本文主要是介绍孟德尔随机化 MR入门基础-简明教程-工具变量-暴露，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
孟德尔随机化（MR）入门介绍和分章分享（暂时不解读）
大家好，孟德尔随机化大火，但是什么是孟德尔随机化，具体怎么实操呢
这没有其他教程的繁冗，我这篇讲最基础的孟德尔随机化的核心步骤，这个理解之后，再去考虑混杂因素等等术语。
孟德尔随机化（MR），其实是研究两个变量之间的因果关系。也就是研究谁决定了谁，是因果关系，而不是相关关系。
我画了一张图，协助理解：
现在再来读这句话是不是就理解MR了：孟德尔随机化（Mendelian Randomization, MR）是流行病学研究中评估病因推断的数据分析技巧，它是利用与暴露因素具有强相关的遗传变异作为工具变量，来评估暴露因素与结局之间的因果关系。
现在对三大假设是不是理解更深些了：
孟德尔随机化三大假设：
①关联性假设: SNP与暴露因素之间是强相关的。
②独立性假设: SNP与混杂因素之间是独立的。（本文暂没提到这一点）
③排他性假设: SNP只能通过暴露因素对结局产生作用。
现在再来详细介绍MR，会不会好理解些：
1 MR 背景与目的
1.1目的是明确因果关系
在关联分析中我们时常面对的一个问题便是 我们很难确定一个变量是否是真正的因果变量，而非有其他未观测的因素同时影响这个变量与结果，造成这个变量与结果相关联。在循证医学中，或是制定干预策略时，明确因果性是十分必要的。
这个问题实际上与内生性 endogeneity 相关，包括：反向因果关系 reverse causation, 忽略的混淆变量造成的偏倚 omitted variable bias due to confounding, 测量误差measurement error, 以及双向因果关系bidirectional causality等等问题。（这里的内生性在统计学上是指在回归分析中，解释变量（x）与误差项相关。）
1.2. RCT是金标准，但缺点明显
一般来说，明确因果关系的金标准时随机对照试验 RCT randomized control trial (RCT)， 即对受试者随机分为对照组和实验组，以研究某个因素的影响。但现实中，要完成随机对照试验的难度非常高，需要大量的人力物力，有时因为伦理问题，对某个因素的研究几乎是不可能的。这时我们就要借助其他方法，而孟德尔随机化就是其中之一。
1.3. 孟德尔随机化与RCT的相似性
孟德尔随机化（MR，Mendelian randomization）便是为了解决以上问题而开发的方法，MR与RCT直接相关，两者有很高的相似性，如下图所示。
孟德尔随机化的核心其实是利用了孟德尔第二定律，也就是自由组合规律(law of independent assortment），当具有两对（或更多对）相对性状的亲本进行杂交，在子一代产生配子时，在等位基因分离的同时，非同源染色体上的基因表现为自由组合，这一过程类似于随机对照试验中的随机分组，所以我个人理解的孟德尔随机化就是 基于孟德尔第二定律的随机对照试验。
为什么MR可以探究因果关系呢，大家可以看下这篇文章的介绍部分，有助于理解MR
欢迎评论
这篇关于孟德尔随机化 MR入门基础-简明教程-工具变量-暴露的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
