6月25日上午，宾夕法尼亚大学沃尔顿商学院统计系的王静姝教授应邀在闵行校区法商楼135会议室为统计学院的师生作学术报告，报告的题目是《A comprehensive Framework for Genome-wide Mendelian Randomization under Pervasive Pleiotropy》。
王静姝是宾夕法尼亚大学沃顿商学院统计系的博士后统计研究员。她获得斯坦福大学的统计博士学位。她的研究集中在高维因子模型，多重假设检验，荟萃分析，因果推论和统计遗传学。她目前的工作涉及几种尖端的生物技术和遗传问题开发统计学方法，包括单细胞RNA测序，全基因组孟德尔随机化，3D基因组结构变异以及用于神经退行性病变的高通量DNA条形码CRISPR筛选疾病。
王静姝在报告中介绍了孟德尔随机化（MR）是一种利用遗传变异无偏估计存在未测量混杂的因果效应的方法。MR方法被广泛应用于流行病学和其他人口科学相关领域。应用MR来推断复杂性状之间的因果关系的一个主要挑战是，选择的遗传变异可能很容易变成无效的工具变量（IVs），其存在多效性，最近已被证明对于复杂性状是普遍存在的。
王静姝认为MR中现有的方法很容易在这种普遍的多效性下失效。故提出了一个全面的框架GRAPPLE，用于使用GWAS数据的MR，并且提出了使用大量弱有效遗传变体的重要性。
王静姝在报告中强调，在理论保证的情况下，RAPS可以正确估计出具有理论保证的因果关系，GRAPPLE可以正确估计几种常见多效情景下的因果关系。此外，GRAPPLE可以检测到多条多效性路径的存在。报告中使用几个案例研究来评估GRAPPLE的性能，并证明它是一种可靠的方法。作为GRAPPLE的应用，王静姝教授发现HDL-C在调整包括LDL-C和甘油三酯在内的其他脂质后，对慢性动脉疾病具有保护作用，如果使用弱相关变体。
图文｜彭志成
编辑｜肖启玉