大家都在说孟德尔随机化投不出去，但更多的人是在指责这个方法而不看文章做的怎样，说来也是一种不幸。方法无罪，更何况这是一个证据等级仅次于RCT的研究方法。因此，有人在鼓吹孟德尔的时代已经过去，有人在偷偷学习，有趣 当然，今天要讨论的，是另一种不幸—— 即便投了出去，也会被拿出来鞭打 如图，这是一篇今年8月份新鲜出炉的文章，第一作者是Alice R Carter，以孟德尔结果解读需要严谨对待为主线，对Cai等人的一篇MR进行多维度剖析，其中有说的不太合理的，也有非常中肯的地方 被拿出来剖析的这篇MR，做的是BP与psychological disease的因果关系 以下对Carter 所关注的点逐一剖析 1⃣️ Cai等人描述其研究为双向因果，但实际只做了单个方向。不过按照Carter 的说法，作者是因为做反向分析时工具变量数目不够，因此也就没有进行反向分析(其实这个是比较好解决的)。在Carter 的复现中，反向分析确实存在只有一个SNP的情况，且得到了阳性结果，但Carter也表明他们并不承认这一阳性结果，因为SNP只有一个，只能做Wald ratio，没办法进行多维度验证，这也是我有点反感药物靶点的原因，本身就是一个充满争议的结果。因此Cai等人不做反向也是有一定的依据 2⃣️ 在Cai等人的研究中，只用了GSMR进行因果推导，方法单一。目前主流的方法都是采用TSMR进行多维度分析。有上过我课程的小伙伴应该清楚，采用多种基于不同假设的方法对结果做出准确的判断，才能做到不夸大，不误判，这一点在Carter也做了强调 3⃣️ 样本重叠问题，在Carter的这篇文章里面也被提出来了。这其实是我课程重点强调的问题，尤其是对当大型单一队列占比较大时。 4⃣️ 在Cai等人的研究中，所采用的BP数据经过BMI矫正。这似乎看起来比较严谨，但实际上会引入偏倚。公共GWAS对协变量进行矫正并非我们能左右，但并不代表我们能忽略这个问题，起码要在讨论中进行探讨。 从这里看，代码虽简单的MR并非有手就行，难点在于他处。当然，文章都是会有缺陷的，我们能做的只有尽量提高认知，在力所能及范围内做到极致。 更多学习内容，欢迎有志芝士的加入！ 欢迎联系我。
Hello！今天分享的是Stroke杂志上的一篇孟德尔随机化研究👇👇👇VitD与Cerebral small vessel diseases (CSVD)的两样本双向孟德尔随机化 最重要的是，主要的正向分析全部是阴性结果！而反向仅有一个阳性结果。 虽然说越来越卷，但是只要题目选的好，话题是大家关心的，两样本孟德尔随机化仍能占得一席之地。 说到这里，不得不提一下目前初学者当中对于两样本孟德尔随机化的看法两极分化，一个是认为两样本已经没法发表了，另一个则是认为学习两样本只要掌握代码分析等所谓技术层面的东西就能发文章。 其实这两种都是比较极端的。且看第一种，不能说是错的，水涨船高，肯定是越来越难的，很多小白学员一来就说自己是小白，然后又反问我两样本不是已经很难发了吗？我其实很想说你都清楚自己是小白了，那就更应该从两样本学起来，才有机会往更深层次去学习进阶课程(筹备中！！！) 再看第二种，就更加离谱了，文章能否发表，取决的因素太多了，离不开选题，设计，分析，结果解读，文章呈现等，掌握两样本的分析技巧的仅仅是开端而已。 今天分享的文章无疑可以给大家带来更多信心，只要把各个环节都做好，两样本孟德尔随机化依旧能够占得一席之地。这篇文章就是一个很好的例子，作为神经内科医生，Stroke的眼光我是相信的。 更多学习欢迎后台私！欢迎联系我。
