XiaoMi-AI文件搜索系统
World File Search System孟德尔
Schmidt_遗传性血管性水肿和静脉血栓栓塞症的孟德尔随机化研究结果_审查后划红线
遗传性血管性水肿是一种罕见疾病，每 5 万到 10 万中就有一例发生。[1] 其特征是皮肤和黏膜下组织反复肿胀，这是由于遗传性 C1 抑制剂缺乏导致缓激肽产生抑制不足所致。C1 抑制剂通过抑制几种丝氨酸蛋白酶（包括补体 C1a、C1r、甘露聚糖结合凝集素丝氨酸蛋白酶 1 (MASP-1)、MASP-2、纤溶酶、激肽释放酶和凝血因子 XIa 和 XIIa）来控制补体、纤溶酶、内源性凝血和接触系统。[2] D-二聚体水平通常在血管性水肿发作期间升高（可能是由于纤溶酶生成增强），但血管性水肿发作期间的这种升高与血栓风险增加无关。[3]几篇关于遗传性血管性水肿的评论指出，HAE（即使在 D-二聚体水平升高的情况下）也不会增加静脉血栓栓塞症 (VTE) 的风险。但是，除了患者和医生的经验之外，没有其他资料可以支持这一说法。但是，最近的一项回顾性队列研究检查了遗传性血管性水肿与 C1 抑制剂缺乏症的许多潜在合并症，报告了遗传性血管性水肿与 VTE 之间的关联。[4, 5] 值得注意的是，这些发现可能会因 VTE 的指征和错误分类而受到混淆。[6] 鉴于遗传性血管性水肿极为罕见，很难通过前瞻性队列研究进一步调查这一发现。如果 HAE 确实与 VTE 有关，则可以假设 C1 抑制剂水平不太明显的变化也可能与 VTE 风险有关。孟德尔随机化 (MR) 是一种适合进一步研究 C1 抑制剂水平与 VTE 潜在风险之间潜在因果关系的方法。MR 是一种使用遗传变异作为工具来评估暴露和结果之间潜在因果关系的方法。MR 方法的优势在于，它受通常困扰观察性研究的混杂和反向因果关系风险的影响要小得多。Davies 等人撰写了一份关于孟德尔随机化工作原理的全面概述。[7] 为了探索较低的 C1 抑制剂水平与静脉血栓栓塞之间的因果关系，我们进行了一项孟德尔随机化研究。
评估吸烟对脑白质老化的因果影响：英国生物库的双样本孟德尔随机化分析
通讯作者： Shuo Chen，美国马里兰州巴尔的摩市马里兰大学医学院精神病学系马里兰精神病学研究中心。shuochen@som.umaryland.edu，Tianzhou Ma，美国马里兰州帕克市马里兰大学公共卫生学院流行病学和生物统计学系。tma0929@umd.edu。 作者贡献 Chen Mo：数据管理；形式分析；方法论；可视化；写作稿；写作评审和编辑。Jingtao Wang：形式分析；方法论；写作稿；写作评审和编辑。Zhenyao Ye：数据管理；方法论；可视化；写作稿；写作评审和编辑。Hongjie Ke：方法论；写作稿；写作评审和编辑。Song Liu：数据管理；写作评审和编辑。Kathryn Hatch：数据管理；写作评审和编辑。Si Gao：数据管理；写作-评论和编辑。Jessica Magidson：写作-评论和编辑。Chixiang Chen：写作-评论和编辑。Braxton D. Mitchell：写作-评论和编辑。Peter Kochunov：写作-评论和编辑。L. Elliot Hong：写作-评论和编辑。Tianzhou Ma：概念化；方法论；监督；写作-评论和编辑。Shuo Chen：概念化；资金获取；方法论；监督；写作-评论和编辑。
双向双样本孟德尔随机化研究
© 作者 2023。开放存取 本文根据知识共享署名 4.0 国际许可进行授权，允许以任何媒体或格式使用、共享、改编、分发和复制，只要您给予原作者和来源适当的信任，提供知识共享许可的链接，并指明是否做了更改。 本文中的图片或其他第三方资料包含在文章的知识共享许可中，除非资料的致谢中另有说明。 如果资料未包含在文章的知识共享许可中，且您的预期用途不被法定规定允许或超出允许用途，则需要直接从版权所有者处获得许可。 要查看此许可证的副本，请访问 http://creativecommons.org/licenses/by/4.0/ 。知识共享公共领域贡献豁免（http://creativeco mmons.org/publicdomain/zero/1.0/）适用于本文中提供的数据，除非数据来源中另有说明。
