一种基于孟德尔随机化预测复杂疾病及表型相关代谢物的方法技术

本发明专利技术公开了一种基于孟德尔随机化分析预测复杂疾病及表型相关代谢物的方法，包括以下步骤：(1)血液代谢物全基因组关联研究数据的收集与整理；(2)工具变量的筛选与去多效性；(3)根据筛选的工具变量进行双样本孟德尔随机化分析，综合多种分析方法的效应值与敏感性分析的判定，得到与疾病或表型相关的代谢物。本发明专利技术方法通过双样本孟德尔随机化分析，结合多种方法的筛选与判别，预测363个血液代谢物对复杂疾病及表型的影响，为后续针对血液代谢物寻找药物靶点与营养干预奠定了重要基础。

A method for predicting complex diseases and phenotype related metabolites based on Mendelian randomization

【技术实现步骤摘要】
一种基于孟德尔随机化预测复杂疾病及表型相关代谢物的方法
本专利技术涉及生命科学领域，具体涉及一种基于孟德尔随机化预测复杂疾病及表型相关代谢物的方法。
技术介绍
孟德尔随机化是一种流行病学研究方法，可以利用暴露因素相关的遗传变异作为工具变量来评估两个表型之间的因果关系，目前已广泛应用于疾病研究中。不同于全基因组关联研究，孟德尔随机化能有效筛选影响结果变量的“因果性”因素，而非传统的相关性研究，且以往的全基因组关联分析只报道了小部分与疾病/表型相关的遗传位点，统计效力受到群体样本量的限制。然而，大规模的全基因组关联研究可为我们提供丰富的遗传变异信息并用于双样本孟德尔随机化分析，能够系统的估计疾病或表型之间的因果关系，且有效地整合更多的遗传变异和更大的样本量，具有很强的统计能力，该方法的应用在疾病研究中已取得突破性的进展。血液代谢物是人体代谢过程中的中间产物，它能够描述人体内外相互作用的结果，揭示环境和遗传因素对人体代谢作用的潜在机制。代谢调控是机体继基因转录和蛋白调控后的末端调控，因此基因与蛋白质的表达水平会在终末代谢物水平上进行放本文档来自技高网...

【技术保护点】
1.一种基于孟德尔随机化预测复杂疾病及表型相关代谢物的方法，其特征在于，包括以下步骤：/nS1：血液代谢物全基因组关联研究数据的收集与整理；/nS2：对收集与整理的数据进行工具变量的筛选与去多效性；/nS3：根据筛选的工具变量进行双样本孟德尔随机化分析，综合多种分析方法的效应值与敏感性分析的判定，得到与疾病或表型相关的代谢物。/n

【技术特征摘要】
1.一种基于孟德尔随机化预测复杂疾病及表型相关代谢物的方法，其特征在于，包括以下步骤：
S1：血液代谢物全基因组关联研究数据的收集与整理；
S2：对收集与整理的数据进行工具变量的筛选与去多效性；
S3：根据筛选的工具变量进行双样本孟德尔随机化分析，综合多种分析方法的效应值与敏感性分析的判定，得到与疾病或表型相关的代谢物。


2.根据权利要求1所述的基于孟德尔随机化预测复杂疾病及表型相关代谢物的方法，其特征在于，
所述步骤S1具体包括：
S11：利用已有代谢物全基因组关联研究的相关文献收集研究数据；
S12：利用Meta分析对收集到的数据进行汇总；
S13：数据的格式整理，包括根据参考基因组信息矫正表型的效应碱基并进行效应值与其频率的换算，去除频率极低的SNP。


3.根据权利要求1所述的基于孟德尔随机化预测复杂疾病及表型相关代谢物的方法，其特征在于，
所述步骤S2具体包括：
S21：使用PLINK中的clump算法分别筛选与每一个血液代谢物在全基因组范围内显著相关并独立的SNPs；
S22：根据初步筛选得到的每个代谢物的特征性SNPs，在研究疾病或表型的全基因组关联研究数据中进行信息提取，得到其对结局变量的效应值与标准差并生成结局变量文件；
S23：根据得到的结局变量的SNPs，提取其对每个代谢物的效应值与标准差，生成暴露因素文件；
S24：对生成的结局变量文件与暴露因素文件进行匹配，通过RadialMR分析筛选具有水平多效性的SNPs，并在原有的输入文件中去除检测到的多效性SNP，得到最终的工具变量。


4.根据权利要求3所述的基于孟德尔随机化预测复杂疾病及表型相关代谢物的方法，其特征在于，
所述全基因组范围内显...

【专利技术属性】
技术研发人员：杨铁林，张堃，郭燕，吴昊，郭婧，丁景苗，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61