看完不会来揍我 | 孟德尔随机化（二）—— 代码实操 | 附代码注释 + 结果解读_if (nrow(d) == 0) return(null): 参数长度为零 孟德尔

最近真的是超超超超超超超级多的小伙伴们在咨询孟德尔随机化相关的问题和课程，意想不到的那种多！那我怎么办嘞！整呗！主打的就是一个宠粉！

关于孟德尔随机化，我们之前就已经在孟德尔随机化（一）| 随处可见的孟德尔随机化到底是什么？中介绍过啦！对孟德尔随机化的理解还比较模糊的小伙伴可以去看看，说不定会有帮助哟！实操部分一直说要更新的，结果因为最近在忙毕业的事情，所以就拖到现在啦！抱歉抱歉啦！现在它终于要出场啦！咱们今天，就尽力给大家把孟德尔随机化讲透咯！让我们每个人都能够亲手做出自己的孟德尔随机化！

---

• 如果小伙伴们有需求的话，可以加入我们的交流群：一定要知道 | 永久免费的环境友好型生信学习交流群又双叒叕来啦！| 伴随不定期群友好物分享！在这里，你可以稍有克制地畅所欲言！

• 超级建议大家在入群前或入群后可以看一下这个：干货满满 | 给生信小白的入门小建议 | 掏心掏肺版！绝对干货满满！让你不虚此看！

• 如果有需要个性化定制分析服务的小伙伴，可以看看这里：你要的个性化生信分析服务今天正式开启啦！定制你的专属解决方案！全程1v1答疑！！绝对包你满意！

---

咱们直接开始边实操边讲解！冲冲冲！！！

分析流程

我们先大致了解一下进行**孟德尔随机化（Mendelian Randomization，MR）**的工作流程（里面有些词不理解没关系，咱们下面会详细介绍），如下所示：

1. 为暴露选择工具变量（如有需要进行连锁不平衡（Linkage Disequilibrium，LD）clumping）；
2. 从 IEU（https://gwas.mrcieu.ac.uk/）GWAS 数据库提取与感兴趣的结局相关的工具变量（除了这个数据库，还有其他数据库也可以，但只有这个数据库的数据可以直接用TwoSampleMR包获取，从其他数据库或者相关文献拿到的数据需要我们对其进行相应处理，咱们后面都会介绍的，大家不要担心！）；
3. 协调或整合暴露数据和结局数据；
4. 进行 MR 分析、敏感性分析、绘制图表、报告撰写等等等等。

下面是官网的示意图：

上面是对 MR 分析整体的概览，咱们现在开始掰开了揉碎了介绍喽！

工具变量的获取

从 GWAS 相关文献获取

示例文献：Novel loci affecting iron homeostasis and their effects in individuals at risk for hemochromatosis | Nature Communications（https://www.nature.com/articles/ncomms5926）

像这种得到的显著 SNP 位点不多的研究，它会把数据放在正文中，我们直接拿来用就好啦！别忘了引用！但是还需要注意一个问题，有些文章中展示的位点，虽然是显著的，但它们不一定相互独立（咱 MR 分析的基本条件嘛），如果这样的话，我们就需要再给它去除一下连锁不平衡。

从 MR 相关文献中获取

示例文献：Gout and the risk of Alzheimer′s disease: A Mendelian randomization study - Lee - 2019 - International Journal of Rheumatic Diseases - Wiley Online Library（https://onlinelibrary.wiley.com/doi/10.1111/1756-185X.13548）

不过，感觉它们多数也是从 IEU（https://gwas.mrcieu.ac.uk/）GWAS 数据库中拿到的。个人建议哈，最好还是咱们自己从原始数据出发开始处理，毕竟，万一个别文章分析过程有问题呢 本文内容由网友自发贡献，转载请注明出处：https://www.wpsshop.cn/w/我家小花儿/article/detail/574029