【孟德尔随机化】02文献复现（一）

文章的核心分析方法见摘要：对 49GTExtissuesandretin 中超过 240 个 POAG 和 IOP 全基因组关联研究 (GWAS) 基因座以及重叠的表达和剪接定量性状基因座（e/sQTLs）进行共定位和孟德尔随机化分析，为 60% 的基因座筛选出了因果基因。

所以题目中的“single-cell”并非真正意义上的单细胞数据，而是整合了GTEx中49种组织和EyeGEx视网膜组织的e/sQTL数据。

文章的数据分析量可以用“庞大”来形容，所以作者提供了Shell脚本命令，用于通过qsub命令将一个名为wrap_manifest.sh的脚本提交到集群作业调度系统中运行。【遗憾的是俺还不太会sh脚本，所以没办法批量化处理太多数据……】

还是来看看MR的部分作者是咋做的——

• 孟德尔随机化（MR）用于为共定位 e/sQTL 与 POAG 和/或 IOP 基因座之间的因果关系提供额外的遗传学支持。
• 在 MR 中，显著的 e/s 变异被用作工具变量 (IV)，以促进因果推断。
• 使用 R中的 TwoSampleMR 和 MendelianRandomization 软件包，对所有显著共定位位点的 e/sQTL（暴露）和 POAG 或 IOP GWAS（结果）的汇总统计数据应用了双样本 MR。
• 为避免血统混杂，MR 使用了 POAG GWAS 和 IOP GWAS 的欧洲血统子集（主要包含欧洲人）。
• MR 估计值是通过计算 Wald 比率得出的，即变体-结果关联 beta 除以变体-暴露关联 beta。
• 如果候选基因的工具变量由多个变异体构成，则采用逆方差加权法（IVW）作为汇集变异体特异性估计值的主要方法。
• 鉴于 IVW 方法假定不存在横向多向性，因此在进行敏感性分析时，采用了对违反排除-限制假定具有稳健性的方法（The simple-median, weighted-median, MR-Egger, 还有MR-PRESSO）。
• 使用 Egger-截距检验和 MR-PRESSO 全局异质性检验对有 3 个或更多 IV 变异的病例进行水平多向性检验。P < 0.05 表示存在水平多向性。
• 本杰明-霍奇伯格（BH）FDR<0.05的主要IVW/Wald比值检验的MR关联被认为具有统计学意义。
• 在仅根据 MR-PRESSO 全局异质性检验发现水平多向性的情况下，MR PRESSO 离群校正 p 值<0.05 被认为是水平多向性的显著结果。

这部分的方法学写得很清晰，相对之前BMJ的那篇显得言简意赅，但两篇文章的MR部分有异曲同工之妙，值得关联学习参考。

文章产生了非常丰富的数据分析结果，可以在https://VisionGenomics.org这里详细去看。

MR部分的代码在这里：https://github.com/segrelabgenomics/ TwoSampleMR_pipeline

其中,MR部分的核心代码就是框红的部分，有余力的话可以结合下面的sh命令一起学习：

qsub MR/src/wrap_manifest.sh IOP ENSG00000100116.16 GCAT Cells_Cultured_fibroblasts eQTL 0.000005 /Path/GWAS.txt MR/data/GTEx_v8_eQTL/ .v8.signif_variant_gene_pairs.txt.gz

qsub MR/src/wrap_manifest.sh POAG_EUR chr22:37808163:37809949:clu_24295:ENSG00000100116.16 GCAT Artery_Coronary sQTL 0.000005 Path/GWAS.txt MR/data/GTEx_v8_sQTL/ .v8.sqtl_signifpairs.txt.gz

这里POAG_EUR的gwas数据可以从[GWAS Catalog https://www.ebi.ac.uk/gwas/studies/GCST90011766]下载，以GCAT基因为例先练习看看，多跑几遍，对比一下药靶MR分析（做药靶大概率离不开GTEx的eQTL数据），直接用eQTL数据做MR，又何尝不可呢？