有何AI与医学：孟德尔随机化准备从大家问题多地方以及简单介绍写起来，然后补全整个分析流程！欢迎转发关注哦！

很多时候两种疾病的因果关系，不是单向的因果关系，还有可能是双向的，即疾病A会导致疾病B，疾病B也会导致疾病A。在我们研究的过程中是否存在方向因果，也是我们需要考虑的，一些时候审稿人也会问，尤其在研究一些合并症，并发症的时候，这里提供三种现有方案。

双向MR

双向MR无疑是最直观的方法，也是小编认为最合适的方法，其做法就是将原来的暴露改为结局，结局改为暴露重新按照MR方法进行分析。这里简单举个例子：

library(TwoSampleMR)
#'ieu-a-2'BMI做暴露，'ieu-a-7'冠心病做结局
bmi_exp_dat <- extract_instruments(outcomes = 'ieu-a-2')
chd_out_dat <- extract_outcome_data(snps = bmi_exp_dat$SNP, outcomes = 'ieu-a-7')
dat <- harmonise_data(bmi_exp_dat, chd_out_dat)
res1 <- mr(dat)
res1
#'ieu-a-2'BMI做结局，'ieu-a-7'冠心病做暴露
bmi_exp_dat <- extract_instruments(outcomes = 'ieu-a-7')
chd_out_dat <- extract_outcome_data(snps = bmi_exp_dat$SNP, outcomes = 'ieu-a-2')
dat <- harmonise_data(bmi_exp_dat, chd_out_dat)
res2 <- mr(dat)
res2


从结果可以看出BMI增加会导致冠心病风险增加。

IVW结果显示心脏病不会导致BMI降低，但是其他方法似乎在说有影响。一般我们主要参考IVW结果。

Steiger方向检验

Steiger检验可以判断我们的方向性是否正确，我们继续使用上面的数据进行演示：

bmi_exp_dat <- extract_instruments(outcomes = 'ieu-a-2')
chd_out_dat <- extract_outcome_data(snps = bmi_exp_dat$SNP, outcomes = 'ieu-a-7')
dat <- harmonise_data(bmi_exp_dat, chd_out_dat)
out <- directionality_test(dat)
out


结果可以看出方向是正确的，方向检验P值是很小的。如果不想做双向，建议做一下该检验。

Steiger过滤

Steiger过滤用于判断单一SNP的方向性是否正确，如果不正确可以去掉，我们可以看到Steiger的两种方法都多出了r方这一列，方向判断的一个重要数据就是r方，也就是SNP对疾病的解释比，因为SNP与暴露强相关，与结局无关，所以对暴露的解释要比结局的解释大才对。

bmi_exp_dat <- extract_instruments(outcomes = 'ieu-a-2')
chd_out_dat <- extract_outcome_data(snps = bmi_exp_dat$SNP, outcomes = 'ieu-a-7')
dat <- harmonise_data(bmi_exp_dat, chd_out_dat)
steiger_sl<-steiger_filtering(dat)
steiger_sl


图中SNP方向均无方向问题。

交流群

如果觉您觉得本公众号可以对您带来帮助，可在文章中给我们简短致谢！：Thanks to Xu Zhang of Youhe AI and Medicine。

需要加入孟德尔随机化交流群的朋友加我微信拉大家，微信号：

dxchzx（为保证交流环境，一定注明姓名，单位来意）。