尔云间 一个专门做科研的团队

欢迎点赞+收藏+关注，免费领取原文文献[给你小心心]

欢迎大家来到云生信！要说孟德尔随机化（MR）分析，这个分析方法在咱们生信领域已经火了有些日子了。如今，随着公共数据库的发展，MR分析可以说是如鱼得水，又增加了不少热度。可想要把简单的分析做好，发出高分文章，可没有那么容易。今天，小云在PubMed里发现了一篇超级有料的纯生信分析，这篇文章就是运用了孟德尔随机化（MR）的方法，探讨了 734 种血浆蛋白和 154 种脑脊液蛋白与缺血性脑卒中之间的因果关系，发现了有利于缺血性脑卒中的早期预防和治疗的新靶点。4张图拿下15分+，快跟小云一起来看看这篇文章里有哪些精彩思路吧。

文章的其精彩之处有以下几个方面：

1、文章抓住了基因组学与蛋白组学结合的热点， 将血浆蛋白组作为研究对象进行了大规模的MR分析，保证了研究的创新性。

2、文章除了进行初步的MR分析之外，还 附加了多种敏感性分析方法，以及多中心MR分析， 保证了结果的稳健性，也提高了文章的说服力。

3、作者在主要MR分析之后， 对于显著的蛋白进行下游分析，利用蛋白质-蛋白质相互作用（PPI）网络等方法来研究推测的药物靶点与治疗药物之间的关系 ，揭示了血浆和脑脊液蛋白中IS的潜在治疗靶点，抓住了国自然热点，拓展一下妥妥的国自然新课题。

内容如此丰富，思路如此严谨的生信分析，作者学到就是赚到呀！ 这个思路复现出来你也可以轻松拿高分哦~

题目：从血浆和脑脊液蛋白质组中发现治疗缺血性脑卒中的潜在靶点：一项多中心孟德尔随机研究

杂志：international journal of surgery

影响因子：IF= 15.3

发表时间：2023年11月

回复123领取原文，文献编号：240115

研究背景

缺血性中风（IS）的发病率逐年上升，病情严重，预后不良。由于早期治疗，尤其是预防和再灌注是降低不良预后发生率的关键，因此迫切需要新的、高效和安全的治疗靶点。一般来说，循环蛋白是有吸引力的治疗靶点，采用多中心孟德尔随机化（MR）方法，可以从血浆和脑脊液（CSF）蛋白中找出潜在的药理学靶点，以预防和治疗 IS。

数据来源

蛋白数据来自MEGASTROKE联盟， 多中心MR分析数据来自deCODE 联盟和 Fenland 联盟的血浆蛋白，以及来自 FinnGen 队列、ISGC 联合体和英国生物库的 IS GWAS 数据。

研究思路

研究的目的是通过确定 CSF 和血浆蛋白中可能的 IS 治疗靶点，为日后精确预防和治疗 IS 奠定基础。作者首先通过MR分析研究血浆和 CSF 中与 IS 相关的蛋白质。然后利用贝叶斯共定位、双向MR分析和表型扫描进行了敏感性分析，以证明结果的稳健性。然后，作者通过多中心MR研究对结果进行了验证，如来自 Fenland 和 deCODE 数据库的暴露数据，以及来自 FinnGen 队列、ISGC 联盟和英国生物库的结果数据。最后，作者进行了比较和交互式分析，利用蛋白质-蛋白质相互作用（PPI）网络等方法来研究推测的药物靶点与治疗药物之间的关系，以确定 IS 的药理靶点。

图1 研究设计图

主要结果

1.MR分析

作者将血浆和 CSF 蛋白作为暴露数据，IS 作为结果数据。主要分析方法是 MR 研究的逆方差加权法（IVW）。MR 分析在 4.2.3 版 R 软件包 "TwoSampleMR "中进行。为了减少假阳性的几率，作者进行了多重检验校正（Bonferroni 校正）。在验证阶段，进一步采用随机效应模型进行了荟萃分析，以获得更稳健的 MR 结果。反向 MR 使用了来自 MEGASTROKE 联合体的 IS 暴露数据，共纳入了 19 个符合条件的 SNP 作为工具因素。反向因果关系主要通过 IVW 方法进行研究，此外还采用了 MR-Egger 回归法、权重中位数（WM）法、简单模式法和权重模式法，综合分析因果关系。

