不做实验少代码,SCI发文新蓝海,孟德尔随机化了解一下
点击上方蓝字,发现更多精彩
题 记
孟德尔随机化
原理展示图
首先我们牢记上面的模式图,需要明确的是:我们进行孟德尔随机化时,最想得到的就是暴露因素X和结局变量Y的关系,也就是准确估算的b。
传统观察性研究直接计算b,需要考虑多个U的影响,导致最终只能推导出相关性,而MR则借助天然良好的基因变量作为工具变量Z,则将上面问题简单化。
再次强调:我们最终想要得到的,是准确的b。
按上图已知ZY关系为ab,ZX关系为a,按照数学逻辑图例,b可由ab/a而获得。也就是说:我们只需要得知Z-Y的关系系数ab和Z-X的关系系数a,就能间接获得b。
而ZY指代工具变量中基因Z与结局Y的关系,相关数据前人已经帮我们研究好了,就藏在GWAS的summary data里;ZX表示基因Z与暴露因素X的关系,同样可以在GWAS的summary data里直接找到。
换而言之,通过MR,我们完全可以绕过最繁琐、最容易参杂混杂因素的步骤来估算出想要知道的b,也就是暴露和结局的因果关系,瞬间事半功倍。
上面的思路是不是非常清晰,很好理解!
这,同时也是MR的核心逻辑。
或者有小伙伴会问:MR听起来好简单,利用公共数据库就能分析得出结果,统计工作量听起来也不大,那它发的文章,能到什么级别?
MR所用数据集工作量,相对其他临床研究算是轻量级选手,但用MR写出来的文章却一点也不轻量级,发一区、冲高分的,大有人在。不信,请看下面已发表的文章,可见MR发文高可顶刊,低可保底,证所谓丰俭由人,全凭实力。
part 3 双向两样本 牙周炎 vs 银屑病
微信扫码关注该文公众号作者
戳这里提交新闻线索和高质量文章给我们。
来源: qq
点击查看作者最近其他文章