公共数据库的数据挖掘,备受众多科研人的青睐。为了帮助大家比较系统地掌握相关理论及实践技能,我们前期对GBD公共数据库进行了14期分享(GBD合集),当然,想发表一篇GBD相关的文章,仅靠上述14期分享的内容是不够的,因此我们正在准备系统化的视频(包括理论、选题、R脚本、拼图、写作等)和交流群,预计在8月下旬与大家见面。在那之前,科研人当然不能停下学习公共数据库的脚步,我们接下来将持续为大家分享“孟德尔随机化”(Mendelian randomization, MR)。今天是我们与MR的初次会晤,我们聚焦两个话题——MR的必要性、MR的理论基础。
不难发现:MR与RCT有着诸多相似之处,我们使用基因变异形成类似于随机对照试验的亚组。详见下图:
总之,MR避免了直接分析自变量与因变量之间的因果关系,巧妙地转向分析与自变量密切相关的变量(又称“工具变量”,在MR中代指single nucleotide polymorphism, SNP)与因变量之间的因果关系,具有极强的应用价值!下一期,我们将分享MR的定义并解析工具变量。
参考文献:
1.Limits to causal inference based on Mendelian randomization: a comparison with randomized controlled trials.Am J Epidemiol. 2006 Mar 1;163(5):397-403. doi: 10.1093/aje/kwj062. Epub 2006 Jan 12.
2. Smith GD, Ebrahim S. 'Mendelian randomization': can genetic epidemiology contribute to understanding environmental determinants of disease?. Int J Epidemiol. 2003;32(1):1-22. doi:10.1093/ije/dyg070
写在最后
“观科研”(点击进一步了解我们吧)是由一群北京协和医学院(清华大学医学部)的博士开创的公众号,初心是让医学科研有迹可循,帮助一线的医学科研人员更快地成长,希望大家支持与关注!
联系客服