药物靶向MR新挑战， Day2-3天：进度汇报：在这两天里，我的主要工作集中在深入的研究课题和阅读相关文献上。孟德尔随机化的方法学是基本一样的因为前期的一些工作，所以我有代码准备也就是说只要准备好了代码，以后只需要换个结局、换个暴露就行啦同时，也正是因为这样，更要充分的去确定选题的可行性所以我用了2天的时间进行了充分的检索避免出现撞车的情况 心衰的药物靶向竟然才15篇，有搞头，所以我就选择这个疾病啦，不过药物选哪个呢，充分检索一番？？？药物靶点孟德尔随机化可以简单说成，涉及受体、酶、离子通道、转运体、免疫系统、基因等的孟德尔随机化，并且会引入eQTL、pQTL等一些概念。为了方便理解，我做了个药物和表型之间药物靶向MR的简单思路图很容易就理解啦所以基于药靶MR的基础，又有很多的衍生方法，比如炎症因子MR、代谢物MR、脂质MR等，方法学都是类似滴同时呢，药物靶向也有两种思路，一种是老药新治，一种是老病开发新药这两种情况在临床上都是会经常遇到的 老药新治就是：如果某种药物X对心衰是明确有益作用，通过药靶MR确定药物X对癫痫也有作用，那如果一个病人有心衰合并有癫痫的时候，X就是最佳选择 老病开发新药就是：我通过药物靶向MR确定了心衰的一些靶点，进而针对这些靶点就可以开发新的药物同时，数据量大是我们在分析结果时面临的一个限制因素。但只要我们找到了idea，代码其实是简单的事情，跑除了图片加上我的“框架写作发”，TOP顶刊指日可待了！ 好的，今天的分享就到这里了！
今天发起一个全新的挑战，挑战7天完成一篇NHANES数据库SCI！今天的主要任务就是初步检索+确定目标期刊。NHANES数据库全名叫National Health and Nutrition Examination SiUrvey，是一项基于人群的横断面调查，旨在收集有关美国家庭人口健康和营养的信息。项目每年调查一个全国代表性的样本，约5000人。NHANES访谈部分包括人口统计学、社会经济学、饮食和健康相关问题。体检部分包括生理测量、实验室检查等内容。数据量特别的大，涉及的相关指标很多，可以适合各个不同的科室的朋友来挖掘写作，所以近些年非常多的火热，我也来试试水，嘿嘿我首先就用简单的“NHANES”进行了初步的检索，发现目前文章非常多，高分文章不少，仔细看了看，基本集中在5分-10分居多，而且基本都是1区2区，还是可以的。因为我最近对抑郁症恰好比较感兴趣，就打算做关于抑郁症文章，又去检索了“NHANES and depression”，发文数目和文章的质量都还是不错的，那就真么定啦刚好出现在第一个文章是复旦大学最新的抑郁文章，后面全是我们之前调整的Journal of Affective Disorders，那我们就换一个目标杂志，我的目标文献就是这篇啦（DOI: 10.1080/07853890.2024.2314235），目标期刊就是Annals of Medicine。随后去深入了解了这个杂志，不是水刊，发文量和被引数都还可以，那就他啦然后有检索了我之前就有点关注的血液指标，发现他和抑郁的关系没有被写过，所以，嘿嘿，就他啦好啦，让我们一起探索NHANES数据库
文章题目：Genetic evidence of the causal relationship between chronic liver diseases and musculoskeletal disorders 中文标题:慢性肝病与肌肉骨骼疾病之间病因关系的遗传学证据 论文亮点:本研究通过双向孟德尔随机化（MR）方法深入探讨了慢性肝病与肌肉骨骼疾病之间的因果关系。研究发现，原发性硬化性胆管炎（PSC）与前臂骨密度降低和整体骨关节炎风险增加具有因果关联，而肝细胞癌（HCC）与握力减弱有因果影响。反向MR分析未发现肌肉骨骼疾病对慢性肝病有显著因果效应。这些发现强调了对PSC和HCC患者实施全面预防措施的重要性，以降低肌肉骨骼疾病的风险，改善患者的生活质量。研究的优势在于系统地评估了慢性肝病与多种肌肉骨骼疾病的关系，并采用多种MR分析方法和敏感性分析，提高了结果的稳健性。然而，研究也存在局限性，如缺乏相关GWAS数据以分析慢性肝病严重程度与肌肉骨骼疾病的关系，以及芬兰人群的独特遗传组成可能影响IV的有效性和研究结果的普遍性。
