2023-10-27
大家(jia)好，今(jin)天小派帶(dai)大家(jia)認(ren)識(shi)一下孟德爾隨(sui)機化和微生(sheng)物(wu)組整(zheng)合分(fen)(fen)析的(de)(de)新產品！最(zui)近除了(le)chatgpt，最(zui)火的(de)(de)就是(shi)MR分(fen)(fen)析了(le)。僅靠MR分(fen)(fen)析發表(biao)的(de)(de)10分(fen)(fen)以(yi)上的(de)(de)文章數不勝數，但(dan)是(shi)，如(ru)果想要再沖進高影響因子的(de)(de)文章，除了(le)需(xu)要做MR分(fen)(fen)析，還需(xu)要微生(sheng)物(wu)組的(de)(de)數據。這是(shi)為什么呢？
隨著臨(lin)床(chuang)(chuang)上大隊列海量數據的產(chan)生(sheng)及圍繞著微(wei)(wei)生(sheng)物全關聯(lian)組的發展，臨(lin)床(chuang)(chuang)醫(yi)生(sheng)逐(zhu)漸地(di)找到了(le)腸(chang)道微(wei)(wei)生(sheng)物和結局之間的相(xiang)關性。盡管如此，臨(lin)床(chuang)(chuang)醫(yi)生(sheng)更迫切地(di)希(xi)望能找到腸(chang)道微(wei)(wei)生(sheng)物和疾(ji)病(bing)之間的因(yin)果關系，指導臨(lin)床(chuang)(chuang)疾(ji)病(bing)的診療。因(yin)此在具備了(le)天時、地(di)利、人和后(hou)，MR應運而生(sheng)。 孟德(de)爾(er)是(shi)我們的(de)老朋友了(le)，19世紀的(de)孟德(de)爾(er)用豌(wan)豆花作為實驗材料，通(tong)過觀察豌(wan)豆花的(de)表型發現(xian)了(le)孟德(de)爾(er)定(ding)律。但是(shi)，孟德(de)爾(er)定(ding)律無(wu)法解(jie)釋(shi)環境(jing)因(yin)(yin)子（confounding factor）對(dui)基因(yin)(yin)的(de)影響。 為了解決這個問題，統計學家Fisher 提出了由孟德爾定律發展而來的孟德爾隨機化（Mendelian Randomization，MR）。那么MR是什么呢？ MR是(shi)利用自然(ran)界分(fen)(fen)配的(de)基因(yin)型(xing)對表型(xing)的(de)影響來(lai)推斷生物學因(yin)素（暴(bao)露(lu)，exposure，比如(ru)腸(chang)道微生物）對疾(ji)病（結局(ju)，outcome）的(de)影響，由于分(fen)(fen)配的(de)過程(cheng)是(shi)隨機的(de)，因(yin)此MR被稱為(wei)孟德(de)爾隨機化(hua)。MR分(fen)(fen)析(xi)包(bao)含(han)了三個變(bian)量，即工具(ju)變(bian)量（Instrumental variable, IV），其(qi)往(wang)往(wang)是(shi)與(yu)暴(bao)露(lu)因(yin)素具(ju)有強相關(guan)關(guan)系(xi)的(de)遺傳變(bian)異，如(ru)SNP，可以用于推斷暴(bao)露(lu)與(yu)結局(ju)之間的(de)因(yin)果關(guan)系(xi)。 MR分析的原(yuan)理基于(yu)三大假(jia)設(she)：1，工具變量與影響“暴(bao)露-結(jie)局”關(guan)(guan)系(xi)(xi)的混雜因(yin)(yin)素(su)相互獨立(li)（獨立(li)性假(jia)設(she)）；2，工具變量與暴(bao)露因(yin)(yin)素(su)之間存在文件的強相關(guan)(guan)關(guan)(guan)系(xi)(xi)（關(guan)(guan)聯性假(jia)設(she)）；3，遺傳變異只能通(tong)過暴(bao)露因(yin)(yin)素(su)影響結(jie)局發生(sheng)，而不能通(tong)過其他途徑對結(jie)局產生(sheng)作用（排他性假(jia)設(she)）。 接(jie)下來，讓我們康康孟(meng)德爾隨機化能出(chu)什(shen)么美(mei)圖吧。。。 第一個：散點圖 第二個：森林圖 第三個：漏斗圖 以(yi)上(shang)可都是發表(biao)文章(zhang)必放的圖哦，通過MR分析(xi)可以(yi)找到與結局強相關的腸(chang)道微生物！除此之外，如果想(xiang)要(yao)發表(biao)一篇扎實(shi)的高水平文章(zhang)，可不能忘了微生物組數據(ju)哦~~ 共有ASV的Venn圖 門水平的菌群分類學組成和分布圖 LEfSe分析 結合聚類分析的屬水平群落組成熱圖 RDA分析 隨機森林分析 代謝通路的物種組成 通過16S 多(duo)樣性(xing)組成譜數據檢測到的(de)微生物(wu)可以印(yin)證MR分(fen)析得(de)到的(de)暴露(lu)是否(fou)符合臨床(chuang)實際情況，從而(er)篩選出準(zhun)確的(de)臨床(chuang)標(biao)志物(wu)，治療(liao)各種疾病~~ 如果想(xiang)要利用MR分(fen)析(xi)來(lai)研究臨床微生(sheng)物和疾病之間的(de)因果關系，快來(lai)小派(pai)這兒get吧！！！
