我院余勇夫/秦国友团队在高维因果中介分析方法领域取得进展

近日，复旦大学公共卫生学院余勇夫、秦国友团队在计算生物学领域权威期刊《PLoS Computational Biology》上发表题为“Variable selection-combined causal mediation analysis for continuous treatments with application to large-dimensional biomedical data”的研究论文。该研究针对大规模生物医学数据背景下连续处理和连续中介变量因果中介分析中的高维协变量选择的问题，提出了一种融合广义结局自适应LASSO（Generalized Outcome-Adaptive LASSO, GOAL）的加权半参数因果中介分析框架，为复杂生物医学数据中因果中介效应的稳健高效估计提供了新的方法学工具。

因果中介分析能够将暴露因素对结局的作用分解为直接效应和通过中介变量传递的间接效应，有助于揭示疾病发生发展机制。随着大型生物医学队列和多组学数据的广泛应用，高维协变量的引入给因果中介分析带来了新的挑战。现有结合协变量选择的高维因果推断方法主要针对总效应估计或二分类变量情形，对于连续处理和连续中介变量条件下的高维协变量选择研究仍较为有限。为此，本研究提出了一种融合GOAL变量选择的加权半参数因果中介分析方法，通过精准筛选关键协变量，实现连续变量下高维因果中介效应的稳健估计。

该方法将GOAL引入广义倾向性评分建模，通过全结局模型构建自适应惩罚权重，实现在模型中优先保留与结局相关的重要协变量，同时剔除噪声变量；随后基于筛选的协变量，构建基于核函数和广义倾向性评分的逆概率权重，以实现连续变量下的混杂平衡；最终基于逆概率加权的半参数估计框架，实现在连续处理、连续中介条件下自然直接效应和自然间接效应的稳健估计。模拟研究结果表明，与现有正则化方法相比，该方法在高维协变量筛选准确性、因果中介效应综合估计性能等方面均表现更优，可在提高效应估计效率、有效控制估计偏倚的同时，兼顾模型可解释性与推断稳健性。

在基于英国生物样本库（UK Biobank）大型人群队列数据的真实世界研究中，研究团队将所提出的方法应用于解析载脂蛋白B（ApoB）在糖尿病潜在风险（FINDRISC）与癌症总发生风险关联路径中的因果中介作用。研究团队从涵盖社会人口学特征、生活方式、遗传风险、心理健康及生化代谢指标等中筛选出45个具有潜在影响作用的关键因素，并揭示了ApoB在糖尿病风险与癌症风险中的显著正向介导作用，阐明脂质代谢异常可能参与糖尿病风险与癌症发生之间的潜在生物学联系。该研究结果进一步验证了所提出的方法在大规模生物医学数据中的应用价值，为探索复杂疾病发生发展的潜在生物学机制提供了有力的统计分析工具。

复旦大学公共卫生学院博士生周娅京为本文第一作者，复旦大学公共卫生学院余勇夫教授和秦国友教授为共同通讯作者。该研究得到了国家自然科学基金（82273730；82473724）、上海市人才计划（BJKJ2024050）、上海市市级科技重大专项（ZD2021CY001）和“癌症、心脑血管、呼吸和代谢性疾病防治研究”国家科技重大专项（2025ZD0550600）的资助。

论文链接：

https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1014436