换个暴露又发一区(IF=10.1)!双样本孟德尔随机化+脂质组学发了高分

news2024/12/25 9:07:08

7fb562a3574a4313919803042db2fd35.png

孟德尔随机化的热度一直很高,不少想发文的对此肯定又爱又恨。今天我们看的这篇文章就仅用了双样本孟德尔随机化的方法,看似显而易见的关系,竟然结合了脂质组学,立马升华,发表一区(IF=10.1)! 

2024年5月2日,中国学者做了一项双样本孟德尔随机化研究,在期刊《Haematologica》(医学一区top,IF=10.1)发表了题为:”Two-sample Mendelian randomization analysis reveals causal relationships between blood lipids and venous thromboembolism”的研究论文,旨在通过241个脂质相关性状作为暴露,并利用 FinnGen 联盟关于静脉血栓栓塞 (VTE)、深静脉血栓形成 (DVT)和肺栓塞 (PE)的数据作为结局,采用双样本孟德尔随机化(MR)分析来探究脂质与 VTE、DVT 和 PE 之间的因果关系。

25b5409e030a51f86aae98694e9adfe1.png

本公众号回复“ 原文”即可获得文献PDF等资料

本研究数据来源GWAS,最终纳入241个脂质相关性状进行分析,研究过程如下图所示:

0448b8a29455d39f9181e8dc287622eb.png

主要研究结果

1.与静脉血栓栓塞(VTE)相关的血脂以及血脂相关性状

在排除了14个表现出定向多效性或敏感性的暴露后,最终得出如下的结果:

  • 1个磷脂酰胆碱(PC ae C40:4)和3个与中等低密度脂蛋白(LDL)相关性状对VTE有保护作用;

注:中等LDL相关性状为中等LDL中的总脂质、中等LDL颗粒浓度、中等LDL中的总胆固醇

  • 2个与脂肪酸(FA)饱和度相关的性状显示出致病作用

注:脂肪酸(FA)饱和度相关的性状为脂质中双烯丙基键与双键的比例、脂质中双烯丙基键与总脂肪酸的比率。

a7b665e1f31d6529039860113a27f45c.png

2.较高的脂肪酸(FA)不饱和度可能会增加静脉血栓栓塞(VTE)的风险

在去除14个不稳定暴露后,最终确定3个FA饱和度相关性状与DVT风险呈正相关。

0429f96f0675de46dbcfb8e20e54499f.png

这3个特征的MR-RAPS和加权中位数方法的结果也符合严格的显著性阈值(P值< 2.64×10−4)。加权模型和MR-Egger方法均显示与DVT有一定的因果关系(P值< 0.05)。遗传仪器的f统计量均大于10,表明不存在微弱的仪器偏差。

3.较高的脂肪酸(FA)不饱和度可能会增加肺栓塞(PE)的风险

经Bonferroni校正(P值< 2.64×10−4),研究结果如下:

  • 2个磷脂酰胆碱(PC aa C42:6, PC ae C36:4)和2个FA饱和度相关的性状与PE呈正相关

4b204dc25d26d256bc89ef3d9ddb47a3.png

就在前几天,本公众号已经发过一篇类似的文章,同样是基于全基因组关联研究(GWAS)公开的汇总统计数据开展双向两样本孟德尔随机化分析,评估阻塞性睡眠呼吸暂停(OSA)与静脉血栓栓塞(VTE)(包括深静脉血栓形成(DVT)和肺栓塞(PE))之间的确切关联,阴性结果发了二区。

亏了亏了!双向孟德尔随机化阴性结果居然发了SCI二区(IF=6.7)

本文换了一个暴露,探究脂质与 VTE、DVT 和 PE 之间的因果关系,发了一区!难道又是一个宝藏指标吗?

本公众号回复“ 原文”即可获得文献PDF等资料

后记

无需原始数据,本文基于已有的遗传变异数据进行分析,无需额外的实验或收集原始数据,这大大减少了研究的时间和成本。

本文的研究思路非常清晰!

  • 使用双样本孟德尔随机化(MR)方法分析脂质与静脉血栓栓塞之间存在的因果关系,包括逆方差加权(IVW)、稳健调整剖面评分(RAPS)、MR-egger、加权中位数和加权模式5种方法;

  • Cochran’s Q 和 Rucker’s Q 统计用于评估MR结果的多效性;

  • 采用敏感性分析检测潜在显性SNP的存在。

孟德尔随机化在一区嘎嘎乱杀!要想发文就要不断找寻新的研究方向和切入点,抓住热点,大胆尝试!如果你不知道从何入手,郑老师从入门到高级的孟德尔随机化课程你值得一看!!

