2023-10-27
大家好，今天小派带大家认识一下孟德尔随机化和微生物组整合分析的新产品！最近除了chatgpt，最火的就是MR分析了。仅靠MR分析发表的10分以上的文章数不胜数，但是，如果想要再冲进高影响因子的文章，除了需要做MR分析，还需要微生物组的数据。这是为什么呢？
随着临床上大队列海量数据的产生及围绕着微生物全关联组的发展，临床医生逐渐地找到了肠道微生物和结局之间的相关性。尽管如此，临床医生更迫切地希望能找到肠道微生物和疾病之间的因果关系，指导临床疾病的诊疗。因此在具备了天时、地利、人和后，MR应运而生。 孟德尔是我们的老朋友了，19世纪的孟德尔用豌豆花作为实验材料，通过观察豌豆花的表型发现了孟德尔定律。但是，孟德尔定律无法解释环境因子（confounding factor）对基因的影响。 为了解决这个问题，统计学家Fisher 提出了由孟德尔定律发展而来的孟德尔随机化（Mendelian Randomization，MR）。那么MR是什么呢？ MR是利用自然界分配的基因型对表型的影响来推断生物学因素（暴露，exposure，比如肠道微生物）对疾病（结局，outcome）的影响，由于分配的过程是随机的，因此MR被称为孟德尔随机化。MR分析包含了三个变量，即工具变量（Instrumental variable, IV），其往往是与暴露因素具有强相关关系的遗传变异，如SNP，可以用于推断暴露与结局之间的因果关系。 MR分析的原理基于三大假设：1，工具变量与影响“暴露-结局”关系的混杂因素相互独立（独立性假设）；2，工具变量与暴露因素之间存在文件的强相关关系（关联性假设）；3，遗传变异只能通过暴露因素影响结局发生，而不能通过其他途径对结局产生作用（排他性假设）。 接下来，让我们康康孟德尔随机化能出什么美图吧。。。 第一个：散点图 第二个：森林图 第三个：漏斗图 以上可都是发表文章必放的图哦，通过MR分析可以找到与结局强相关的肠道微生物！除此之外，如果想要发表一篇扎实的高水平文章，可不能忘了微生物组数据哦~~ 共有ASV的Venn图 门水平的菌群分类学组成和分布图 LEfSe分析 结合聚类分析的属水平群落组成热图 RDA分析 随机森林分析 代谢通路的物种组成 通过16S 多样性组成谱数据检测到的微生物可以印证MR分析得到的暴露是否符合临床实际情况，从而筛选出准确的临床标志物，治疗各种疾病~~ 如果想要利用MR分析来研究临床微生物和疾病之间的因果关系，快来小派这儿get吧！！！
