11+孟德尔随机化+GWAS分析

今天给同学们分享一篇凝血因子+孟德尔随机化的生信文章“The effects of coagulation factors on the risk of endometriosis: a Mendelian randomization study”，这篇文章于2023年5月25日发表在BMC Med期刊上，影响因子为11.450。

子宫内膜异位症被认为是一种复杂的妇科疾病，可导致严重疼痛和不孕，影响6-10%的育龄妇女。子宫内膜异位症是指通常位于子宫内部的子宫内膜组织沉积在其他组织中的情况。子宫内膜异位症的病因和发病机制尚不明确。尽管存在争议，但人们普遍认为子宫内膜异位症是一种慢性炎症性疾病，子宫内膜异位患者似乎处于高凝状态。凝血系统在止血和炎症反应中起着重要作用。因此，本研究的目的是使用公开的GWAS汇总统计数据来检验凝血因子与子宫内膜异位症风险之间的因果关系。

1. 工具变量的选择

作者通过文献检索，从不同的GWAS结果中系统地筛选了与11种凝血因子（vWF、ADAMTS13、aPTT、FVIII、FXI、FVII、FX、ETP、PAI-1、蛋白C和纤溶酶）相关的全基因组显著SNPs，以检查这些凝血因子对子宫内膜异位症风险的潜在因果影响。这些凝血因子可分为五组，包括血小板粘附（vWF和ADAMTS13）、内在途径（FXI、aPTT和FVIII）、外在途径（FVII）、常见途径（ETP和FX）和纤维蛋白凝块解离（PAI-1、蛋白C和纤溶酶）。作者首先在相应的GWAS研究中保留了与每种暴露表型显著相关的SNPs（P < 5e− 7） 。然后，作者使用基于LD的聚集来获得暴露的LD无关SNP（r2 threshold = 0.1，窗口大小 = 10Mb）。至关重要的是，SNP对暴露的影响和对结果的影响都归因于同一等位基因。在协调过程中，具有非一致等位基因的模糊SNPs和具有无法纠正的模糊链的回文SNPs被丢弃。因此，在随后的两个样本MR分析中，被选为暴露工具变量的SNP数量最终将等于或小于列出的数量。为了评估每个工具变量的强度，作者计算了每个工具暴露关联的F统计量。在作者的研究中，F统计数据远大于10，表明这些SNP是强大的工具变量。此外，作者还计算了每个队列中每次暴露的统计能力。值得注意的是，结果