Table和Figure的数据已经准备就绪！在动手制作表格和图形之前，我深入研究了相关文献，跟着前人的脚步一步步学习。标准的NHANES文章通常包含以下几个部分，当然，我也会注意到一些文章中加入了机器学习等先进技术，但核心思路是相同的，只是在暴露选择和分析方法上有所差异。万事开头难，我们先从最基础的思路学起，然后再慢慢探索更高级的方法。下面是我今天完成的几个关键部分：– **Figure 1**：研究人群——数据来源过程。这部分简要说明了筛选数据的流程，比如我从2013-2014年的数据中筛选出了符合条件的1900人。这本质上是对数据处理过程的一个可视化展示。– **Table 1**：基线资料表——人群基本信息描述。这里我比较了抑郁组和非抑郁组之间的基线资料差异，使用了t-检验或卡方检验等统计方法。– **Table 2**：回归分析——X与Y之间有无关系。我构建了三个不同模型来评估暴露和结局之间的关系是否稳健，包括Crude Model、Model I和Model II。– **Figure 2**：限制性回归样条——X与Y的剂量效应关系。这部分展示了X和Y之间的具体关系，是直线、L型、N型还是J型？通过RCS曲线可以直观地看到，并且会检验线性和非线性关系。– **Table 3**：亚组分析——敏感性分析。这里我探讨了X与Y的关系在不同亚组中是否存在差异，比如性别、年龄、疾病状态等。🌟 完成这些主要结果后，我发现分析过程其实很简单，最耗时的是选题和数据整理。但只要方向正确，耐心和坚持总会带来成果。今天的挑战成功完成，继续保持这股劲头，向着最终目标前进！
近期，一篇2024年3月份上线的题目为“The three-dimensional porous mesh structure of Cu-based metal-organic-framework – aramid cellulose separator enhances the electrochemical performance of lithium metal anode batteries”的文章发生了非常有趣的事情。这篇文章发表在材料学1区Surfaces and Interfaces（IF 6.2），这篇文章的通讯作者是来自中国地质大学Yangai Liu…
想象一下，用7天时间将枯燥的数据转化为一篇引人注目的科研文章。这不仅是一个挑战，更是一次激动人心的探险。跟随我的步伐，一起探索第三天和第四天的进展，揭开科研的神秘面纱！📊 第二天的成就：我已经将NHANES数据库的数据一网打尽，这就像是找到了一座数据宝库。现在，是时候让这些数据讲述它们的故事了。🌊 数据清洗：科研的精细艺术：数据清洗是科研过程中的一门精细艺术，它要求我们对每一个细节都精益求精。我选择了R语言作为我的得力助手，经过两天的努力，我已经将杂乱无章的数据转化为清晰、有序的信息宝库。🎯 精选变量，构筑研究的骨架：挑选恰当的变量就像是在星空中找到那颗指引方向的北斗七星。我细致筛选了年龄、性别、种族等关键协变量，以及抑郁这一核心疾病指标。这些变量将成为我们研究的坚实框架。🩺 高血压的多面性：高血压的判断远不止是非黑即白的问题。它是一个多维度的挑战，要求我们深入探索和理解。这不仅是对数据的挑战，更是对洞察力的考验。🎨 选题与数据提取：科研成功的秘诀：在这场科研探险的起点，我投入了大量时间进行文献回顾和选题规划。这就像是在茫茫大海中寻找那一条通往成功的航线。现在，数据清洗的艰巨任务已经圆满完成，接下来的分析和研究将变得轻松而有趣。如果你对这个过程感兴趣，或者渴望学习如何从公开数据库中提取有价值的数据，那就赶紧加入我们吧！留下你的评论，分享你的想法，让我们一起探索科研的奇妙世界！
医学生一起来学习，挑战7天完成一篇药物靶向MR，Day 1!上次我们挑战成功NHANES已经成功投稿啦，但是meta的PROSPERO还没下来，只有继续等等了，这次我们发起7天药物靶向MR挑战！ Day 1:老规矩，还是设定目标期刊药物靶向MR发的文章分都很高啊，检索一下就发现基本是顶刊文章，确实这个概念比较火热，发文数量也在疯狂增长，同样的思路移植到我自己的关注的领域就是一篇新的顶刊paper所以我也来尝试挑战挑战自己！ 我初步检索了一下选了个心内科的疾病，花了一些时间来选题，发现确实没有被写过，所以就开干啦，选了个并且近期发表过药靶MR的期刊作为我的目标期刊我选定了Cell and Bioscience作为我的目标期刊 选定了来自温州医科大学2024年刚发表的文章‘降糖药物靶点与胃肠癌风险的关联：孟德尔随机研究’作为我的目标文献检索了一下这可不是什么水刊，发文量和影响因子都可以这是一个生物学的综合期刊药物靶向MR投这种杂志妥妥的啊 定下目标，冲锋冲锋！
