alpha_j G_j + U + \varepsilon_1, \quad Y = \gamma X + \lambda U + \varepsilon_2.\]
假设：
- 遗传变异\(G_j\)与混杂\(U\)和误差\(\varepsilon_1, \varepsilon_2\)独立。
- \(U, \varepsilon_1, \varepsilon_2\)相互独立。
- 所有变量均值为零（不失一般性）。
- 遗传变异之间不相关（无连锁不平衡）。
- 工具变量有效（相关性、外生性、排他性）。
要估的对象：因果效应\(\gamma\)。要检验的假设：\(H_0^\gamma: \gamma = 0\)（或一般值\(\gamma_0\)）。
可观测数据：
主样本：研究者能观测到\((X_i, Y_i, G_{1i}, \dots, G_{Ki})\)，\(i=1,\dots,n\)。这是i.i.d.样本。
外部样本：研究者能获得一个独立的外部估计\(\hat{\beta}_{XY}^{(s)}\)，它是同一个观测关联\(\beta_{XY}\)的估计量，来自一个独立样本（或汇总统计量），样本量为\(m\)。
不可观测：混杂\(U\)、误差\(\varepsilon_1, \varepsilon_2\)都是潜在变量，无法直接观测。因果效应\(\gamma\)是想要但观测不到的，只能通过工具变量假设去识别。

第二步：讲最小内核¶

最简特例：单SNP（\(K=1\)）、无因果效应（\(\gamma=0\)）、且混杂效应\(\lambda \neq 0\)。

在这个特例下，模型退化为：

\[X = \alpha G + U + \varepsilon_1, \quad Y = \lambda U + \varepsilon_2.\]

由于\(\gamma=0\)，暴露\(X\)对结局\(Y\)没有因果效应。观测关联\(\beta_{XY}\)完全由混杂\(U\)驱动：

\[\beta_{XY} = \frac{\text{Cov}(X,Y)}{\text{Var}(X)} = \frac{\lambda \sigma_U^2}{\text{Var}(X)} \neq 0.\]

核心思路：研究者先进行一个观测关联筛选：如果\(|\hat{\beta}_{XY}|\)显著（超过某个阈值），则进行MR检验（检验\(\gamma=0\)）。问题是，即使\(\gamma=0\)，这个筛选事件也会扭曲MR检验的零分布。

为什么扭曲？ 因为观测关联估计量\(\hat{\beta}_{XY}\)和MR估计量\(\hat{\beta}_{MR} = S_{GY}/S_{GX}\)是相关的。在\(\gamma=0\)时，\(\hat{\beta}_{MR}\)的波动与\(\hat{\beta}_{XY}\)的波动通过混杂\(U\)产生关联。当筛选事件（\(|\hat{\beta}_{XY}|\)很大）发生时，它倾向于选择那些\(\hat{\beta}_{XY}\)被随机误差向上或向下拉大的样本。由于相关性，这些样本中\(\hat{\beta}_{MR}\)的分布也会偏离其无条件分布，导致假阳性膨胀。

本文的关键想法：构造一个新的检验统计量，使其与\(\hat{\beta}_{XY}\)渐近独立。这样，无论筛选事件是否发生，新统计量的条件分布都等于其无条件分布，从而控制第一类错误。

如何实现？ 在联合渐近正态近似下，从MR估计量\(\hat{\theta}_n\)中减去它在\(\hat{\beta}_{XY}\)上的线性投影：

\[\text{新统计量} \approx \hat{\theta}_n - r \hat{\beta}_{XY}, \quad \text{其中} \quad r = \frac{\text{Cov}(\hat{\theta}_n, \hat{\beta}_{XY})}{\text{Var}(\hat{\beta}_{XY})}.\]

这个“残差”与\(\hat{\beta}_{XY}\)的一阶协方差为零，因此在极限下独立于筛选事件。

为什么需要外部信息？ 因为\(\hat{\beta}_{XY}\)本身被用于定义筛选事件。如果直接用\(\hat{\beta}_{XY}\)来构造残差，会“减去”掉定义筛选事件的随机量，导致统计量退化。因此，需要一个独立的外部估计\(\hat{\beta}_{XY}^{(s)}\)来替代\(\hat{\beta}_{XY}\)中的随机部分。

一句话总结：这篇论文在数学上干的事是：在单SNP/固定K多SNP的线性结构模型下，证明标准MR估计量与观测关联估计量的联合渐近正态性，并构造一个与观测关联估计量渐近独立（通过正交化）的检验统计量，从而在“先筛选后检验”的工作流中恢复对因果零假设的有效检验。