推定二甲双胍靶标对表型年龄和白细胞端粒长度的影响：使用英国生物银行数据的孟德尔随机化研究
公共卫生学院（S Luo Phd，C S L Chui Phd，C M Schooling Phd，S L Au Yeung教授），药理学与药学系（I C K Wong Phd教授）和护理学院（C S L CHUI），Li Ka Shing Shing Inderialt of Hong Kong Kong Kong Kong Kong Proseptial Andifarity Andial in n of Hong Kong Kong Special corame corame corame;英国伦敦伦敦大学学院药学学院实践与政策研究系（I C K Wong教授）；香港科学技术园，香港特殊行政区，中国的卫生数据发现实验室（C S L CHUI）；上海内分泌与代谢疾病研究所内分泌和代谢疾病系，中国上海上海大学医学院，中国上海医学院（J Zheng Phd教授）；上海国家代谢疾病临床研究中心，公关中国国家卫生卫生委员会的主要内分泌和代谢疾病实验室，上海内分泌肿瘤主要实验室，州医学基因组医学医学医院的重要实验室，上海jia Jiao jiao jiao tong tong in jiao tong tong jiao jiao tong英国布里斯托尔布里斯托尔大学布里斯托尔医学院的医学研究委员会综合流行病学部（J Zheng教授）；香港量子AI实验室，香港大学，香港特殊行政区，中国（Y Huang MPH）；美国纽约市纽约市公共卫生与健康政策学院（美国纽约州纽约教授）
药物靶标孟德尔随机化
药物靶标孟德尔随机化：我们真的在监测药物使用吗？艾玛·L·安德森 1 1 伦敦大学学院老年人精神健康系、精神病学分部。通讯作者：艾玛·L·安德森博士，伦敦大学学院精神病学分部副教授。149 Maple House，托特纳姆法院路。伦敦。WT1 7NF 在最近发表在《糖尿病学》上的一篇论文中，郑等人尝试使用孟德尔随机化 (MR) (1) 来检查二甲双胍的使用是否可以降低患阿尔茨海默病 (AD) 的风险。药物靶标 MR 是一种很有前途的方法，可以识别出我们可以重新用于干预最初批准用于治疗其他疾病的药物。MR 有可能克服观察性药物流行病学的一些关键局限性，例如混杂因素，并且它之前已成功应用于确定新临床试验中优先考虑的药物（例如用于 COVID-19 的白细胞介素 6 受体拮抗剂 (2, 3)）。对于像痴呆症这样的疾病来说，它尤其有前景，因为痴呆症的前驱期很长（长达 20 年），因此临床试验对其预防具有挑战性。鉴于痴呆症目前是全球唯一一种没有有效治疗方法的主要原因，我对这种方法在该领域的潜力充满热情。药物靶点 MR 有几个注意事项，这意味着因果效应估计需要仔细解释。这项研究的作者自始至终都提到“基因代理的二甲双胍使用”。然而，二甲双胍本身的使用并没有在这里得到检测。作者对二甲双胍的五个（可能有很多）已确定的靶点进行了检测，并取了这五个靶点的平均值。令人鼓舞和放心的是，这五个靶点都表现出神经保护作用。然而，二甲双胍的靶点仍不确定（4），可能还有其他靶点，如果包括在内，可能会改变这种“平均”效应的大小（可能趋向于零，或者在最坏的情况下，使综合效应估计的符号变为负数，即有害）。二甲双胍的一些靶点也可能不是由基因组编码的，这可能会完全禁止使用药物靶点 MR。因此，无法使用此方法准确估计二甲双胍对 AD 风险影响的规模或大小。作者提供的是靶点特异性效应而非药物使用效应的证据，这对制定干预措施（例如二甲双胍使用试验与靶点特异性药物试验）具有重要意义。本研究中使用的平均方法没有考虑到五个靶点中的每一个都可能受到二甲双胍的不同影响这一事实。