🎓 学生的学术技能提升：五天时间，挑战完成一篇Meta分析，流程规范化，操作简单！Meta分析的步骤遵循PRISMA Checklist的标准化流程，一步接一步，成功在望！今天，我们的首要任务是在PROSPERO平台上完成注册，获取至关重要的注册编号（QS：这个编号对于投稿高分杂志非常关键，虽然不是强制要求）。通过个人邮箱注册，认真填写并提交“提问”和40个“正式答题”，审查周期可能从10天到3个月不等。注册成功后，我们就可以安心地继续后续的研究步骤。📈 PRISMA清单，学术规范的核心：PRISMA2020条目清单是撰写Meta分析的权威指南，涵盖了标题、摘要、背景、方法、结果、讨论和其他信息等关键部分。它为我们提供了撰写规范性文章的明确框架。初步的文献检索增强了我的信心，因为我发现尽管已有一些相关报道，但还没有进行过系统的Meta分析。此外，初步筛选出的9篇文章均为高质量文献，这进一步证实了我关于心衰研究方向的正确性（暗自欣喜，嘻嘻）。🔍 深入学习，准备充分：我精选了两篇顶级期刊文章进行深入学习和观摩，这让思路更加清晰，操作更加得心应手。记住，Meta分析的难度并不高，关键在于选题的创新性。一般的Meta分析可能发表在中等影响因子的期刊，但一些特殊类型的Meta分析有机会发表在高分期刊（具体是哪些？保持点神秘感，我将在后续的挑战中揭晓）。💪 大家一起行动起来：师弟师妹们，现在是时候深入思考如何选择高分Meta分析的选题了。明天，我们将开始检索、下载和筛选文献。让我们一起学习、一起进步，迎接学术挑战的第三天！
先来汇报一下今天的成果吧！我今天完成了Introduction部分的写作，添加了规范的引用（用的是EndnoteX9哦，最近似乎Endnote出现了小Bug,需要认证，当然2块钱就能解决，哈哈哈哈哈），还搞定了模块化部分的写作（包括伦理、致谢、利益冲突声明、作者贡献等），最后对整个文章进行了润色。看着自己的劳动成果，满满的成就感涌上心头！ 回顾一下这次挑战，其实一篇经典的Meta分析操作流程可以概括为以下几个步骤：1️⃣ 确定选题：这一步非常关键，需要初步检索相关文献，明确PICOS（研究对象、干预措施、对照措施、结局指标、研究类型）选择，从而确定检索策略。2️⃣ 文献筛选：在三个不同的数据库中进行检索，下载并筛选出符合目标的研究文献。这一步需要耐心和细心，因为文献的质量直接影响到后续的分析结果。3️⃣ 数据分析与图片制作：提取筛选出的文献中的数据，使用R语言进行数据分析，并评价文献的质量。然后，根据分析结果制作出相关的图片，直观地展示研究结果。4️⃣ 报告撰写：最后，就是根据PRISMA写作指导来完成Meta分析报告的撰写了。这一步需要按照一定的结构和格式来组织内容，确保报告的完整性和可读性。以上步骤就是一篇Meta分析的基础流程啦！大家可以对照着我这几天分享的Meta研究思路去完成自己的论文哦！相信只要按照这个流程来操作，一定能够顺利完成一篇高质量的Meta分析论文！因为注册PROSPERO的注册需要一些，所以我暂时还没有投稿，希望审核可以搞快点。最后，我想说的是，这次挑战虽然结束了，但学习Meta分析的路还很长。希望大家都能够保持对知识的热情和好奇心，不断探索和学习新的方法和技能。加油哦
文章题目:Atopic dermatitis and risk of 14 site-specific cancers: A Mendelian randomization study中文标题：特应性皮炎和 14 种特异性癌症的风险：孟德尔随机化研究论文亮点:本研究通过孟德尔随机化（MR）方法探讨了特应性皮炎（AD）与14种特定部位癌症风险之间的潜在因果关系。研究使用了来自最大AD全基因组关联研究（GWAS）的遗传变异作为工具变量（IVs），并结合了大型癌症联盟、英国生物库（UK Biobank）和芬兰基因组（FinnGen）研究的数据。通过多种统计方法和敏感性分析，研究结果未发现AD与整体癌症风险或任何特定部位癌症之间存在强因果关系的证据。这些发现对于AD和癌症的预防及管理具有重要意义，因为它减少了对AD可能对癌症结果产生不利影响的担忧。研究的优势在于系统地评估了AD与广泛癌症结果之间的关系，并采用了多种数据源和方法来增强结果的可靠性。然而，研究的局限性包括遗传摘要统计数据的限制，以及某些癌症病例统计能力有限。尽管如此，研究的一致性结果表明，AD与癌症风险之间的因果联系尚无足够证据支持。