為了進一步解決對反向因果關(guān)系的擔憂并驗證本研究結(jié)果的穩(wěn)定性，對正向 MR 分析的結(jié)果進行對于整體皮層結(jié)構(gòu)，LCU 與整體皮層 SA 和 TH 沒有因果關(guān)系 （βSA= 190.914 毫米2硒SA= 710.453，PSA= 0.788;βTH 系列= 0.0027 毫米，東南TH 系列= 0.008，PTH 系列= 0.7363） 的同樣，CUD 也沒有顯示出與整體皮層 SA 和 TH 的因果關(guān)系 （βSA= -109.293 毫米2硒SA= 509.512，PSA= 0.83;βTH 系列= 0.0026 毫米，東南TH 系列= 0.0032，PTH 系列= 0.425）。未檢測到多效性或異質(zhì)性。對于區(qū)域皮層結(jié)構(gòu)，有幾個提示性回，包括梭形、顳下、枕外側(cè)、顳中、中央后和后扣帶回，可能受大麻使用的影響 （P < 0.05）。詳細信息如圖圖。

發(fā)現(xiàn) LCU 可能會降低梭形 （β = -0.0168 mm，SE = 0.00581，P = 0.0039） 和枕外側(cè) （β = -0.0141 mm，SE = 0.00531，P = 0.0079） 的 TH，但會增加中央后 （β = 0.0093 mm，SE = 0.00445，P = 0.0374）。加權(quán)中位數(shù)和 MR Egger 方法的一致性分析進一步證實了上述結(jié)果，敏感性分析也排除了異質(zhì)性和多效性問題。然而，目前的證據(jù)水平不足，因為在應用 Bonferroni 校正后，遺傳預測的 LCU 和 CUD 均與大腦結(jié)構(gòu)的改變沒有因果關(guān)系。CUD 與下顳葉和后扣帶回的 SA 以及中顳葉的 TH 之間存在名義上的顯著關(guān)聯(lián) （P < 0.05），但一致性分析不足以支持推論，MR-Egger 方法顯示相反的方向。

將 CUD 遺傳儀器的 P 值閾值收緊到 5x10 后-8，只剩下兩個 SNP （rs7783012， rs11783093），這兩個 SNP 與失眠、飲酒或吸煙有關(guān)，這些都是大腦結(jié)構(gòu)交替的危險因素。因此，無法進行以下分析。對于皮層下結(jié)構(gòu)，LCU 可能會增加腦干的體積 （β = 0.224 毫米3，SE = 0.09，P = 0.0128），并且結(jié)果得到了加權(quán)中位數(shù)和 MR Egger 的一致性分析的支持。4).CUD 與 7 個皮層下結(jié)構(gòu)的體積沒有因果關(guān)系。

對于所有名義顯著性估計，未檢測到異質(zhì)性或多效性。所有 Cochran Q 檢驗衍生的 P 值和 MR-Egger 截距的 P 值均大于 0.05。詳細信息顯示在表中表 4，4,,5.5.從 MR-PRESSSO 檢驗、留一法敏感性檢驗或漏斗圖中未發(fā)現(xiàn)異常值。

關(guān)于終生使用大麻（LCU）的GWAS數(shù)據(jù)，定義為個體一生中的任何大麻消費量，是從Pasman等人的一項研究中獲得的，該研究包括對162,082名歐洲血統(tǒng)的個體的調(diào)查[13]。GWAS 研究的薈萃分析包括來自國際大麻聯(lián)盟 （N=35,297,42.8% 病例，55.5% 女性） 和英國生物樣本庫 （N=126,785,22.3% 病例和 56.3% 女性） 的數(shù)據(jù)。在各種基因分型平臺上進行基因分型，并在插補前進行標準質(zhì)量控制檢查。有關(guān)倫理批準和知情同意的詳細信息，請參見原始論文。大麻使用障礙（cud）的匯總級GWAS數(shù)據(jù)來自對357,806例歐洲血統(tǒng)個體（14,080例和343,726例對照）的GWAS研究的meta分析。數(shù)據(jù)由三個來源組成，包括精神病基因組學聯(lián)盟（N=15,293,34.6%病例）、靈北綜合精神病學研究倡議（N=56,084,4.9%病例）和deCODE（N=286,429,2.1%病例）。在這些研究聯(lián)盟中，CUD 是根據(jù)國際疾病分類 10 （ICD-10） 或精神疾病診斷與統(tǒng)計手冊 （DSM-IV） 中概述的標準診斷的，其特征是個體不顧重大的社會或健康相關(guān)不良后果持續(xù)使用大麻。

大腦皮層結(jié)構(gòu)的摘要級 GWAS 數(shù)據(jù)來自通過薈萃分析增強神經(jīng)成像遺傳學 （ENIGMA） 聯(lián)盟。分析包括來自全球 60 個隊列的 51,665 人（主要是歐洲血統(tǒng)）的腦部 MRI 數(shù)據(jù)的 GWAS。根據(jù) Desikan-Killiany 圖譜，對整個大腦和 34 個特定大腦區(qū)域的皮質(zhì)表面積 （SA） 和平均厚度 （TH） 進行全球測量。SA 在灰質(zhì)和白質(zhì)之間的邊界處被量化，而 TH 被確定為白質(zhì)和軟腦膜表面之間的平均距離。為了解釋每個大腦區(qū)域的不同遺傳影響，使用整體測量的皮質(zhì) SA 和平均 TH 作為協(xié)變量對 GWAS 數(shù)據(jù)集進行了校正。我們利用大腦皮層結(jié)構(gòu)的全局加權(quán) GWAS 數(shù)據(jù)進行后續(xù)的 MR 分析。