例如，假设二甲双胍只有 5 个靶点，对于二甲双胍引起的单位血糖或糖化血红蛋白降低，其中 40% 的降低可能是通过靶点 1 的激动或抑制介导的，30% 通过靶点 2 介导，20% 通过靶点 3，5% 通过靶点 4 和 5。为了准确测量二甲双胍的使用情况，有必要用这些比例对平均效应进行加权（前提是这些比例是从药理学研究中得知的），而不是用靶点特定效应的精确度（由复合物 I 结果主导）对综合因果效应估计进行加权。在考虑重新利用现有药物时，对不同药物之间的效应大小进行合理的比较对于权衡潜在的临床益处（或危害）以及潜在的副作用非常重要。作者将他们自己的二甲双胍 MR 结果的效应大小与研究其他现有抗糖尿病药物对认知障碍的影响的随机对照试验进行了比较，并指出其大小相似。然而，测量药物使用的试验的效应大小不太可能与特定靶点的 MR 研究结果相媲美，除非所有靶点都是已知的并且
布尔诺孟德尔大学的人工智能应用原理
1. 文本包含一般已知信息，但其表述方式与作品主题无关，且未遵循术语和上下文相关性。 2. 经常重复表达相同思想的句子。人工智能生成的文本包含重复的短语，重复使用相同的结构和单词。人类撰写的文本往往具有更自然和多样化的风格，句子结构和词汇选择范围广泛。 3. 文本包含相互矛盾的陈述（即使在同一个条款或段落中）。 4. 文本中出现事实扭曲，声称某个问题只有一个答案。 5. 使用的论点毫无意义、相互矛盾或与主题无关。 6. 文本表现出低水平的情感表达。如果人工智能收到的问题没有任何关于语气或其他属性的提示，它会生成没有个人见解或情感的事实文本。 7. 文本包含基于偏见和刻板印象的陈述，偏向于西方对世界的理解。 8. 文本引用的资料来源仅截至 2021 年（当前模型是在时间有限的数据集上训练的）或包含对不存在的资料来源的引用（AI 捏造）。9. 文本中没有错误（语法、语言、拼写错误），尽管犯错是人类的本性。10. 文本包含长句——AI 倾向于产生冗余单词，尤其是在给定广泛词汇时
端粒长度基因和肺癌的常见遗传变异：孟德尔随机化研究及其在肺癌转录中的新应用
1 国际癌症研究机构/世界卫生组织 (IARC/WHO) 基因组流行病学分部，法国里昂；2 牛津大学癌症流行病学系，英国牛津；3 布里斯托尔医学院 (PHS) 布里斯托尔人口健康科学研究所 MRC 综合流行病学系，英国布里斯托；4 莱斯特大学心血管科学系，英国莱斯特；5 NIHR 莱斯特生物医学研究中心，格伦菲尔德医院，英国莱斯特；6 瑞士洛桑生物与医学学院路德维希洛桑分校；7 贝勒医学院临床与转化研究所，美国休斯顿；8 西奈健康中心 Lunenfeld-Tanenbaum 研究所，加拿大多伦多；9 斯坦福大学流行病学与人口健康系，美国斯坦福
标题：百万退伍军人计划中的糖尿病和痴呆症的孟德尔随机研究1 2 Elizabeth M Litkowski（0000-0002-7079-696X），1,2,3 m
8犹他大学，美国盐湖城，犹他州84132，美国27 9 9 9下，宾夕法尼亚州费城，宾夕法尼亚州费城，宾夕法尼亚州费城，宾夕法尼亚州费城，宾夕法尼亚州，费城大学，宾夕法尼亚大学，宾夕法尼亚州，19104年，19104年，19104年，美国29 11 11 Atlanta va va va va va va va va va va va va va va va antlanta Carey and decatib and 3033333333333333333333.埃默里大学医学院31医学院，佐治亚州亚特兰大，30307，美国32 13压力与心理健康卓越中心，弗吉尼亚州圣地亚哥医疗保健系统，加利福尼亚州圣地亚哥，加利福尼亚州，33 92161，美国34 14 14陈化行为遗传学中心，加利福尼亚大学医学院，加利福尼亚大学，加利福尼亚大学，圣地亚哥，圣地亚哥，35 Co exior，35 Co，92093，92093：35 CAEN：在150个单词中39个上下文中的研究：141个单词中的141个单词40
