昨天的推文我们讲解了审稿人更加青睐的两种孟德尔随机化研究新套路：“网络药理学和单细胞测序在孟德尔随机化的应用”。
今天和大家分享一篇单细胞测序结合孟德尔随机化方法的研究论文，由上海交通大学学者发表在Nature子刊《Nature Communications》（一区Top，IF=15.7），题为：“Transcriptome-wide Mendelian randomization during CD4+ T cell activation reveals immune-related drug targets for cardiometabolic diseases”。
研究者进行了转录组范围的孟德尔随机化（MR）研究，旨在估计在CD4+ T细胞激活过程中，11,021个基因表达谱对T2D和CAD发展的潜在因果效应。
通过对本周末“网络药理学与单细胞测序在孟德尔随机化中的应用”直播课程的学习，你可以掌握数据挖掘的方法（这篇文章所有数据来源于公共数据库），复现用到的所有统计方法，获得全套复现代码，照着这个思路甚至可以写一篇你自己的SCI！
下面我们展开看看这篇论文，它的研究思路非常清晰：
总分析
1.数据来源：T细胞动态eQTL、T2D GWAS数据、CKD GWAS数据。
2.分析方法
（1）暴露数据筛选
通过三种方法：连锁不平衡（LD）剪枝，F统计量筛选以及Steiger过滤，最终筛选出11,021个动态eQTL，涉及1,817个基因，用于主要的孟德尔随机化分析。
（2）双样本孟德尔随机化研究，系统地评估潜在因果效应
使用Wald比率方法进行MR分析；
使用 Spearman 相关性分析来估计每个 CD4 + T 细胞表达谱中具有工具的 eGenes 数量与具有稳健 MR 结果的 eGenes 数量之间的关系。
结果显示，766个基因-T2D配对和211个基因-CAD配对在MR分析中表现出稳健证据（Benjamini–Hochberg FDR < 0.05）。通过Steiger过滤，几乎没有发现反向因果关系的证据。
（3）共定位
采用两种方法来确定共定位关系：近似共定位分析（LD检查）和Coloc分析（基因共定位分析）。
最终有652个基因-T2D配对（占85.1%）和197个基因-CAD配对（占93.4%）表现出稳健的MR和共定位证据。
（4）敏感性分析
对于筛选出的11,021个动态eQTL置入更宽泛选择的eQTL中，使用8种方法进行敏感性分析：Wald比率方法、cML-MA、MR-RAPS、MR-Robust、去偏IVW、加权中位数法、加权模式估计法、MR-PRESSO。
最终，主MR分析中识别的150个T2D基因中有148个（99%），以及62个CAD基因中有61个（98%）通过敏感性分析验证。
验证补充分析
1.数据来源：T细胞非动态eQTL
2.分析方法：使用 Wald 比率或 IVW 方法估计主 MR 分析中确定的基因表达水平对 T2D 和 CAD 的假定因果关系。考虑Benjamini–Hochberg FDR 校正P值 > 0.05。
结果显示，162个T2D基因中，158个基因；80个CAD基因中，77个基因在一个或多个非动态eQTL数据集中显示出MR证据。
差异基因表达分析
在7项研究的单细胞基因表达数据中，对MR分析确认的172个T2D基因进行差异基因表达分析
细胞类型特异性分析
1.数据来源：DICE数据库
2.研究了通过MR识别的T2D和CAD基因在CD4+ T细胞及其他免疫细胞类型中的表达情况。
激活时间特异性分析
1.配对Z检验，评估基因表达对T2D和CAD的时间特异性因果效应。
2.异质性检验，通过时间点间的异质性评估基因表达因果效应的时间特异性。
3.Fisher精确检验，系统分析具有时间特异性因果效应的基因-疾病配对是否富集于稳健MR和共定位证据支持的配对中。
参考文献：Wu, X., Ying, H., Yang, Q. et al. Transcriptome-wide Mendelian randomization during CD4+ T cell activation reveals immune-related drug targets for cardiometabolic diseases. Nat Commun15, 9302 (2024). https://doi.org/10.1038/s41467-024-53621-7
内容很多，这门课绝对会十分充实，郑老师团队之前也开过孟德尔随机化课程，经常收到我们学员反馈的文章发表的好消息，入股不亏，想发SCI的朋友抓紧扫描下方助教微信二维码报名吧！
