大家好，好久不见。休息了一段时间，同时去找工作去啦！今天我们来看一篇难度不高，但是工作量不算小的文章，同时学习一下怎么提升自己孟德尔随机化研究的level。文章：Genetic regulation of serum IgA levels and susceptibility to common immune, infectious, kidney, and cardio-metabolic traits。Doi：10.1038/s41467-022-34456-6。2022年11月发表在Nature Communications上，影响因子17.7分。
其实从题目就能看出来，文章研究的是IgA水平对多种疾病结局的影响，分为免疫、感染、肾病、心脏代谢，一种暴露对多种结局，仍然是孟德尔随机化+共定位+meta类的方法，加量不加价，大力出奇迹，创新性一般，但是值得学习。
文章有以下亮点：1.一种暴露对多种结局；2.文章的暴露为多组先的，不是纯欧洲人；3.文章的图片有转录组的风格，可以说是把转录组卷进了孟德尔随机化研究。
感兴趣的小伙伴可以去看看这篇文章的图片，整体上还是把数据做成了图，摆脱了临床或流行病研究都是表格的桎梏，虽然不能是全对，但毕竟一图剩千表啊，这种展示形式也是值得我们学习的。
我们可以模仿类似的么？当然可以：1.IgA完全可以换成别的暴露的，当然从临床出发更好，比如有人做观察性研究发现一种蛋白或者代谢物在疾病中升高，这个时候就可以用孟德尔随机化研究一下因果关系；2.如果你自己的孟德尔随机化研究做了一对一的研究，可以把结局整理成多种类型，向作者学习；3.很多小伙伴其实是会meta分析的，别浪费，加进你的新研究里！
