孟德尔随机化：从因果推断到靶点挖掘的创新应用

一、孟德尔随机化简介

孟德尔随机化(Mendelian Randomization, MR)作为一种基于遗传变异的因果推断方法，近年来在医学研究领域大放异彩。特别是在2023-2024年间，双样本孟德尔随机化研究呈现爆发式增长，相关成果频登中科院一区、二区。

这种方法的本质是利用遗传变异作为工具变量，来推断暴露因素与结局之间的因果关系。其独特优势在于：

• 避免混杂偏倚：通过遗传变异模拟随机分组
• 解决反向因果：基因型在疾病发生前已确定
• 利用公共数据库：实现高效的双样本分析模式

二、从常规应用到靶点挖掘

当我在2024年年中首次接触这一领域时，发现许多经典疾病关联（如糖尿病与认知障碍的因果关系）已被深入探索。这促使我将研究视角转向更具创新性的方向——将孟德尔随机化转化为靶点发现的工具。

创新研究范式的构建：

1. 多维组学整合：

   • 结合转录组学解析基因调控网络
   • 融入网络药理学揭示靶点-通路互作
   • 整合网络毒理学预测潜在副作用

2. 靶向聚焦策略：

   graph LR
   A[孟德尔随机化初筛] --> B[多组学验证]
   B --> C[靶点优先级排序]
   C --> D[单一靶点确证]

三、实例1——靶点挖掘+药物再利用筛选