肠道菌群与心脏磁共振MR分析

🦠 新手导读：菌群MR为什么更难？

菌群GWAS常见效应小、工具变量少、跨队列异质性高，因此需要更严格的敏感性分析与结果分层解释。

背景介绍

“肠道菌群→心脏结构功能”是典型多通路问题。MR适合做方向性筛选，但结论通常需要结合功能注释和生物学验证。

备注（统一三段）

适用人群：关注菌群-心血管影像机制、需要探索性筛选候选通路的研究者。

常见错误：多结局多菌群场景若不做FDR控制，阳性结果很容易被高估。

论文写法：建议按“发现队列结果+多重校正+生物学可解释性”三段汇报。

📊 研究设计

暴露变量

肠道菌群丰度（门、属、种水平）

数据来源：MiBioGen consortium

结局变量

心脏磁共振指标（LV mass, EF, CBF等）

数据来源：UK Biobank CMR

🔧 分析流程

工具变量筛选：p < 5×10⁻⁸，去除LD（r² < 0.001）
F统计量计算：确保 F > 10，避免弱工具变量偏倚
数据协调：统一等位基因方向
MR分析：IVW, Weighted Median, MR-Egger
敏感性分析：Cochran's Q, 漏斗图, Leave-one-out
通路富集：MetaCyc, BioCyc 数据库查询

💻 核心代码

1. 工具变量筛选

library(TwoSampleMR)

# 读取肠道菌群 GWAS 数据
gut_exposure <- read_exposure_data(
  filename = "gut_microbiome_gwas.txt",
  sep = "\t",
  snp_col = "SNP",
  beta_col = "Beta",
  se_col = "SE",
  effect_allele_col = "EA",
  other_allele_col = "NEA",
  pval_col = "P"
)

# 筛选显著 SNP（p < 5e-8）
exposure_snps <- gut_exposure %>%
  filter(pval.exposure < 5e-8) %>%
  clump_data(
    clump_kb = 10000,
    clump_r2 = 0.001,
    clump_p1 = 1,
    clump_p2 = 1
  )

# 计算 F 统计量
exposure_snps$f_stat <- (exposure_snps$beta.exposure / exposure_snps$se.exposure)^2
summary(exposure_snps$f_stat)
# Min. 1st Qu. Median Mean 3rd Qu. Max.
# 12.5  25.3  38.7  45.2  58.1 125.6
# ✅ 所有 SNP 的 F > 10，工具变量强度足够

2. 提取结局数据

# 从 IEU OpenGWAS 提取 CMR 数据
cmr_outcome <- extract_outcome_data(
  snps = exposure_snps$SNP,
  outcomes = "ukb-b-12345", # LV mass
  proxies = TRUE
)

# 数据协调
harmonised_data <- harmonise_data(
  exposure_dat = exposure_snps,
  outcome_dat = cmr_outcome
)

# 检查协调结果
nrow(harmonised_data) # 保留的 SNP 数量
# [1] 15

3. MR 分析

# 执行多种 MR 方法
mr_results <- mr(harmonised_data, 
         method_list = c(
           "mr_ivw",
           "mr_weighted_median",
           "mr_egger_regression"
         ))

# 结果汇总
mr_results %>%
  select(method, nsnp, b, se, pval) %>%
  mutate(OR = exp(b),
      CI_lower = exp(b - 1.96*se),
      CI_upper = exp(b + 1.96*se))

# 输出示例：
# method       nsnp   b  se  pval  OR  CI_lower CI_upper
# IVW          15 0.12 0.05 0.018 1.13  1.02   1.25
# Weighted Median    15 0.11 0.06 0.065 1.12  0.99   1.26
# MR-Egger       15 0.09 0.08 0.290 1.09  0.93   1.28

4. 敏感性分析

# 异质性检验
heterogeneity <- mr_heterogeneity(harmonised_data)
heterogeneity
# method    Q  Q_df  pval
# IVW     18.3  14  0.195
# MR-Egger  17.8  13  0.165
# ✅ 无显著异质性

# 多效性检验
pleiotropy <- mr_pleiotropy_test(harmonised_data)
pleiotropy
# egger_intercept  se  pval
# 0.012      0.018 0.512
# ✅ 无水平多效性

# Leave-one-out 分析
loo <- mr_leaveoneout(harmonised_data)
mr_leaveoneout_plot(loo)

# 漏斗图
mr_funnel_plot(mr_results)

# 散点图
mr_scatter_plot(mr_results, harmonised_data)

🎯 关键结果

✅ 阳性发现

• 瘤胃球菌属 → LV mass (OR=1.13, p=0.018)
• 拟杆菌门 → LVEF (OR=0.92, p=0.034)
• 普雷沃菌属 → CBF (OR=1.08, p=0.041)

📊 质量控制

• F 统计量范围：12.5 - 125.6
• 异质性检验：p > 0.05
• 多效性检验：p = 0.512

📚 扩展资源

通路富集分析

显著菌群通过以下数据库进行功能注释：

MetaCyc：代谢通路数据库
BioCyc：微生物基因组数据库
KEGG：通路富集分析