孟德尔随机化 MR入门基础-简明教程-工具变量-暴露

本文介绍: 孟德尔随机化的核心其实是利用了孟德尔第二定律，也就是自由组合规律(law of in dep endent a ssort ment），当具有两对（或更多对）相对性状的亲本进行杂交，在子一代产生配子时，在等位基因分离的同时，非同源染色体上的基因表现为自由组合，这一过程类似于随机对照试验中的随机分组，所以我个人理解的孟德尔随机化就是基于孟德尔第二定律的随机对照试验。但现实中，要完成随机对照试验的难度非常高，需要大量的人力物力，有时因为伦理问题，对某个因素的研究几乎是不可能的。（本文暂没提到这一点）

孟德尔随机化（MR）入门介绍和分章分享（暂时不解读）

大家好，孟德尔随机化大火，但是什么是孟德尔随机化，具体怎么实操呢

这没有其他教程的繁冗，我这篇讲最基础的孟德尔随机化的核心步骤，这个理解之后，再去考虑混杂因素等等术语。

孟德尔随机化（MR），其实是研究两个变量之间的因果关系。也就是研究谁决定了谁，是因果关系，而不是相关关系。

我画了一张图，协助理解：

现在再来读这句话是不是就理解MR了：孟德尔随机化（Mend elian Randomization, MR）是流行病学研究中评估病因推断的数据分析技巧，它是利用与暴露因素具有强相关的遗传变异作为工具变量，来评估暴露因素与结局之间的因果关系。

现在对三大假设是不是理解更深些了：

孟德尔随机化三大假设：

①关联性假设: SNP与暴露因素之间是强相关的。

②独立性假设: SNP与混杂因素之间是独立的。（本文暂没提到这一点）

③排他性假设: SNP只能通过暴露因素对结局产生作用。

现在再来详细介绍MR，会不会好理解些：

1 MR 背景与目的
1.1目的是明确因果关系
在关联分析中我们时常面对的一个问题便是我们很难确定一个变量是否是真正的因果变量，而非有其他未观测的因素同时影响这个变量与结果，造成这个变量与结果相关联。在循证医学中，或是制定干预策略时，明确因果性是十分必要的。
这个问题实际上与内生性 endogeneity 相关，包括：反向因果关系 re verse causation, 忽略的混淆变量造成的偏倚 omit ted v ariable bias d ue to confound in g, 测量误差measurement error, 以及双向因果关系bi directional causality等等问题。（这里的内生性在统计学上是指在回归分析中，解释变量（x）与误差项相关。）
1.2. RCT是金标准，但缺点明显
一般来说，明确因果关系的金标准时随机对照试验 RCT randomized control trial (RCT)，即对受试者随机分为对照组和实验组，以研究某个因素的影响。但现实中，要完成随机对照试验的难度非常高，需要大量的人力物力，有时因为伦理问题，对某个因素的研究几乎是不可能的。这时我们就要借助其他方法，而孟德尔随机化就是其中之一。
1.3. 孟德尔随机化与RCT的相似性
孟德尔随机化（MR，Mend elian randomization）便是为了解决以上问题而开发的方法，MR与RCT直接相关，两者有很高的相似性，如下图所示。

孟德尔随机化的核心其实是利用了孟德尔第二定律，也就是自由组合规律(law of in dependent assort ment），当具有两对（或更多对）相对性状的亲本进行杂交，在子一代产生配子时，在等位基因分离的同时，非同源染色体上的基因表现为自由组合，这一过程类似于随机对照试验中的随机分组，所以我个人理解的孟德尔随机化就是基于孟德尔第二定律的随机对照试验。