【昊工具】GWAS研究者不能错过的在线孟德尔随机化分析网站：MR-base

发稿时间：2020-11-11来源：天昊生物

因为爱一个人，

连带爱上他屋顶上的乌鸦。

但是反过来因为屋顶上的乌鸦而爱上这个人，

怕是极少见的吧？

类似“爱屋及乌”这样的因果关系显而易见，

但是医学领域的这种因果关系应该如何判断和研究呢？

医学上，因果关系的判断非常的重要，很多疾病的病因（我们称之为暴露因素）如果能早早找到，那么疾病（我们称之为结局）就可能被提早干预而被避免。但是实际情况是，这种因果关系的研究困难重重。比如我们要去判断抽烟和肺癌是否存在因果关系，可以选择一组抽烟和一组不抽烟的人，分别跟踪30-50年去观察最终的肺癌发生率。虽然这是一个非常好的研究思路，但是不省时不省力。对于大部分横断面研究来说，最大的问题是我们观察到的是相关性，而不是因果关系。比如，维生素B缺乏和脱发有关，那么，到底是维生素B缺乏导致脱发（那么赶紧补维B吧！），还是因为脱发的人生活不规律、熬夜（我们称为混杂因素）而导致维生素B缺乏呢？（补再多维B也没用…）

◆用于探究因果关系的孟德尔随机化分析（Mendelian randomization，MR）

Katan1986 提出:依据孟德尔遗传定律，父母的等位基因随机分配给子代，子代的不同基因型决定不同的中间表型。假设AA和aa基因型的人天生因为基因的差别而导致血液维生素B的水平不同，那如果我们想研究维B和脱发的关联，则可以改为更加简单的研究方法：研究AA和aa基因型和脱发的关联（因为基因型和维B水平的因果关系是明确的）。那到底维B能否导致脱发呢？想要得出这个结论，必须有三个前提条件：

1） 基因型(比如AA/aa)与中间表型（维B水平）高度相关；

2） 基因型(比如AA/aa)与混杂因素（如饮酒习惯，熬夜习惯）等混杂因素不相关；

3） 基因型(比如AA/aa)与疾病（如脱发）条件独立（即将维B水平和基因型同时作为自变量联合分析时，基因型与脱发的相关性消失）

如果有来自相同人群的2个独立样本的GWAS分析结果数据，我们便得到了1）基因与暴露因素的关联结果，2）基因与结局的关联结果，基于这样的2套数据，统计学家开发了两样本MR(Two-sample MR)方法，用于研究暴露因素与结局的因果关系。目前，两样本MR因为全球大量GWAS统计结果的免费公开而被广泛使用。

●让我们来看看孟德尔随机化分析近年的发文趋势：

计算原理：

1） GWAS数据里面找到影响维B水平的SNP位点 (比如满足P小于5*10-8的位点)

2） 提取这些位点在脱发GWAS研究中的关联效应值(BETA)或者风险值（OR）

3） 散点图绘制这些位点分别在维B水平GWAS和脱发GWAS的效应值，散点图的斜率代表维B水平对脱发这个结局的影响大小（causal effect）

不用去找GWAS数据，不用复杂编程，科学家们已经帮我们开发好了在线版MR分析工具。临床医生可以利用数据库里面的1673个GWAS结果数据进行MR分析，也可以上传自己的GWAS数据结果进行再次数据挖掘。

参考文献：Hemani G, Zheng J, Elsworth B, et al. The MR-Base platform supports systematic causal inference across the human phenome. Elife. 2018;7:e34408. Published 2018 May 30. doi:10.7554/eLife.34408

数据库的数据类型：

分析流程：

1） 读取暴露因素的gwas结果，可以上传自己的GWAS数据

2） 读取结局变量的gwas结果（不可上传自己的GWAS）

3） 调整匹配两个GWAS数据（如SNP链统一，SNP信息不一致的删去，SNP点不存在的用连锁点替代）

4） 执行MR分析和图形展示。

操作步骤：

拢共分为三步

1）选暴露因素

2）选结局

3）MR分析

结果展示：

1) MR results：展示4种不同分析方法用到的SNP个数（nsnp），散点图的斜率（b），标准误（se）和显著性（pval）。由于所有P值都不显著，因此ApoA1水平与AD发病不存在因果关系。
2) 基于四个方法的MR分析的散点图（斜率展示了4个方法得出的效应值大小），与1）的结果相对应。

3) 纳入分析的6个SNP的效应大小展示。

4) 为了判断MR分析的敏感性（可以理解为判断分析是否靠谱），网站还进行了多种敏感性分析。比如：heterogeneity statistics (判断来源于不同的GWAS数据的SNP是否存在异质性影响结果，如果最后的pval大于0.05， 则说明纳入的SNP没有异质性。

比如：Horizontal pleiotropy （水平多效性。MR分析得出因果关系的前提是SNP必须只能通过暴露因素影响结局，而不能直接与结局相关。如果SNP与暴露因素和结局都直接相关，那么这个MR分析就存在水平多效性，结局也就是不可信的）。这里的p-value大于0.05，即提示水平多效性不存在。

备注：专业人士可以采用这个团队为大家提供的R包，可以进行更加灵活地分析：

https://mrcieu.github.io/TwoSampleMR/

该工具发表于2018年，目前引用超600次。

来看看一篇最新的引用文章：

Elife (IF: 7.08). 2020 Oct 16;9:e58914. doi: 10.7554/eLife.58914.

Effects of lifelong testosterone exposure on health and disease using Mendelian randomizationPMID: 33063668 

PMCID: PMC7591257 DOI: 10.7554/eLife.58914

摘要：很多男性日常服用睾丸激素产品，以获得各种可能的健康益处，但其因果效应尚不清楚。临床随机试验难以开展，也很难用于研究这些产品的长期效应或对罕见结果的影响。本研究基于孟德尔随机化分析，推断游离睾丸酮对161,268名来自英国生物库研究的男性的461种表型的影响。研究结果表型，终身服用游离睾丸酮具有骨密度增加、体脂减少的有益影响；不利影响包括：高密度脂蛋白减少、前列腺癌、雄激素性脱发、椎管狭窄和高血压风险增加；对血细胞比容增加和C反应蛋白减少有背景依赖性影响。对2型糖尿病、心血管或认知结果没有观察到益处。孟德尔随机化表明，应综合考虑长期增加睾酮的益处与不良影响，特别是增加前列腺癌和高血压的风险。未来需要进行足够效能的随机试验，以最终阐释睾酮治疗对这些结果的风险和益处。

临床上的因果关系，如果你也好奇，快用MR-base分析看看吧！

咨询沟通请联系

18964693703（微信同号）