① 首先，根据P值作者初步筛选出了18个SNPs作为银屑病的工具变量（Instrumental variable，IV），并通过表格展示出来，随后作者又根据F>10的阈值，去除了rs411278和rs121883002个位点（前面讲过F<10，提示有弱工具变量风险，会对结果产生影响），最终，一共有16个SNP纳入最终分析。

上面这张表每列所代表的意思如下：

第1列代表的是每一个SNP位点的rs编号。

第2列effect_allele（ALT）代表研究对象在该位点的碱基。

第3列other_allele（REF）代表参考基因组在该位点的碱基。

第4列是SNP在暴露中效应值的标准差。

第5列beta值代表SNP的效应值，若beta>0代表该与暴露成正相关，beta<0则为负相关。

第6列pos.exposure代表该SNP在参考基因组上的位置。

第7列pvalue.exposure代表SNP与表型的关联性，主要就是用这一列筛选出与银屑病在全基因组水平上显著相关的SNP（一般要求P<5×10^-8）

② IVW结果显示，遗传预测的银屑病与肺癌风险显著相关（OR=1.06，P= 0.02）。散点图中每一个点代表1个SNP，不同颜色的线条代表不同方法，而斜率则代表了相关性，若斜率大于0，则为正相关；斜率小于0，则为负相关。可以看到MR Egger法和加权中位数法的结果和IVW是一致的。有小伙伴会好奇，不是只有3种效应评估方法嘛，为何图中有5种？这其实是TwoSampleMR包在计算暴露对于结局的效应值时，默认采用的5种方法。

③ 接下来作者通过森林图展示了每一个工具变量对于结局的效应值，其中黑点代表均值，黑点左右的两条线代表95%可信区间；黑点在0线右侧的为正相关，在0线左侧为负相关。最后的All-MR Egger和All-Inverse variance weighted代表所有工具变量的总效应，即为暴露对于结局的效应。

④ 接着是多效性分析，评估结果是否稳定、是否存在偏倚。这里与meta分析类似，最佳的漏斗图应呈金字塔形，左右对称，表明结果稳定、无偏倚。虽然在本研究中不是特别对称，但作者也进行了合理解释，由于工具变量不足，无法用漏斗图评估其多效性。且MR Egger截距法和MR-PRESSO法均未检测到显著的水平多效性。

⑤ 最后就是留一法评估结果的异质性，留一法是指剔除掉1个工具变量后，计算剩下所有工具变量的总效应。以图中红框为例，去掉rs34536443这个SNP后，余下的15个SNP的总效应仍然在0线右侧（即银屑病与肺癌风险增高间存在因果联系），说明结果很稳定，去掉某个单独的SNP，结果仍然不变。