郑州大学史长河教授研究成功斩获双一区顶刊!用PRS+PheWAS+MR三步法,轻松筛出帕金森病27个因果因素”!

标题：识别帕金森病的潜在因果关系：英国生物银行基于多基因风险评分的全表型关联和孟德尔随机化研究

发表期刊：Npj Parkinsons Disease

发表时间：2024年9月

影响因子：IF8.2

核心方法：先构建每个人的“帕金森病多基因风险评分”（PRS），再拿这个分数去扫描英国Biobank中1800多种表型（生活习惯、脑影像、身体指标等）。

关键步骤：PRS-PheWAS用于“海选”关联因素；两样本孟德尔随机化（MR）用于验证因果关系，避免混杂和反向因果。

重要发现：识别出27个潜在因果因素，包括新风险因素（谷物/干果摄入、流体智力分数等）和新保护因素（玩电脑游戏、食物加盐等）。

数据来源：主数据来自英国Biobank（最终40.7万欧洲裔），包含基因、问卷、身体测量、脑影像。MR使用MRC IEU OpenGWAS公开GWAS汇总数据。

为避免人群分层造成的假阳性关联，只选欧洲裔。

设计方面先用PRS-PheWAS高效无偏筛选大量表型，再用MR严格验证因果方向，兼顾发现广度与结果可信度。

分析11类共1,851个变量（图1）。帕金森病多基因风险评分预测效能良好。

267个表型与多基因风险评分显著相关（图2），标准化回归系数绝对值-0.092至0.339，FDR校正P值0.049至5.80×10⁻⁴¹。107个表型在Bonferroni校正（阈值3.38×10⁻⁶）后仍显著。

图 1 | 饼图展示了 1851 个因素的分布情况

图2 | PheWAS曼哈顿图显示表型与帕金森病（PD）多基因风险评分（PRS）的关联性，按类别分组

这个曼哈顿图分类颜色挺清楚的。我注意到神经影像占了120个显著表型，说明脑子结构跟你PD遗传风险关系真不小。另外Bonferroni我觉得有点太狠了，咱们用FDR就够。

27个因素确认因果效应（图3）：流体智力评分、出生时母亲吸烟、总体健康评级、首次性行为年龄、谷物摄入、干果摄入、过去吸烟史、户外烟草烟雾暴露、玩电脑游戏、食物添加盐、看电视时间、14项体脂指标）、税前家庭总收入、大学学历。家庭总收入FDR校正后仍显著。

图 3 | PD 风险相关因素的 Mr 分析

这个MR做得挺扎实的，IVW加上各种敏感性分析。不过还是要注意一下，玩电脑游戏那个OR只有0.004，要小心测量偏移。另外14个体脂指标方向一致，我个人感觉肥胖表型和PD遗传风险很可能是个反向关系。

这篇论文真的把研究套路给直接示范明白了：先借助多基因风险评分，在UK Biobank数据库里做全表型组PheWAS扫描，批量筛选出潜在关联的候选表型；再用两样本孟德尔随机化做因果推断，把关联关系做实锤。 

 后续不管做哪种疾病的病因挖掘，都能直接照搬这套「PheWAS初筛 + 孟德尔随机化验证」的先筛后验范式。依托公开大队列数据，方法成熟标准化，既省心高效，结论也更有说服力！

如果大家也想做相关课题，欢迎联系筑梦科研，后台私信回复关键词“思路”，我们将有专业老师为大家提供最新思路！