皮層下大腦結(jié)構(gòu)的摘要級 GWAS 數(shù)據(jù)來自對 MRI 研究的薈萃分析，該研究涉及來自 53 個隊列的 38,851 人，參與者主要是歐洲血統(tǒng)。數(shù)據(jù)來源包括基因組流行病學心臟和衰老研究隊列 （CHARGE）、ENIGMA 和英國生物樣本庫。7 種皮質(zhì)下腦結(jié)構(gòu)，包括伏隔肌、杏仁核、尾狀核、蒼白球、殼核、丘腦和腦干，以雙側(cè)半球的平均體積為特征，不包括使用總體積的腦干。本研究使用了樣本量略小的無限制匯總數(shù)據(jù)（不包括 AGES、ARIC、CHS 和 FHS 隊列）。

為了保證 MR 分析的有效性，根據(jù)以下標準選擇 IV：1） 它們必須與暴露密切相關(guān);2） 它們應該獨立于可能使暴露和結(jié)果之間的關(guān)系產(chǎn)生偏差的混雜因素;3） 他們必須僅通過其對暴露的影響來影響結(jié)果，從而確保直接的因果途徑。在這項研究中，以 5x10 的 GWAS 相關(guān) P 值選擇與表型 LCU 和 CUD 相關(guān)的遺傳儀器<-7和鍵控不平衡在 r 處聚集2< 0.001，成束距離 = 10000 kb。為了防止 MR 分析中的弱工具偏倚，如前所述，使用儀器的 F 統(tǒng)計量來評估 SNP 與暴露之間的關(guān)聯(lián)強度。當 F 值高于 10 時，SNP 被認為是強工具，用于以下 MR 分析。為了防止混雜因素對以下 MR 分析的影響，我們在 PhenoScanner V2 （http://www.phenoscanner.medschl.cam.ac.uk/） [17] 中檢查了每個候選 SNP。在以下 MR 分析中，去除與潛在結(jié)局危險因素相關(guān)的 SNP，包括 BMI 、精神障礙、吸煙、失眠、飲酒和受教育程度。然后，在 MR 分析之前，去除帶有回文鏈 （A/T、C/G 等位基因） 的 SNP 和通過 MR 多效殘差和異常值 （MRPRESSO） 測試鑒定的潛在異常值。

去除閾值為 5x10 的皮質(zhì)和皮層下結(jié)構(gòu)相關(guān) SNP 后-8，進行協(xié)調(diào)以排除鏈不匹配并確保效應大小對齊。然后，通過執(zhí)行乘法隨機效應逆方差加權(quán) （IVW） 、 MR-Egger 和加權(quán)中位數(shù)方法估計 LCU 或 CUD 對腦結(jié)構(gòu)相關(guān)性狀的影響。盡管 MR-Egger 和加權(quán)中位數(shù)方法的效率較低，但它們可以在更廣泛的場景中提供更穩(wěn)健的估計值。為了提高我們結(jié)論的可靠性，我們主要依賴 IVW 估計，同時還利用 MR-Egger 和加權(quán)中位數(shù)結(jié)果來加強 IVW 結(jié)局。當 IVW 結(jié)果顯著時，我們認為結(jié)果具有顯著性，并且 MR-Egger 和加權(quán)中位數(shù)結(jié)果與 IVW 方向一致。

為了防止異質(zhì)性和多效性對 MR 分析的影響，我們應用了幾種敏感性分析測試。采用 Cochran Q 檢驗來識別異質(zhì)性，如果檢測到異質(zhì)性小于 0.05，則在該 MR 分析中僅使用乘法隨機效應 IVW。我們利用漏斗圖來評估可能的方向多效性，并使用 MR-Egger 截距檢驗來評估水平多效性。然后進行留一法分析，以確定 IVW 估計是否受任何單個 SNP 的影響。

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） 軟件包進行。對于皮質(zhì)區(qū)域水平測試，我們進行了 68 次雙樣本 MR 分析，顯著性閾值調(diào)整為 0.05/68 （7.35×10-4） 中使用 Bonferroni 方法。涉及 SA 和 TH 方向的全球水平測試認為校正后的顯著性 P 值為 0.05/2 （0.025）。對于皮層下水平測試，考慮到 7 個 MR 估計值，顯著 P 值定義為 0.05/7 （7.14x10-3).小于 0.05 的 P 值表示名義顯著性。

作者通過雙樣本孟德爾隨機化（MR）分析探討了大麻使用與大腦結(jié)構(gòu)之間的潛在因果關(guān)系。研究基于終生大麻使用（LCU）和大麻使用障礙（CUD）的全基因組關(guān)聯(lián)研究（GWAS）數(shù)據(jù)，分析了大腦皮層和皮層下結(jié)構(gòu)的表面積（SA）和厚度（TH），以及七個皮層下區(qū)域的體積。

研究發(fā)現(xiàn)，LCU與整體皮層結(jié)構(gòu)無顯著因果關(guān)聯(lián)。然而，在局部皮層水平，LCU與梭形回和枕外側(cè)區(qū)的TH減少，以及中央后區(qū)的TH增加有名義上的顯著關(guān)聯(lián)。此外，LCU可能增加腦干體積。CUD未顯示與任何皮層或皮層下結(jié)構(gòu)的顯著因果關(guān)聯(lián)。

盡管一些結(jié)果顯示大麻使用可能影響特定大腦區(qū)域的結(jié)構(gòu)變化，但在應用多重比較校正后，研究未能獲得大麻使用與大腦結(jié)構(gòu)之間顯著因果關(guān)系的強有力證據(jù)。這表明目前的大麻使用與大腦結(jié)構(gòu)改變之間因果關(guān)聯(lián)的證據(jù)尚不足。