
5天完成双向孟德尔随机化sci挑战圆满结束!

5天完成双向孟德尔随机化挑战“圆满”结束
我很高兴地宣布,5天完成双向孟德尔随机化的挑战已经“圆满”结束。第五天的主要任务包括完成机制图(Figure 1)、引用添加(使用Endnote20)、添加结构性语句(如伦理、致谢、贡献、利益声明)以及论文的最后润色。虽然这篇论文完成了,但我暂时没有投稿的计划。
在这个挑战中,我使用了完整的孟德尔随机化分析方法,包括以下步骤:
1. 使用TwoSampleMR包进行统计分析。
2. 在GWAS summary数据库中提取SNP以及对应的统计数值作为工具变量。
3. 进行方向性检验:使用Steiger方向性测试或Reverse MR方法。
4. 主要采用IVW方法。
5. 加权中位数和MR-Egger回归作为敏感性分析。
6. 使用Cochran Q评估异质性。
7. 利用MR-Egger回归的截距来评估多效性和使用MRPRESSO。
我分享的这些步骤和分析方法为孟德尔随机化的基础,可以帮助大家更好地理解和应用这一研究方法。


💗注:未来我计划继续分享更多关于孟德尔随机化的干货和进行论文写作的挑战。由于最近比较忙,可能会适当延长挑战的时间。
感谢大家对这次挑战的关注和支持!