Nutrients (IF 5.9) 近期刊登了一篇外国学者发表的孟德尔随机化研究，该研究探讨了软骨素，葡萄糖胺，维生素/矿物质摄入等与肾功的因果关系。 利用两组结局数据进行分析，验证结果的稳固性，是这篇文章的一个小亮点，同时也把整个文章的体量翻了一番。通篇行文平平无奇，图更是普通(还有点丑)，能发表5.9分的，应该从多个方面去考量。选题可以说占了一定优势，另外一些设计的点子上在正文中也有所交代，可以看得出来是懂MR，且能够相对完整地将成果呈现，可谓优缺点并存，发表5分左右的杂志也是可以理解。 再说回Nutrients，这个杂志出了发表孟德尔文章数量多之外，Nhanes方面的文章也是常客。有需要的小伙伴可以将其纳为候选期刊之一。另偷偷告诉各位，第II期的NHANES联合MR Talk将在下周举行，届时欢迎各位帅哥靓女捧场哦！ 如果需要系统学习孟德尔，欢迎来主页逛逛或者踢我哦！欢迎联系我。
本日分享，外国学者发表在EJE(IF 13)上的两样本孟德尔随机化文章，题为探索thyroid function 与SCZ 之间的因果关系。 在选题上，thyroid function 与mental disorders在之前的MR文章里面已经有人做过MDD及BIP，在SCZ 这一块还属于相对空白。 除了thyroid function ➡️SCZ，作者也做了反向MR，工作量上去了; 结合多数据库meta 分析，证据等级也上去了。 在各个环节上只要不出纰漏，再加上做到有一些亮点吸引眼球，是能够冲高分文章的。 向高分看齐，你不一定能发高分，但不会很差。追求廉价快餐式教学，往往比较容易碰壁。有不少来我这儿报名的学员都是吃了亏再来的，浪费💰不说，也耽误了时间，最终吃亏的还是自己。 欢迎联系我。
今日推文，是来自Mol Psych(IF 11)今年发表的一篇双向两样本孟德尔随机化研究: 运动/久坐行为与mental disorders的因果探讨。 以下从几个维度来探讨这篇文章为何适合小白学习 1️⃣ 从选题上，这篇孟德尔随机化的创新性并不算高，甚至于一些三五分的文的新意都比它还强。Mental disorder在孟德尔随机化领域可以说是做的非常多的，绝大部分表型都有人做过。因此，想从创新性去对文章进行加持，是有难度的。而这一篇文章，能够在已经做烂的表型里面去另辟蹊径，并且发表在10➕分的杂志，是值得学习探讨的。 2⃣️ 方法学传统简约。通篇利用最基础的两样本孟德尔随机化技术进行数据分析与展示，对于小白来说，这是非常友好的。随着发展，很多文章，尤其是药物靶点相关，会用到一些共定位之类的方法，看似高大上，实际上代码非常简单，这一类的在网上一搜就有。这篇文章虽然做的比较传统简约，但是胜在事无巨细交代的很清楚，对于初学者来说也是一个学习的榜样。 3⃣️结果展示简单直接，表格➕森林图两大元素构成了结果的展示。花里胡哨只能在原有的基础上稍微锦上添花，简约明了且合理的展示显得更加重要。 今日分享就到这儿。孟德尔随机化发展到现在，在文章质量要求方面已然是一个水涨船高的局势。还是那句话，有需要可后台滴！ 欢迎联系我。
今日分享的这篇孟德尔随机化，发表在Frontiers in immunology上，主题为COVID-19 为NMOSD的因果关系探讨，为简单的单纯两样本孟德尔随机化，这样的工作量及结果能发表在7➕分的杂志已经很罕见了，只能说Frontiers 系列真实门槛不高。 另外仔细看结果部分，还是有一部分内容需要斟酌考量的。 严谨规范的两样本是进阶孟德尔的基石，这也是我们课程的生命线。欢迎大家关注点赞收藏。 欢迎联系我。