2型糖尿病和血糖特征不是del妄的因素：两样本的孟德尔随机分析
这项研究旨在探索2型糖尿病（T2D）和血糖性状（禁食葡萄糖[FG]，禁食胰岛素[FI]和糖化血红蛋白[HBA1C]）之间的遗传因果关系。从IEU OpenGWAS数据库中获得了T2D和血糖性状的基因组广泛关联研究（GWAS）摘要数据。GWAS的deli妄摘要数据是从Finngen联盟获得的。所有参与者都是欧洲血统。此外，我们将T2D，FG，FI和HBA1C用作曝光和del妄作为结果。随机效应方差加权模型（IVW），Egger先生，加权中位数，简单模式和加权模式用于执行MR分析。此外，使用MR-IVW和MR-EGGER分析来检测MR结果中的异质性。使用MR-EGGER回归和MR多效性残留总和和离群值（MR-Presso）检测到水平多效性（MR-Presso）。MR- PRESSO还用于评估离群的单核苷酸多态性（SNP）。“放出一个”分析用于研究MR分析结果是否受到单个SNP的影响并评估结果的鲁棒性。在这项研究中，我们进行了两样本的MR分析，并且没有证据表明T2D和血糖性状（T2D，FG，FI和HBA1C）之间的遗传因果关系有关（p> 0.05）。MR-IVW和MR-EGGER测试在我们的MR结果中没有异质性（所有P值> 0.05）。此外，MR-EGGER和MR-PRESSO测试在我们的MR结果中没有水平多效性（所有P> 0.05）。MR-Presso结果还表明，MR分析过程中没有异常值。此外，“放出一个”测试并未发现分析中包含的SNP可能会影响MR结果的稳定性。因此，我们的研究不支持T2D和血糖性状（FG，FI和HBA1C）对del妄风险的因果影响。
基因决定的代谢物对焦虑症的因果关系：双样本孟德尔随机化研究
摘要背景：焦虑症是最常见的精神障碍之一，但其潜在的生物学机制尚未完全阐明。近年来，遗传决定的代谢物（GDM）已被用来揭示精神障碍的生物学机制。然而，这种策略还没有应用于焦虑症。在此，我们通过孟德尔随机化研究探索了GDM与焦虑症的因果关系，总体目标是揭示生物学机制。方法：实施双样本孟德尔随机化（MR）分析以评估GDM与焦虑症的因果关系。以486种代谢物的全基因组关联研究（GWAS）为暴露对象，以焦虑症的四个不同的GWAS数据集为结果对象。值得注意的是，所有数据集均来自公开数据库。使用遗传工具变量（IV）探索每种代谢物的代谢物与焦虑症之间的因果关系。采用 MR Steiger 过滤法检验代谢物与焦虑症之间的因果关系。首先采用标准逆方差加权 (IVW) 方法进行因果关系分析，随后采用另外三种 MR 方法（MR-Egger、加权中值和 MR-PRESSO（多效性残差和与异常值）方法）进行 MR 分析的敏感性分析。使用 MR-Egger 截距和 Cochran's Q 统计分析评估可能的异质性和多效性。使用 Bonferroni 校正确定因果关联特征（P < 1.03 × 10 –4）。此外，使用基于网络的 MetaboAnalyst 5.0 软件进行代谢途径分析。所有统计分析均在 R 软件中完成。本研究使用了 STROBE-MR 清单来报告 MR 研究。结果：在 MR 分析中，确定了 85 个具有显著因果关系的 GDM。其中，4 个不同的焦虑症数据集中有 11 种代谢物相互重叠。Bonferroni 校正显示 1-亚油酰甘油磷酸乙醇胺（OR 固定效应 IVW = 1.04；95% CI 1.021–1.06；P 固定效应 IVW = 4.3 × 10 –5 ）是最可靠的因果代谢物。由于采用了“留一法”分析，即使没有单个 SNP，我们的结果仍然稳健。MR-Egger 截距检验表明遗传多效性对结果没有影响（截距 = − 0.0013，SE = 0.0006，P = 0.06）。Cochran Q 检验未检测到异质性（MR-Egger. Q = 7.68，P = 0.742；IVW. Q = 12.12，P = 0.436）。 MR Steiger 进行的方向性测试证实了我们对潜在因果方向的估计