三、这篇论文做了什么¶

三句话¶

研究了什么问题：在孟德尔随机化（MR）中，当研究者先根据观测关联筛选暴露-结局对，再对通过筛选的对进行MR因果检验时，标准MR检验（Wald比率、IVW）的假阳性率会严重膨胀。
核心工具/方法：提出一个基于正交评分（orthogonal score）的稳健MR检验统计量\(U_2\)，通过从MR估计量中减去与观测关联估计量一阶相关的成分（利用影响函数估计协方差），并利用独立的外部关联估计实现可行性，使得该统计量与筛选步骤渐近独立。
主要结论：在有效工具变量和有限四阶矩的假设下，所提统计量\(U_2\)在无因果效应时，无论是否经过关联筛选，都能保持正确的第一类错误率（渐近标准正态分布）。其局部功效由外部关联估计的精度决定。

关键设定与假设¶

在第二节最小记号的基础上，补全完整设定：

模型：固定\(K\)的线性结构模型（公式14），假设遗传变异与混杂和误差独立，且遗传变异之间不相关。
假设：
Assumption 1 (Moment, independence, and relevance conditions)：
- (A1) i.i.d.观测，\(K\)固定。
- (A2) \(G_j\)与\((U, \varepsilon_1, \varepsilon_2)\)独立，\(U, \varepsilon_1, \varepsilon_2\)相互独立。有限四阶矩（\(\mathbb{E}\|G\|^4 + \mathbb{E}|U|^4 + \mathbb{E}|\varepsilon_1|^4 + \mathbb{E}|\varepsilon_2|^4 < \infty\)）。不要求正态性。
- (A3) 遗传变异之间不相关（\(\text{Cov}(G_j, G_\ell)=0\)），方差有限且非零。
- (A4) 暴露方差\(V_X > 0\)，工具变量相关（单SNP：\(\text{Cov}(G, X) \neq 0\)；多SNP：\(\sum \pi_j \alpha_j^2 > 0\)）。
与已有文献的对比：相比标准MR文献，本文的假设是标准的（有效工具、无多效性、无连锁不平衡）。放宽了误差的正态性假设（只需有限四阶矩）。强化了遗传变异不相关的假设（标准IVW通常也做此假设，但可推广到有LD的情况）。
筛选事件：两尾关联筛选\(A_n = \{ |\hat{\beta}_{XY}| / \text{se}(\hat{\beta}_{XY}) > z_{1-\alpha_{\text{scr}}/2} \}\)。
外部关联估计：\(\hat{\beta}_{XY}^{(s)}\)，来自独立样本，满足\(\sqrt{m}(\hat{\beta}_{XY}^{(s)} - \beta_{XY}) \xrightarrow{d} N(0, \omega_{11})\)，且\(n/m \to \eta \in (0, \infty)\)。

主要结果¶

Theorem 1 (Joint limit for the Wald ratio)：在单SNP模型下，\(\sqrt{n}(\hat{\beta}_{XY} - \beta_{XY}, \hat{\beta}_{MR} - \gamma)^\top\)联合渐近正态，协方差矩阵\(\Omega_S\)的闭式表达式给出（公式25-28）。关键：\(\omega_{12}\)（协方差）非零，由混杂\(\lambda\)驱动。
Theorem 2 (Joint limit for fixed-K IVW)：在多SNP模型下，类似结果成立，\(\Omega_M\)的闭式表达式给出（公式29-32）。
Theorem 3 (Oracle decorrelation benchmark)：如果知道真实的\(\beta_{XY}\)和\(\Omega\)，构造的“神谕”统计量\(U_0\)在零假设下渐近标准正态，且条件于筛选事件后仍成立。
Theorem 4 (External-association benchmark)：如果使用独立的外部关联估计\(\hat{\beta}_{XY}^{(s)}\)，构造的统计量\(U_1\)在零假设下渐近标准正态，条件于筛选事件后仍成立。其方差\(V_1\)依赖于外部样本量\(m\)。
Theorem 5 (Feasible post-screening validity)：使用影响函数估计量\(\hat{\Omega}\)构造的可行统计量\(U_2\)与\(U_1\)相差\(o_p(1)\)，因此具有相同的渐近性质。这是本文的核心理论结果。
Proposition 1 (Consistency of the influence-function covariance estimator)：\(\hat{\Omega}\)是\(\Omega\)的一致估计。
ARE分析：可行统计量\(U_2\)相对于未校正MR统计量的渐近相对效率为\(\text{ARE} = \omega_{22} / V_1\)。当外部样本量\(m > n\)时，\(U_2\)可能比未校正统计量更有效。

