MR-PRESSO是18年发在Nature Genetics上的一个检验水平基因多效性的方法Detection of widespread horizontal pleiotropy in causal relationships inferred from Mendelian randomization between complex traits and diseases,目前该文章的引用有343次。
1、为什么要检验水平多效性
孟德尔随机化分析有三个假设，其中的一个假设就是工具变量（一般是遗传位点）必须通过暴露因素(exposure,大胸)影响结果（outcome,不爱运动）。
如果工具变量可以不通过暴露因素直接影响结果，那么就违反了孟德尔随机化的思想，即检验结果存在水平多效性。
上面一段话是不是很拗口，用直白的话说，就是假定SNP位点rs123同时与大胸显著相关（暴露因素），又同时与不爱运动显著相关（结局变量），那么我们就认为用rs123进行大胸和不爱运动的因果关系推断是存在水平多效性的，检验结果即便是显著，他们之间的因果关系也不成立。
所以，用孟德尔随机化进行因果关系推断的大前提是没有水平多效性。
讲完理论知识，下面具体讲讲如何用MR-PRESSO检验水平多效性。
2、使用MR-PRESSO检验水平多效性
下载、安装：
if (!require("devtools")) { install.packages("devtools") } else {}
devtools::install_github("rondolab/MR-PRESSO",force = TRUE)
加载数据：
library(MRPRESSO)
data(SummaryStats)
示例数据如下所示：
E1, E2, Y 分别表示暴露因素1，暴露因素2，结局变量；
effect，se, pval分别表示效应值，效应值的误差，P值；
准备好以上文件后，分析表露因素E1和结局变量Y的水平多效性：
mr_presso(BetaOutcome = "Y_effect", BetaExposure = "E1_effect", SdOutcome = "Y_se", SdExposure = "E1_se", OUTLIERtest = TRUE, DISTORTIONtest = TRUE, data = SummaryStats, NbDistribution = 1000, SignifThreshold = 0.05)
如果想检验多变量MR和结局变量的水平多效性，则用命令：
mr_presso(BetaOutcome = "Y_effect", BetaExposure = c("E1_effect", "E2_effect"), SdOutcome = "Y_se", SdExposure = c("E1_se", "E2_se"), OUTLIERtest = TRUE, DISTORTIONtest = TRUE, data = SummaryStats, NbDistribution = 1000, SignifThreshold = 0.05)
3、结果解读
结果如下所示：
MR-PRESSO results$Global Test$Pvalue即为我们检测的水平多效性，P值小于0.05，说明暴露因素和结局变量存在水平多效性。
关于孟德尔随机化的例子请参考之前的文章有相关性就有因果关系吗，教你玩转孟德尔随机化分析
