大麻使用对大脑结构影响的探索：证据不足还是另有隐情？

为了进一步解决对反向因果关系的担忧并验证本研究结果的稳定性，对正向 MR 分析的结果进行对于整体皮层结构，LCU 与整体皮层 SA 和 TH 没有因果关系 （βSA= 190.914 毫米2硒SA= 710.453，PSA= 0.788;βTH 系列= 0.0027 毫米，东南TH 系列= 0.008，PTH 系列= 0.7363） 的同样，CUD 也没有显示出与整体皮层 SA 和 TH 的因果关系 （βSA= -109.293 毫米2硒SA= 509.512，PSA= 0.83;βTH 系列= 0.0026 毫米，东南TH 系列= 0.0032，PTH 系列= 0.425）。未检测到多效性或异质性。对于区域皮层结构，有几个提示性回，包括梭形、颞下、枕外侧、颞中、中央后和后扣带回，可能受大麻使用的影响 （P < 0.05）。详细信息如图图。

发现 LCU 可能会降低梭形 （β = -0.0168 mm，SE = 0.00581，P = 0.0039） 和枕外侧 （β = -0.0141 mm，SE = 0.00531，P = 0.0079） 的 TH，但会增加中央后 （β = 0.0093 mm，SE = 0.00445，P = 0.0374）。加权中位数和 MR Egger 方法的一致性分析进一步证实了上述结果，敏感性分析也排除了异质性和多效性问题。然而，目前的证据水平不足，因为在应用 Bonferroni 校正后，遗传预测的 LCU 和 CUD 均与大脑结构的改变没有因果关系。CUD 与下颞叶和后扣带回的 SA 以及中颞叶的 TH 之间存在名义上的显著关联 （P < 0.05），但一致性分析不足以支持推论，MR-Egger 方法显示相反的方向。

将 CUD 遗传仪器的 P 值阈值收紧到 5x10 后-8，只剩下两个 SNP （rs7783012， rs11783093），这两个 SNP 与失眠、饮酒或吸烟有关，这些都是大脑结构交替的危险因素。因此，无法进行以下分析。对于皮层下结构，LCU 可能会增加脑干的体积 （β = 0.224 毫米3，SE = 0.09，P = 0.0128），并且结果得到了加权中位数和 MR Egger 的一致性分析的支持。4).CUD 与 7 个皮层下结构的体积没有因果关系。

对于所有名义显著性估计，未检测到异质性或多效性。所有 Cochran Q 检验衍生的 P 值和 MR-Egger 截距的 P 值均大于 0.05。详细信息显示在表中表 4，4,,5.5.从 MR-PRESSSO 检验、留一法敏感性检验或漏斗图中未发现异常值。

关于终生使用大麻（LCU）的GWAS数据，定义为个体一生中的任何大麻消费量，是从Pasman等人的一项研究中获得的，该研究包括对162,082名欧洲血统的个体的调查[13]。GWAS 研究的荟萃分析包括来自国际大麻联盟 （N=35,297,42.8% 病例，55.5% 女性） 和英国生物样本库 （N=126,785,22.3% 病例和 56.3% 女性） 的数据。在各种基因分型平台上进行基因分型，并在插补前进行标准质量控制检查。有关伦理批准和知情同意的详细信息，请参见原始论文。大麻使用障碍（cud）的汇总级GWAS数据来自对357,806例欧洲血统个体（14,080例和343,726例对照）的GWAS研究的meta分析。数据由三个来源组成，包括精神病基因组学联盟（N=15,293,34.6%病例）、灵北综合精神病学研究倡议（N=56,084,4.9%病例）和deCODE（N=286,429,2.1%病例）。在这些研究联盟中，CUD 是根据国际疾病分类 10 （ICD-10） 或精神疾病诊断与统计手册 （DSM-IV） 中概述的标准诊断的，其特征是个体不顾重大的社会或健康相关不良后果持续使用大麻。

大脑皮层结构的摘要级 GWAS 数据来自通过荟萃分析增强神经成像遗传学 （ENIGMA） 联盟。分析包括来自全球 60 个队列的 51,665 人（主要是欧洲血统）的脑部 MRI 数据的 GWAS。根据 Desikan-Killiany 图谱，对整个大脑和 34 个特定大脑区域的皮质表面积 （SA） 和平均厚度 （TH） 进行全球测量。SA 在灰质和白质之间的边界处被量化，而 TH 被确定为白质和软脑膜表面之间的平均距离。为了解释每个大脑区域的不同遗传影响，使用整体测量的皮质 SA 和平均 TH 作为协变量对 GWAS 数据集进行了校正。我们利用大脑皮层结构的全局加权 GWAS 数据进行后续的 MR 分析。