孟德尔随机化课程,入门到高级,郑老师团队主讲,一个月搞定,快速发表论文!

本公众提供各种科研服务了!

一、课程培训

2022年以来,我们召集了一批富有经验的高校专业队伍,着手举行短期统计课程培训班,包括R语言、meta分析、临床预测模型、真实世界临床研究、问卷与量表分析、医学统计与SPSS、临床试验数据分析、重复测量资料分析、nhanes、孟德尔随机化等10余门课。如果您有需求,不妨点击查看:

发文后退款:2024-2025年科研统计课程介绍

二、数据分析服务

浙江中医药大学郑老师团队接单各项医学研究数据分析的服务,提供高质量统计分析报告。有兴趣了解一下详情:

课题、论文、毕业数据分析 

 临床试验设计与分析 、公共数据库挖掘与统计

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1673127.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

ARIMA预测模型介绍

ARIMA&#xff08;Autoregressive Integrated Moving Average&#xff09;模型是一种常用的时间序列分析方法&#xff0c;能够对非平稳时间序列进行建模和预测。本文将详细介绍ARIMA模型的建模步骤&#xff0c;包括数据预处理、模型识别、参数估计和模型检验等环节&#xff0c;…

`unordered_map` 和 `unordered_set`

unordered —— 无序的&#xff0c;从表面上来看&#xff0c;与 map 和 set 不同之处就在于&#xff0c;unordered_map 和 unordered_set 无法保证插入数据是有序的&#xff1b; 尽管如此&#xff0c;由于这两种容器内部封装了“哈希桶”&#xff0c;可以实现快速查找数据 ——…

白话机器学习5:卷积神经网络(CNN)原理

1.神经元 激活函数f(z)的种类&#xff1a; 2.卷积方法种类 https://mp.weixin.qq.com/s/FXzTbMG64jr93Re31Db2EA 标准卷积&#xff08;Standard Convolution&#xff09;: 特点&#xff1a;每个卷积核在输入数据的整个深度上滑动&#xff0c;计算输出特征图的一个元素。应用场…

STM32有什么高速接口吗?

STM32 有一些高速接口&#xff0c;比如 USART、SPI、I2C 等&#xff0c;这些接口可以用于与外部设备进行高速数据传输。我这里有一套stm32入门教程&#xff0c;不仅包含了详细的视频讲解&#xff0c;项目实战。如果你渴望学习stm32&#xff0c;不妨点个关注&#xff0c;给个评论…

JavaSE——集合框架一(2/7)-Collection集合的遍历方式-迭代器、增强for循环、Lambda、案例

目录 Collection的遍历方式 迭代器 增强for循环&#xff08;foreach&#xff09; Lambda表达式遍历集合 案例 需求与分析 代码部分 运行结果 Collection的遍历方式 迭代器 选代器是用来遍历集合的专用方式&#xff08;数组没有选代器&#xff09;&#xff0c;在Java中…

【爬虫之scrapy框架——尚硅谷(学习笔记one)--基本步骤和原理+爬取当当网(基本步骤)】

爬虫之scrapy框架——基本原理和步骤爬取当当网&#xff08;基本步骤&#xff09; 下载scrapy框架创建项目&#xff08;项目文件夹不能使用数字开头&#xff0c;不能包含汉字&#xff09;创建爬虫文件&#xff08;1&#xff09;第一步&#xff1a;先进入到spiders文件中&#x…

LabVIEW开发RS422通信

LabVIEW开发RS422通信 项目围绕LabVIEW软件开发的程序在RS422通信技术检测方面的应用进行展开&#xff0c;通过软件编程将上位计算机虚拟化为检测设备&#xff0c;控制其通信端口与被测产品进行RS422通信&#xff0c;以此检验产品的性能优劣。该虚拟检测仪器在实际测试中表现出…

C++17新特性 结构化绑定

一、Python中的相似功能 熟悉python的应该对下面的代码很熟悉 def return_multiple_values():return 11, 7x, y return_multiple_values()函数返回一个元组&#xff0c;元组自动分配给了x和y。 二、C11中的元组 c11中就存在类似python元组的概念了&#xff1a; std::tupl…

【简单介绍下Milvus】

&#x1f308;个人主页: 程序员不想敲代码啊 &#x1f3c6;CSDN优质创作者&#xff0c;CSDN实力新星&#xff0c;CSDN博客专家 &#x1f44d;点赞⭐评论⭐收藏 &#x1f91d;希望本文对您有所裨益&#xff0c;如有不足之处&#xff0c;欢迎在评论区提出指正&#xff0c;让我们共…

