期待已久的中介孟德尔随机化终于来了

说起孟德尔随机化分析，大家都很熟悉，普通的双样本MR可以简单认为双疾病的因果关系，其实就是为了说明暴露因素和结局因素之间通过一些关键的snp产生因果关系，而中介孟德尔随机化分析，就是引入一个第三个因素如下：通过两步MR分析完成

两步MR的主要目的是探讨中介变量（mediator）是否能介导暴露对结局影响，一般适用于寻找从暴露到结局的潜在发生机制。

一般而言，在进行两步MR分析之前，我们已经获取了暴露对结局的因果效应（假设其为c）。

第（1）步：从暴露的GWAS研究结果中寻找显著的SNP，去掉存在连锁不平衡的SNP，然后在中介变量的GWAS结果中提取剩下来的SNP信息，这里需要保证剩下来的SNP不能和混杂因素以及中介变量直接相关。最后我们可以计算暴露到中介变量的因果效应（假设其为A）。

第（2）步：从中介变量的GWAS研究结果中寻找显著的SNP，去掉存在连锁不平衡的SNP，然后在结局的GWAS结果中提取剩下来的SNP信息，这里需要保证剩下来的SNP不能和混杂因素以及结局直接相关。最后我们可以计算中介变量到结局的因果效应（假设其为B）。

这里我们有3个beta值（A,B,C），接下来我和大家简单解读一下它们的显著情况：

（1）A,B,C均显著，这说明从暴露到结局存在着因果关联，并且这种关联可能有一部分是由中介变量介导的。一般而言，我们可以把A*B作为从暴露到结局的中介效应，C-（A*B）作为暴露对结局的直接效应。然后对C-（A*B）这个直接效应进行统计检验，看看它与暴露与结局因素中反向MR的差异。反向MR为阴性和0明显不同，则可以认为这种直接效应的存在。

（2）C不显著，但A和B都显著，这说明从暴露到结局的关联是完全由该中介变量介导的。

（3）C显著，但A和B中至少有一个不显著，说明从暴露到结局的因果关联中不存在由该中介变量介导的中介效应。

在中介孟德尔随机化分析中，需要ABC都显著的状态下，也就是要求三次MR都是阳性，结果才有意义，所以要求很严格。

这里我们看看如何用零代码工具实现吧！

工具链接：中介孟德尔随机化分析

1、暴露因素和结局因素的MR

可以直接选择暴露因素和结局因素，输入p的阈值，通过正向/反向孟德尔随机化分析

运行完成后，可以查看结果

通过不同的方法计算的姐个，一般选择Inverse variance weighted的方法比较多，这里要选择在正向孟德尔随机化分析中p<0.05的，但是在反向孟德尔随机化分析中p>0.05.

2、暴露因素和中介因素的MR

第一步完成后，进行第二步分析，选择第一步运行中设置的任务名，输入中介因素的ID或者上传GWAS的vcf文件。提交等待运行成功。

3、中介效应的计算

操作简单，一步到位，零代码实现中介孟德尔随机化分析。

感兴趣的小伙伴可以试试，如果您有好的或者推荐想上线的工具，可以留言至豆芽论坛