皮层下大脑结构的摘要级 GWAS 数据来自对 MRI 研究的荟萃分析，该研究涉及来自 53 个队列的 38,851 人，参与者主要是欧洲血统。数据来源包括基因组流行病学心脏和衰老研究队列 （CHARGE）、ENIGMA 和英国生物样本库。7 种皮质下脑结构，包括伏隔肌、杏仁核、尾状核、苍白球、壳核、丘脑和脑干，以双侧半球的平均体积为特征，不包括使用总体积的脑干。本研究使用了样本量略小的无限制汇总数据（不包括 AGES、ARIC、CHS 和 FHS 队列）。

为了保证 MR 分析的有效性，根据以下标准选择 IV：1） 它们必须与暴露密切相关;2） 它们应该独立于可能使暴露和结果之间的关系产生偏差的混杂因素;3） 他们必须仅通过其对暴露的影响来影响结果，从而确保直接的因果途径。在这项研究中，以 5x10 的 GWAS 相关 P 值选择与表型 LCU 和 CUD 相关的遗传仪器<-7和键控不平衡在 r 处聚集2< 0.001，成束距离 = 10000 kb。为了防止 MR 分析中的弱工具偏倚，如前所述，使用仪器的 F 统计量来评估 SNP 与暴露之间的关联强度。当 F 值高于 10 时，SNP 被认为是强工具，用于以下 MR 分析。为了防止混杂因素对以下 MR 分析的影响，我们在 PhenoScanner V2 （http://www.phenoscanner.medschl.cam.ac.uk/） [17] 中检查了每个候选 SNP。在以下 MR 分析中，去除与潜在结局危险因素相关的 SNP，包括 BMI 、精神障碍、吸烟、失眠、饮酒和受教育程度。然后，在 MR 分析之前，去除带有回文链 （A/T、C/G 等位基因） 的 SNP 和通过 MR 多效残差和异常值 （MRPRESSO） 测试鉴定的潜在异常值。

去除阈值为 5x10 的皮质和皮层下结构相关 SNP 后-8，进行协调以排除链不匹配并确保效应大小对齐。然后，通过执行乘法随机效应逆方差加权 （IVW） 、 MR-Egger 和加权中位数方法估计 LCU 或 CUD 对脑结构相关性状的影响。尽管 MR-Egger 和加权中位数方法的效率较低，但它们可以在更广泛的场景中提供更稳健的估计值。为了提高我们结论的可靠性，我们主要依赖 IVW 估计，同时还利用 MR-Egger 和加权中位数结果来加强 IVW 结局。当 IVW 结果显著时，我们认为结果具有显著性，并且 MR-Egger 和加权中位数结果与 IVW 方向一致。

为了防止异质性和多效性对 MR 分析的影响，我们应用了几种敏感性分析测试。采用 Cochran Q 检验来识别异质性，如果检测到异质性小于 0.05，则在该 MR 分析中仅使用乘法随机效应 IVW。我们利用漏斗图来评估可能的方向多效性，并使用 MR-Egger 截距检验来评估水平多效性。然后进行留一法分析，以确定 IVW 估计是否受任何单个 SNP 的影响。

所有分析均使用 R （版本 4.3.1， https://www.r-project.org/） 和 TwoSampleMR （版本 0.5.7， https://github.com/MRCIEU/TwoSampleMR） 和 MR PRESSO （版本 1.0， https://github.com/rondolab/MR-PRESSO） 软件包进行。对于皮质区域水平测试，我们进行了 68 次双样本 MR 分析，显着性阈值调整为 0.05/68 （7.35×10-4） 中使用 Bonferroni 方法。涉及 SA 和 TH 方向的全球水平测试认为校正后的显著性 P 值为 0.05/2 （0.025）。对于皮层下水平测试，考虑到 7 个 MR 估计值，显着 P 值定义为 0.05/7 （7.14x10-3).小于 0.05 的 P 值表示名义显著性。

作者通过双样本孟德尔随机化（MR）分析探讨了大麻使用与大脑结构之间的潜在因果关系。研究基于终生大麻使用（LCU）和大麻使用障碍（CUD）的全基因组关联研究（GWAS）数据，分析了大脑皮层和皮层下结构的表面积（SA）和厚度（TH），以及七个皮层下区域的体积。

研究发现，LCU与整体皮层结构无显著因果关联。然而，在局部皮层水平，LCU与梭形回和枕外侧区的TH减少，以及中央后区的TH增加有名义上的显著关联。此外，LCU可能增加脑干体积。CUD未显示与任何皮层或皮层下结构的显著因果关联。

尽管一些结果显示大麻使用可能影响特定大脑区域的结构变化，但在应用多重比较校正后，研究未能获得大麻使用与大脑结构之间显著因果关系的强有力证据。这表明目前的大麻使用与大脑结构改变之间因果关联的证据尚不足。