CV每日论文--2024.5.10

1、Attention-Driven Training-Free Efficiency Enhancement of Diffusion Models 中文标题&#xff1a;扩散模型的注意力驱动的训练免费效率增强 简介&#xff1a;扩散模型在生成高质量和多样化图像方面取得了出色的表现,但其卓越性能是以昂贵的架构设计为代价的,特别是广泛使…

激光SLAM总结——Fast LIO / Fast LIO2 / Faster LIO

激光SLAM总结——Fast LIO / Fast LIO2 / Faster LIO 在之前的工作中有接触过LOAM&#xff0c;最近在工作中又接触到Faster LIO相关的工作&#xff0c;于是想着对Fast LIO / Fast LIO2 / Faster LIO这一系列工作进行一个简单的总结&#xff0c;以加深自己对激光SLAM算法的理解…

网络网络层之(5)IPv6协议

网络网络层之(5)IPv6协议 Author: Once Day Date: 2024年5月12日 一位热衷于Linux学习和开发的菜鸟&#xff0c;试图谱写一场冒险之旅&#xff0c;也许终点只是一场白日梦… 漫漫长路&#xff0c;有人对你微笑过嘛… 全系列文档可参考专栏&#xff1a;通信网络技术_Once-Day…

未授权访问:Docker未授权访问漏洞

目录 1、漏洞原理 2、环境搭建 3、未授权访问 4、通过crontab反弹宿主机shell 防御手段 今天继续学习各种未授权访问的知识和相关的实操实验&#xff0c;一共有好多篇&#xff0c;内容主要是参考先知社区的一位大佬的关于未授权访问的好文章&#xff0c;还有其他大佬总结好…

【机器学习】机器学习与人工智能融合新篇章:自适应智能代理在多元化复杂环境中的创新应用与演进趋势

&#x1f512;文章目录&#xff1a; &#x1f4a5;1.引言 &#x1f68b;1.1 机器学习与人工智能的发展背景 &#x1f68c;1.2 自适应智能代理的概念与重要性 &#x1f690;1.3 研究目的与意义 ☔2.自适应智能代理的关键技术 &#x1f6e3;️2.1 环境感知与信息处理技术 …

whisper报错:hp, ht, pid, tid = _winapi.CreateProcess [WinError 2] 系统找不到指定的文件。

in _execute_child hp&#xff0c; ht&#xff0c; pid&#xff0c; tid _winapi.CreateProcess&#xff08;executable&#xff0c; args&#xff0c; FileNotFoundError&#xff1a; [WinError 2] 系统找不到指定的文件。 原因&#xff1a; 没装ffmpeg 或者 ffmpeg没添加到…

Nios实验使用串口输出“Hello Nios-II”字符到笔记本电脑

目录 实验过程 创建工程 修改程序 编译工程 运行项目 效果实现 总结 参考 实验过程 硬件设计见博主上篇博客 软件部分设计 下面使用 Nios II Software Build Tools for Eclipse 来完成当前项目的软件开发。 启动 Nios II SBT 按照下图所示点击 Nios II Software Build…

Backend - 数据分析 Pandas

目录 一、作用 二、基础环境 &#xff08;一&#xff09;执行虚拟环境的终端命令 &#xff08;二&#xff09;代码中导包 三、应用&#xff1a;一维数组 &#xff08;一&#xff09;Series对象 1. 含义 2. 常用属性和方法 &#xff08;1&#xff09;属性 &#xff08;…

springboot学习整理

视频&#xff1a;基础篇-01_springboot概述_哔哩哔哩_bilibili 介绍 spring boot 是spring提供的一个子项目&#xff0c;用于快速构建spring应用程序 spring构建&#xff1a; 1 导入依赖繁琐 &#xff1b; 2 项目配置繁琐 spring Framework: 核心 spring Boot :快速构建spring…

【LangChain学习之旅】—(21)聊天客服机器人的开发(上)

【LangChain学习之旅】—(21)聊天客服机器人的开发(上) “聊天机器人”说明项目的技术实现细节技术实现步骤简述第二步:增加记忆机制第三步:增加检索机制总结“聊天机器人”说明 聊天机器人(Chatbot)是 LLM 和 LangChain 的核心用例之一,很多人学习大语言模型,学习 …

Jmeter(三十九) - 从入门到精通进阶篇 - Jmeter配置文件的刨根问底 - 上篇(详解教程)

宏哥微信粉丝群&#xff1a;https://bbs.csdn.net/topics/618423372 有兴趣的可以扫码加入 1.简介 为什么宏哥要对Jmeter的配置文件进行一下讲解了&#xff0c;因为有的童鞋或者小伙伴在测试中遇到一些需要修改配置文件的问题不是很清楚也不是很懂&#xff0c;就算修改了也是…