SNPs与重复测量抑郁症状关联分析的最优模型咨询

核心错误纠正 #

你之前的模型lmer(depressive_symptoms~1 + (1|SNP), data=df)完全偏离了研究目标：SNP是你的固定暴露变量，而非聚类/随机分组变量，将其设为随机效应会把SNP的变异纳入随机误差，完全无法检验SNP对抑郁症状的效应。

正确模型框架 #

针对重复测量数据，混合线性模型的核心是用个体水平的随机效应控制个体间的基线差异，同时纳入固定效应检验SNP、时间及协变量的影响，以下是分阶段的模型方案：

1. 基础效应模型（检验SNP主效应+时间趋势）

lmer(depressive_symptoms ~ SNP + time + (1|ID), data = df)

• SNP：核心暴露变量，编码方式两种可选：
  • 连续编码（0/1/2）：检验剂量-反应关系，即每增加1个次要等位基因，抑郁症状的平均变化量
  • 分类编码（以0个等位基因为参照，生成两个哑变量）：探索显性/隐性遗传模式，对比不同等位基因分组的差异
• time：时间变量，可设为连续型（0=T0,1=T1,2=T2,3=T3）检验线性时间趋势，或分类型检验各时间点与基线的差异
• (1|ID)：个体水平随机截距，控制不同个体基线抑郁症状的固有差异，这是重复测量数据混合模型的标准设置

2. 协变量调整模型

加入年龄、性别、BMI等混杂因素：

lmer(depressive_symptoms ~ SNP + time + age + gender + BMI + (1|ID), data = df)

若假设某协变量的效应随时间变化（如年龄对抑郁的影响随时间增强），可额外加入协变量与time的交互项（如age:time），但需基于明确的研究假设。

3. 交互效应模型（探索SNP效应的时间依赖性）

若要检验SNP对抑郁症状的影响是否随时间变化（如携带次要等位基因的个体抑郁症状变化趋势与其他人不同），加入SNP与time的交互项：

lmer(depressive_symptoms ~ SNP * time + age + gender + BMI + (1|ID), data = df)

模型中SNP:time的系数即代表SNP效应随时间的变化幅度。

4. 进阶模型优化（可选）

若观察到个体间的时间趋势存在明显差异，可加入随机斜率提升模型拟合度：

lmer(depressive_symptoms ~ SNP * time + age + gender + BMI + (1 + time|ID), data = df)

需注意：加入随机斜率后需检查模型收敛性，若收敛困难可简化随机效应结构。

研究方案中需提及的模型诊断要点 #

• 残差正态性检验（QQ图、Shapiro-Wilk检验），若偏离正态可考虑对抑郁症状得分进行变换（如对数变换）
• 随机效应方差的合理性：若随机截距方差接近0，说明个体间差异极小，固定效应模型（如重复测量ANOVA）也可作为替代，但混合模型仍更严谨
• 多重共线性检验：检查SNP与协变量间的相关性，避免共线性影响结果稳定性

内容的提问来源于stack exchange，提问作者Ana Wenzler