思路升级 6分+！中国学者再发一区，传染病也能孟德尔随机化

详情请点击下方：

孟德尔随机化课程，入门到高级，郑老师团队主讲，一个月搞定，快速发表论文！

---

如今孟德尔随机化（MR）的热度是越来越大，使用MR分析的高分SCI更是频频发表。除了熟练掌握MR分析方法，更要找到新的分析角度、把握热门的选题。今天本公众号为大家带来最新的中国学者在MR领域的文章，选题新颖、方法简单，让我们一起来看看这篇文章的精彩之处吧！

2024年6月8日，中国学者采用孟德尔随机化的方法，在期刊《Translational Psychiatry》（医学一区top，IF=6.8）发表题为：“Depression and risk of infectious diseases: Amendelian randomization study ”的研究论文，本研究旨在阐明抑郁症，特别是重度抑郁症 （MDD） 与传染病之间的因果关系。

 

重度抑郁（MDD）被认为是最常见，也是最紧迫的心理健康问题之一。目前全球约4.4%的人患病，且很难被完全治愈。有研究表明，MDD可能与肥胖、心脏病、糖尿病和系统性红斑狼疮等疾病有关。然而，MDD与传染病之间的关系尚不明确。

主要研究结果

1、研究设计

本研究使用FinnGen和英国生物银行（UK Biobank）数据库中的GWAS数据。

• 筛选出50个与抑郁相关的SNP（P < 5 × 10 −8 ），且无连锁不平衡。

• 并汇总五种传染病的汇总级数据：念珠菌病、肺炎、皮肤和软组织感染 （SSTI）、上呼吸道感染 （URTI） 和尿路感染 （UTI）。

2、单变量MR分析

（1）重度抑郁对传染病的影响

如下图所示，遗传预测的重度抑郁（MDD）与较高的传染病风险相关。

• 念珠菌病、肺炎、URTI、尿路感染的P值均<0.05。

• 使用FinnGen的MDD数据进行重复分析也支持了主要结果。

下图展示了单变量MR的散点图。

敏感性分析结果显示，结果具有稳健性：

• 在MR-Egger截距检验中，所有分析均无显著的水平多效性（P均<0.05）；

• 在 Cochran's Q 分析中也未检测到异质性；

• 此外，MR-PRESSO方法未检测到异常值；

• MR-Steiger方向性检验表明，本研究不存在反向性（P均<0.05）；

• 留一分析表明，MDD和传染病风险的因果估计不是由任何单一的SNP驱动的

（2）传染病对MDD的影响

研究结果显示，UTI与MDD之间存在因果关系（OR=1.04,95%CI 1.01–1.08;P = 1.83E-02），其余传染病则没有影响。 

• 以不同类型传染病的遗传变异为暴露，MR揭示了UTI与MDD之间存在因果关系（OR=1.04,95%CI 1.01–1.08;P = 1.83E-02）。

• 在没有样本重叠的重复分析中，因果关系仍然具有统计学意义。

下图显示了单变量 MR 的散点图。

敏感性分析证实了结果的稳健性。

3、多变量MR（MVMR）评估MDD和传染病风险的独立因果效应。

在MVMR分析中分别调整了CVD的5个主要危险因素，以评估每个因素对情绪波动与心血管疾病之间因果关系的影响。

• MVMR分析发现，在调整吸烟和BMI后，MDD 仍与URTI（OR=1.27，95%CI：1.13-1.44，P=1.04E-04）和UTI（ OR = 1.20，95% CI：1.03–1.40，P = 2.17E-02）风险存在因果关系。

• 然而，在调整吸烟和BMI后，MDD与念珠菌病、肺炎和SSTI风险之间的关联并不显著。

• 重复分析获得的结果与初始分析相似（OR = 1.15,95% CI：1.08–1.22，P = 3.63E-06），证明了结果的稳定性。

• MVMR-Egger 方法提供了一致的结果，并且没有显示 MVMR 中水平多效性的证据。

• MDD与传染病风险之间MVMR的异质性分析如下表所示。

统计学方法

本文使用的统计学方法主要是我们较熟悉的双样本孟德尔随机化方法：

1、单变量孟德尔随机化（MR）分析

• 主要用逆方差加权（IVW）进行分析，并应用了MR-Egger回归、加权中位数、简单模式和加权模式等互补方法；

• 此外，研究团队通过PhenoScanner搜索，确定了工具变量与肥胖特征的关联。

2、敏感性分析

• Cochran's Q 检验用于检测仪器 SNP 效应的异质性。如果Cochran Q检验的P值低于0.05，则表明存在异质性；

• MR-Egger截距检验进一步探测潜在的水平多效性；

• MR-PRESSO方法旨在识别具有多效性效应的SNP异常值；

• 采用“留一”敏感性法评估单个SNP对因果关系的影响；

• 同时进行了MR-Steiger方向性检验来推断因果关系的方向。

3、多变量MR（MVMR）分析

• 使用多变量 MR 分析，以考虑吸烟和体重指数 （BMI） 的影响，同时评估 MDD 对传染病风险的直接因果影响；

• 多变量MR分析中，采用MVMR-IVW作为主要分析方法，并使用MVMR-Egger方法进行敏感性分析。

4、因果关系方向推断

• 使用MR-Steiger方向性检验来推断因果关系的方向。

 

后 记

本文主要使用了双样本孟德尔随机化分析，评估了MDD和传染病风险之间的因果关系，发现定了UTI和MDD之间存在双向因果关系。在调整混杂因素后，发现MDD 与 URTI 和 UTI 风险之间的仍存在因果关系。接着采用了多种互补方法，包括逆方差加权（IVW）、MR-Egger回归、加权中位数、简单模式和加权模式方法，来验证结果的稳健性和可靠性。最后进行了一系列敏感性分析，使实验结果更加可信。

思路选对，事半功倍！想发文的快快行动起来吧！如果你也用孟德尔随机化做科研，欢迎加入郑老师团队开展的课程！由浅入深，注重实战，一次性带你掌握多种热点方法，很快就能学会！

详情请点击下方：

孟德尔随机化课程，入门到高级，郑老师团队主讲，一个月搞定，快速发表论文！