证明路线与技术技巧¶

整体路线（3-5步逻辑主干）：
建立联合渐近分布（Section 3）：通过影响函数展开（Lemma 1），将\(\hat{\beta}_{XY}\)和\(\hat{\theta}_n\)表示为样本均值的线性函数，再利用多元中心极限定理得到联合正态性。关键：证明\(\hat{\beta}_{XY}\)和\(\hat{\theta}_n\)都是渐近线性估计量。
识别偏差来源（Section 2）：在联合正态近似下，展示筛选事件如何通过相关性扭曲MR统计量的条件分布。关键：推导条件密度公式（公式11-12），显示当\(\rho \neq 0\)时，条件分布偏离标准正态。
构造正交化统计量（Section 4.1-4.2）：提出“神谕”统计量\(U_0\)和“外部关联”统计量\(U_1\)，通过减去线性投影实现与\(\hat{\beta}_{XY}\)的一阶不相关。关键：证明\(U_0\)和\(U_1\)与筛选事件渐近独立。
实现可行统计量（Section 4.3-4.4）：用影响函数估计量\(\hat{\Omega}\)替代未知的\(\Omega\)，构造可行统计量\(U_2\)。关键：证明\(\hat{\Omega}\)的一致性（Proposition 1），进而证明\(U_2 - U_1 = o_p(1)\)（Theorem 5）。
证明后选择有效性（Appendix D.4）：利用联合正态极限下\(U_j\)与筛选统计量\(S_n\)的渐近独立性，证明条件分布收敛到标准正态。
关键跳跃点：
跳跃点1：从“筛选导致条件分布扭曲”的几何直觉（Section 2.2）到“通过正交化消除相关性”的数学构造（Section 4.1）。难点在于：如何确保正交化后的统计量在条件于筛选事件时仍有效？作者通过证明在极限下\(U_j\)与\(S_n\)独立来解决。
跳跃点2：从“神谕”统计量\(U_0\)（需要知道\(\beta_{XY}\)）到“可行”统计量\(U_2\)（使用外部估计\(\hat{\beta}_{XY}^{(s)}\)）。难点在于：外部估计的噪声会如何影响统计量的分布？作者通过方差公式\(V_1\)（公式38）精确量化了这种影响。
跳跃点3：从理论协方差矩阵\(\Omega\)到可行估计量\(\hat{\Omega}\)。难点在于：影响函数\(\phi_1, \phi_2\)依赖于未知参数（如\(\beta_{XY}, \gamma\)），需要用样本估计量替代。作者通过证明估计的影响函数在均方意义下收敛到真实影响函数（Lemma 2）来解决。
技术技巧点名：
影响函数（Influence function）：用于获得\(\hat{\beta}_{XY}\)和\(\hat{\theta}_n\)的渐近线性表示（Lemma 1）。这是整个联合分布推导的基础。
Delta方法（Delta method）：用于从样本协方差的联合分布推导出比率估计量（\(\hat{\beta}_{XY}, \hat{\beta}_{MR}, \hat{\beta}_{IVW}\)）的联合分布。
多元中心极限定理（Multivariate CLT）：用于证明影响函数向量的联合正态性。
正交化/投影（Orthogonalization / Projection）：核心思想，从\(\hat{\theta}_n\)中减去其在\(\hat{\beta}_{XY}\)上的线性投影，以消除一阶相关性。
经验过程/夹心协方差估计（Sandwich covariance estimation）：用于估计影响函数的协方差矩阵\(\Omega\)（Section 4.4），这是实现可行统计量的关键。
Slutsky定理：用于证明可行统计量\(U_2\)与基准统计量\(U_1\)的渐近等价性。

真实例子与应用¶

本文为纯理论/无实证例子。所有“例子”都是模拟实验（Section 2.3的“Diagnostic simulation”和Section 5的“Diagnostic simulations”），用于验证理论预测和展示方法性能。

