👋 新手先看：什么是中介MR？
中介MR用来拆解“暴露→结局”的总效应，判断其中有多少是通过中介因子传递的。
背景介绍
普通MR告诉你“有没有因果”；中介MR告诉你“因果链条是怎么走的”。常用于代谢因子、炎症指标、蛋白组学路径验证。
备注（统一三段）
适用人群：准备回答“通过哪条通路起作用”的机制问题型MR研究者。
常见错误：总效应接近0时强行解读中介比例，往往会产生不稳定结论。
论文写法：建议分别报告a、b、间接效应及CI，并在讨论中强调因果链条假设。
分析框架（3步法）
- 估计 总效应 c：暴露（X）对结局（Y）的MR效应。
- 估计 a 路径：暴露（X）对中介（M）的MR效应。
- 估计 b 路径：中介（M）对结局（Y）的MR效应（可用MVMR控制X）。
常见定义：间接效应 = a × b；中介比例 = (a×b)/c。
最小可复用代码模板
library(TwoSampleMR)
library(MVMR)
library(dplyr)
# Step 1) X -> Y（总效应 c）
mr_xy <- mr(harmonised_xy, method_list = c("mr_ivw"))
c_total <- mr_xy$b[mr_xy$method == "Inverse variance weighted"]
# Step 2) X -> M（路径 a）
mr_xm <- mr(harmonised_xm, method_list = c("mr_ivw"))
a_path <- mr_xm$b[mr_xm$method == "Inverse variance weighted"]
# Step 3) M -> Y（路径 b）
# 若担心X与M相关，建议用多变量MR估计M的条件效应
mv_res <- mv_multiple(mvdat)
b_path <- mv_res$result$b[mv_res$result$exposure == "mediator"]
# Step 4) 中介量化
indirect_effect <- a_path * b_path
mediation_prop <- indirect_effect / c_total
result <- tibble(
total_effect = c_total,
a_path = a_path,
b_path = b_path,
indirect_effect = indirect_effect,
mediation_prop = mediation_prop
)
print(result)结果报告建议（新手版）
- ✅ 主结果：报告总效应、间接效应、中介比例及95%CI。
- ✅ 稳健性：对 a 路径和 b 路径分别做异质性、多效性检验。
- ✅ 解释边界：强调“遗传层面的长期暴露效应”，不等同短期干预效应。
- ✅ 复现信息：写清GWAS来源、样本量、祖源、SNP筛选阈值。
常见坑位备注
- ⚠️ 中介变量工具变量太弱（F<10）会明显放大偏倚。
- ⚠️ 样本重叠严重时，效应可能偏向观察相关。
- ⚠️ 若总效应接近0，中介比例指标通常不稳定，不建议过度解读。