VX公众号：有何AI与医学，孟德尔随机化准备从大家问题多地方以及简单介绍写起来，然后补全整个分析流程！欢迎转发关注哦！
非线性孟德尔随机化研究之前也有很多同学问过我，但是手里没有数据，就没有详细的介绍。最近认识的一些朋友课题组有自己的全基因组数，今天我们详细的聊一聊非线性MR。
非线MR怎么做？
我们试想一下，假定暴露是连续变量维生素D的浓度，将其分为8段，匹配8组样本，然后分别做8次GWAS会出现什么情况，由于变量成正太分布，这8段所分配到的样本量是不同的，必然与的组样本量太小，统计效能大大下降，此外，每一段相关的SNP有几乎相同，相同的情况减少了统计效应太不应该了吧。当然像高血压低血压在临床有标准分段是合适的。
基因风险评分（GRS）
我们首先介绍一下基因风险评分，基因风险评分算法是目前具有较大应用前景的预测疾病风险的方法，其相关领域的发展受到广泛关注。早期的孟德尔随机化分析多是以一种疾病的GRS作为暴露的效应，然后和结局进行回归。自15年以后，逆方差加权等方法的提出而逐渐被取代。
其数学公式如下，下一篇详细介绍。
基因风险评分，作为全基因组分析的拓展分析有重要的意义，多基因风险评分综合了人类基因组中更多的效益，来评估疾病的风险。进而提高原发病预防的成本效益、更精确的诊断以及提高药物处方的准确性。缺点是存在很多的不定性，GWAS对疾病的解释依然有限，存在偏移，容易被误解误读。
GRS与非线性MR
刚才我们说分段GWAS是不合理的，那么GWAS后再进行分段呢？非线性MR实际上就是先做GWAS找到与疾病相关位点，之后进行GRS，然后对GRS进行分段，把分的每一段与结局进行回归，最后每一段拼接拟合成一条曲线，这里简单介绍操作后边介绍。