模拟1（Section 2.3, Figure 2 & 3）：
数据/场景：从线性结构模型（公式13）生成数据，\(\gamma=0\)，改变混杂强度\(\lambda\)。单SNP和多SNP（K=10）两种情况。
方法应用：计算标准MR统计量（Wald比率/IVW）的条件于筛选事件的第一类错误率。
结果：标准MR统计量的条件第一类错误率严重膨胀（可达0.2以上），而无条件第一类错误率保持在0.05附近。这验证了“后选择偏差”的存在。
说明什么：验证了理论预测：标准MR检验在“先筛选后检验”的工作流中无效，且这种无效不能通过检查无条件校准来诊断。
模拟2（Section 5.1, Figure 5）：
数据/场景：单SNP模型，改变等位基因频率\(p\)，比较使用稳健方差（\(\omega_{11}\)）和经典方差（\(\omega_{11}^{\text{cls}}\)）对\(U_2\)的影响。
方法应用：分别用两种方差估计量构造\(U_2\)，计算其条件第一类错误率。
结果：当等位基因频率较低（\(p < 0.21\)）时，使用经典方差会导致\(U_2\)的条件第一类错误率严重膨胀（可达0.5以上），而使用稳健方差则保持在0.05附近。
说明什么：验证了理论推导（公式50）：\(\omega_{11}\)必须使用稳健的异方差一致估计量，否则正交化失效。
模拟3（Section 5.2, Figure 6）：
数据/场景：单SNP和多SNP模型，比较使用完整一阶方差（\(\omega_{22}\)）和“包风格”方差（\(\omega_{22}^{\text{pkg}}\)）对\(U_2\)功效的影响。
方法应用：分别用两种方差估计量构造\(U_2\)，计算其条件功效曲线。
结果：两种方差在零假设下一致，但在备择假设下功效有差异，且差异方向随因果效应\(\gamma\)的符号反转。
说明什么：验证了理论推导（公式54）：\(\omega_{22}\)的选择影响标准化和功效，但不影响正交化的有效性（即第一类错误控制）。

🔎 结论是否比证明窄¶

窄结论1：Theorem 5的证明依赖于“筛选事件由\(\hat{\beta}_{XY}\)决定”这一具体形式。作者在Section 2.2中明确将筛选事件定义为\(A_n = \{ |\hat{\beta}_{XY}| / \text{se}(\hat{\beta}_{XY}) > z_{1-\alpha_{\text{scr}}/2} \}\)。对于更复杂的筛选规则（如基于多变量模型、机器学习方法），该结论是否成立未被证明。作者在Section 6的“Discussion”中承认了这一点，但未给出具体扩展。
窄结论2：所有理论结果都假设工具变量是有效的（无水平多效性、无弱工具变量问题）。作者在Section 6中明确声明：“The theory assumes valid instruments under the structural model and focuses on post-screening calibration.” 因此，本文的方法不能直接应用于存在多效性或弱工具变量的场景。
窄结论3：外部关联估计\(\hat{\beta}_{XY}^{(s)}\)被假设为来自一个独立样本，且与主样本来自同一总体。在Section 6中，作者提到“sample overlap between the main and external association studies”是一个未解决的问题。如果主样本和外部样本有重叠，则独立性假设被违反，Theorem 4和5的结论可能不成立。
泛泛claim：作者在Abstract和Introduction中声称该方法“remains valid regardless of the prior association screening step”。这个claim在Theorem 5的证明框架下是成立的，但如上所述，它依赖于一系列具体假设（有效工具、特定筛选规则、独立外部样本）。在实际应用中，这些假设可能被违反，因此该claim的适用范围比其字面意思要窄。

四、开放问题¶

扩展到高维工具变量：本文假设SNP数量\(K\)固定。当\(K\)随样本量增长时（如使用数千个SNP作为工具变量），联合渐近分布和影响函数估计需要重新推导。扎根点：Section 6 “One direction is to develop high-dimensional versions in which the number of genetic variants grows with sample size.”
与多效性稳健方法的结合：本文假设工具变量有效。如何将正交化思想与MR-Egger、加权中位数等多效性稳健估计量结合，以同时处理多效性和后选择偏差？扎根点：Section 6 “Another is to combine the decorrelation idea with pleiotropy-robust estimators such as MR-Egger, weighted median, or mode-based procedures, each of which would require its own joint influence-function expansion with the screening statistic.”
处理样本重叠：本文假设主样本和外部关联研究样本独立。当存在样本重叠时，如何校正协方差估计？扎根点：Section 6 “A third direction is to model partial overlap between the main sample, the MR summary statistics, and the external exposure–outcome association study.”
扩展到非线性模型和二元结局：本文基于线性结构模型。对于二元结局、非线性暴露-结局关系，需要将OLS关联和线性IVW影响函数替换为广义线性模型或半参数模型的对应物。扎根点：Section 6 “Finally, binary outcomes and generalized exposure models would require replacing the OLS association and linear IVW influence functions by appropriate generalized-model analogues.”

Maintained by 陈星宇 · Homepage · Source on GitHub