现在孟德尔随机化的应用已经非常普遍了，可以单独使用发文，也可联合其他分析使用，堪称联合思路中的“万金油”，就这大家还是觉得比较内卷，那我只能祭出大杀招配资平台排行榜第一名，——寻找MR全新赛道！
看过了那么多MR文章，小记者发现构建MR分析数据库的文章屈指可数，这不就是一个现成的新赛道嘛，并且一点都不卷！
找到一篇构建MR数据库的文章做个示范，大家不要一看到建数据库就被吓到哈，咱不一定都要去做很完整的大数据库，也可以像这篇文章一样选择做一类疾病的小数据库，其实这个小型建库数据量没有你想象中那么复杂，一起来看看吧~
这篇文章利用MR分析鉴别10种精神疾病危险因素，涉及到的分析手段就是双样本MR分析、敏感性分析和共定位分析，这与常规MR发文套路就是一样的啊，只是要处理的数据量会大些，但思路层面并不复杂，分析下来直接斩获1区9.6分Top刊。
01
展开剩余81%研究背景
精神疾病给个人、家庭和社会带来巨大的经济和情感负担。 鉴于目前对精神障碍发病机制的分析仍然具有挑战性且耗时，阐明可改变的危险因素对于精神障碍的诊断和管理变得至关重要。 然而，由于数据收集和分析能力的限制，从不同的数据来源推断这些疾病的因果风险因素是具有挑战性的。
02
研究思路
该研究收集了10种精神疾病的最大可用GWAS汇总数据，并从多个来源收集了全面的暴露风险数据集，包括风险精神疾病特定表型 GWAS数据集、风险脑成像 GWAS 数 据集和脑组织/细胞特异性 xQTL 数据集，进行了全面的孟德尔随机化(MR)分析，使用遗传变异作为工具变量来探索各种暴露和精神疾病结局之间的潜在因果联系。 并基于贝叶斯模型对已识别的暴露-结果关联进一步进行了共定位分析。 根据结果建立了PsyRiskMR数据库(http://bioinfo.ahu.edu.cn/PsyRiskMR/)，作为展示和查询精神疾病风险因素的互动平台。
03
主要结果
1.
PsyRiskMR 概述
PsyRiskMR包含四个模块：
（1）“风险表型”模块，帮助用户浏览和访问 71 种风险精神疾病特定表型的因果影响；
(2) “风险脑成像”模块，帮助用户浏览和获取 3935 个脑成像特征对精神疾病的因果影响；
(3)“大块组织生物标记”模块，帮助用户浏览和获取脑组织中发现的全基因组基因对精神疾病的因果影响；
(4)“细胞特异性生物标志物”模块帮助用户浏览和访问在特定精神疾病相关细胞类型中识别出的全基因组基因对精神疾病的因果影响。此外，PsyRiskMR 还提供了“文档”页面来帮助和指导用户如何探索和访问 MR 结果。
2.
识别与精神疾病相关的风险表型和脑成像特征
基于收集到的精神疾病特异性表型和脑成像特征数据，采用了结合TSMR分析（包括敏感性分析）的方法来分别推断表型和脑成像特征与疾病结果（即10种精神疾病）之间的因果关系。确定了 16 种显着的风险表型和7种脑成像特征与精神疾病存在因果关系，并具有强有力的 MR 证据（经过 Bonferroni 校正；应用敏感性分析和共定位分析后）（图3）。
3.
鉴定与精神疾病相关的大块脑组织标志物
使用来自脑组织的xQTL数据进行了TSMR分析，以确定可能对精神疾病具有因果关系的生物标志物（即基因）。结果发现，269 个风险基因与精神疾病之间存在因果关系，并具有强有力的 MR 证据（经过 Bonferroni 校正；应用敏感性分析和共定位分析后）（图4）。
4.
鉴定与精神疾病相关的细胞特异性生物标志物
使用来自神经元、小胶质细胞、干细胞和淋巴细胞的 xQTL 数据进行了TSMR 分析，在细胞类型水平上进一步确定精神疾病的致病基因。结果确定了 84 个基因与精神疾病之间的因果关系，并具有强有力的 MR 证据（通过 Bonferroni 校正调整；应用敏感性分析和共定位分析后）（图5）。
05
小结
这个文章主要胜在发文类型比较新颖，精神疾病领域的MR分析文章很多了，但数据库构建的文章还没有，创新性由此凸显，并且还用常规分析手段就能拿下1区9分+的top刊，可见这个发文赛道的新颖性有多高！新赛道发文空间超大配资平台排行榜第一名，不用担心选题有没有被人发过，一点都不卷，拼数据量就完了！为发表文章而发愁的小伙伴可以选择参加下面课程，帮你解决所有问题！
发布于：北京市加倍网提示：文章来自网络，不代表本站观点。