今日分享的这篇孟德尔随机化，是由中国学者发表在J Endocrinol Invest 上的关于糖网与三大常见的Psychiatric disorders 的因果关系的探讨。 我们由浅入深来探讨一下这篇文章 首先不难看出，这是一篇简单的两样本孟德尔随机化，暴露为糖网，数据来自FinnGen R9； 结局为MDD、anxiety ，以及BD (可细分为BD I以及BD II)。结果表明糖网可增BD，尤其是BD I的风险。接着进行敏感性分析，探讨结果是否稳固。至此呢，文章已经接近尾声，没有在进行深入剖析。 那如果是你来做这个题，该怎么设计呢？或者说，假如你是审稿人，这样的题，存在什么样的缺陷呢？ 菜菜子在这里简单分析一下。首先作为暴露，糖网这样的表型缺乏一定的纯粹性，因此呢从选题开始就注定存在争议了。到底是糖网中的糖引起的风险，还是糖网中的网引起的风险呢？对于这样一个题，这是我们需要去重点关注的一个点，因为审稿人可能会在这里跟你过不去。那作为研究者，我们在选择数据的时候，是否要去关注GWAS是否做了糖的矫正？做没做矫正对数据会带来什么bias，基于这样的前提去选择数据，才能体现我们对问题看的是否透彻，文章才能具备一定的严谨性。其次，为了区分是糖还是网所带来风险，我们应该怎么去设计这样一个研究？或者在研究之初，是否可以看透此缺陷并且备好对策来反驳审稿人的意见呢？ 课题设计的精妙之处就在于此。当然了，发表为王，文章都会存在一定缺陷的。只不过是，在设计之初，应当尽量减少给自己埋雷，这样投稿的过程将会顺利很多，这也是我在答疑过程中反复给初学的学员灌输的思想，不要急于求快，不然文章烂在手里是分分钟的事情。 觉得有用的欢迎点赞收藏转发。更多高质量学习欢迎报名加入。 欢迎联系我。
今日分享的是今年7月份发表在JAMA Network Open上的一篇孟德尔随机化，一作是老外本科生 (太卷啦太卷啦) 回到文章，文章标题在图一已经展示，这里不多做介绍，就简单讲一下做到我心坎上的几个点 1、文章撰写。无论是在框架上的布置安排，还是整体行文流畅度，都是值得我们好好学习的。这一点我是比较有感触的，前前后后也审了很多稿子，现在的要求只会是越来越高，在文章呈现上一点马虎不得。 2、多重数据验证的处理方式，跟我的一篇文章极为相似。 3、在最后的中介分析上，作者做了非常详细的阐述，让人一目了然。 4、也是最重要的一点，整篇文章从头到尾展示的，都是极具设计感的。孟德尔随机化发展到目前这个状况，之所以让人产生审美疲劳，有很大一个原因就是大多数文章毫无设计，以至于很多杂志在看到这类文章都直接劝退，我相信有很多投稿以后直接desk rejection的例子。 欢迎联系我。
这两天顺利完成了初步选题(3个)和肠道菌群数据下载(图1),初步分析期间电脑崩了一次，遂在线指导师弟分析，20分钟教会 肠道菌群孟德尔随机化非常简单，看完这篇笔记，你就掌握啦(IF+5) 第一步、下载肠道菌群数据作为暴露(MiBioGen) 第二步、根据自己研究方向，下载结局数据或使用IEU结局数据(IEU数据加载太慢，我让师弟做的课题使用下载的数据，我继续使用在线数据库)第三步、数据处理(过滤、协调、合并)第四步、孟德尔随机化统计分析及结果可视化(森林图、散点图等) 需要注意的是，肠道菌群数据量比较大，常规跑循环时间太久，一报错前面的努力白费！因此建议大家通过分割肠道菌群数据，然后和结局做MR，得出结果。 总体来说，肠道菌群难度很小，师弟二十分钟掌握后告诉我，还是我的光速攥写SCI论文有意思。事实也是如此，任何方法都有过时的一天，只要会快速写论文，方法学起来很快的。 ❤️注释:这样的挑战难度系数太低啦，后面让我的师弟师妹们来完成这样的挑战，选定课题，我来指导他们在规定时间内完成一篇SCI论文，你们想看吗？ 不管如何，这个挑战我会做完，三个选题，让师弟做一个，我自己做两个，哪个数据好看就写哪个~ 晚安~~ 欢迎联系我。