前面我們給大家講解了兩樣本孟德爾隨機化（←點擊查看原文）的在線分析，其中只探究了一個暴露因素與結(jié)局因素的因果關(guān)系。那么我們今天要給大家講解的多變量孟德爾隨機化呢，就是將多個表型作為暴露因素，共同探究其與結(jié)局的關(guān)系。
01 適用場景
很難找到基因變異(SNP)只與某一特定暴露相關(guān)，但是可以找到其與一系列相互關(guān)聯(lián)的暴露相關(guān)。（比如，既和HDL有關(guān)，又和LDL有關(guān)，有混雜因素）；暴露相關(guān)的SNP，很多都與某個或者某幾個混雜因素相關(guān)時。
02 三大假設(shè)
1.關(guān)聯(lián)性假設(shè)：遺傳工具變量需與至少一個暴露之間強相關(guān)。
2.獨立性假設(shè)：遺傳工具變量不受混雜因素的影響。
3.排他性假設(shè)：遺傳工具變量只能通過一個或多個暴露因素來影響結(jié)局，不能通過其他途徑。
03 代碼實操
#加載R包
library(TwoSampleMR)
#提取兩個暴露的并集工具變量
exposure_dat_mv<-mv_extract_exposures(c("ebi-a-GCST90014325","ieu-b-4877")) #Asthma、Smoking initiation
#提取工具變量在結(jié)局當中的信息
outcome_dat_mv<-extract_outcome_data(exposure_dat_mv$SNP,"ebi-a-GCST90027161") #atopic dermatitis
#整合數(shù)據(jù)
mvdat<-mv_harmonise_data(exposure_dat_mv,outcome_dat_mv,harmonise_strictness = 2)
#對數(shù)據(jù)進行MVMR的分析
res <- mv_multiple(mvdat)
#提取結(jié)果
result<-res$result
注：一般情況多變量孟德爾隨機化分析就到這一步就停止了，作為對單變量分析的一個補充。因為后面的一些分析得到的結(jié)果不一定很理想。
04 補充部分
#安裝包
#remotes::install_github("WSpiller/RMVMR",build_opts=c("--no-resave-data", "--no-manual"), build_vignettes = TRUE)
#加載包
library(MVMR)
#提取函數(shù)要求數(shù)據(jù)格式
F.data <- format_mvmr(BXGs = mvdat[["exposure_beta"]],
? ? ? ? ? ? ? ? ? ? ? BYG = mvdat[["outcome_beta"]],
? ? ? ? ? ? ? ? ? ? ? seBXGs = mvdat[["exposure_se"]],
? ? ? ? ? ? ? ? ? ? ? seBYG = mvdat[["outcome_se"]],
? ? ? ? ? ? ? ? ? ? ? RSID = rownames(mvdat[["exposure_beta"]]))
#計算F值
sres <- strength_mvmr(r_input = F.data, gencov = 0)
#異質(zhì)性檢驗
pres <- pleiotropy_mvmr(r_input = F.data, gencov = 0)
05 文章小結(jié)
? ? ? 一般我們在進行多變量孟德爾隨機化時，選取的暴露因素最好具有一定的相關(guān)性，這樣后續(xù)文章描述中更有邏輯。且在增加變量時，建議一個個增加。好了，今天的分享就到這里啦，感興趣的小伙伴趕緊練習(xí)起來吧。