对来自 734 个血浆 pQTL 和 154 个脑脊液 pQTL 的循环生物蛋白进行了检查，发现血浆中的MMP-12和SWAP70以及脑脊液中的Prekallikrein这三种蛋白质与IS有因果关系。在部分多中心MR研究中证实了MMP-12和IS之间的因果关系：Primary_FinnGen、deCODE_FinnGen、Primary_ISGC、deCODE_ISGC和 deCODE_Primary中， MMP-12、Prekallikrein 和 IS 风险之间的因果关系得到部分证实。（图2）作者进一步进行了一项荟萃分析以确认上述因果关系，结果发现MMP-12、SWAP70和Prekallikrein可降低IS风险（图3）。

图2 MR分析结果

图3 Meta分析结果

2. 共定位分析

作者使用 "coloc "软件包和默认参数进行贝叶斯共定位分析，评估两个性状共享相同因果变异体的可能性。基于基因的 PPH4 > 80% 被定义为该基因具有共定位的证据。作者还使用了表型扫描来检验是否存在混杂变量和多义性。共定位分析显示，MMP-12（PPH4 = 0.995）、SWAP70（PPH4 = 0.987）和prekallikrein（PPH4 = 0.MMP-12、SWAP70 和 prekallikrein 的 pQTL 上下 100 KB 位点的 p 值分布以及 MMP-12、SWAP70 和 prekallikrein 的工具变量对应的 IS 的 p 值分布（图4）。根据使用 phenosanner 网站进行的表型扫描，MMP-12（rs28381684）与基质金属蛋白酶、支气管舒张后 FEV1/FVC 比率、stromelysin-1 和局部直方图肺气肿模式有关，而 SWAP70（rs415895）与血细胞比容、冠状动脉疾病和高血压有关。各种蛋白质、凝血因子与Prekallikrein（rs2304595）有关。

图4 共定位分析结果

3. 蛋白质-蛋白质和蛋白质-药物关联分析

当血浆和脑脊液 pQTL 最终被纳入作者的研究时，作者利用 spearman 相关性分析来分析它们之间的相关性。建立了不同的 P 值标准，以观察两者之间的相关性是否随着显著性程度的增加而变化。在分析了血浆 pQTL 和 CSF pQTL 之间的相互关系后，作者利用蛋白质-蛋白质相互作用（PPI）网络进一步评估了主要 MR 研究中与 IS 风险有提示性（P < 0.05）关系的 CSF 和血浆蛋白质中的相关蛋白质靶标。作者在PPI蛋白网络中发现了Prekallikrein靶蛋白与阿司匹林和埃多沙班药物、MMP-12靶蛋白与阿替普酶和替奈普酶药物之间的联系（图6）。作者发现前胰激肽原与凝血因子 VII（F7）、MMP-12 与纤连蛋白（FN1）之间有很强的相关性。在 Drugbank 网站上搜索发现，FN1 是 Alteplase 和 Tenecteplased 的药理靶点，这表明 MMP-12 可能是这些药物的靶点。

图6 预期药物靶点与肿瘤之间的相互作用

文章小结

在这项研究中，作者通过大规模的蛋白质组MR研究，调查了血浆和脑脊液蛋白与IS风险之间可能存在的因果关系，并研究了血浆和脑脊液蛋白中IS的潜在治疗靶点。其中精彩的分析思路和严谨的分析流程非常值得我们学习。 如今，MR分析凭借其简洁的分析思路和高效的分析方法已经成为生信领域炙手可热的“香饽饽”！只要思路选的好，你也可以轻松发高分！

往期推荐

• 堪比董宇辉的国自然爆点“线粒体”+单基因经典组合！苏州大学附属太仓医院蒋挺团队1区9分+，翻译一下就是国科金标书模板！
• Nature子刊重大突破！复旦大学附属中山医院顾建英团队：单细胞测序+空间转录组揭示肿瘤早期传播机制
• 哈尔滨医科大学李颖团队：孟德尔随机化如何4图拿下中科院一区？代谢角度切入新颖选题+统计创新方法，就是这么给力！
• 1区9分+的NHANES 数据库纯生信分析，南昌大学二附院沈云峰团队原来是这么做临床预测的！