科研 Skill

孟德尔随机化因果分析

02-population-genetics-two-sample-mr

在群体遗传学领域开展“两样本MR”任务时使用;根据输入、科学假设和运行环境,在因果遗传分析下已保留的方法实现之间路由。

官方收录发布者 Codar安全审核通过v0.1.3更新于 2026-09-16

SKILL.md

孟德尔随机化因果分析

MR 开始于工具变量审计,而不是直接运行 IVW。明确暴露、结局、祖源、样本重叠和目标因果方向;工具 SNP 需与暴露相关、相互独立,并评估可能的水平多效性路径。

协调等位基因后报告工具强度。主分析可用 IVW,weighted median、MR-Egger、MR-PRESSO 等回答不同偏倚情形;多变量 MR 只在工具能共同解释多个暴露时使用,反向 MR 需要重新选择工具。

必须评估异质性、Egger截距、留一法、Steiger方向、弱工具和样本重叠的适用性,并在条件满足时执行;工具或元数据不足的项目明确记录未执行/不适用。敏感方法一致增加可信度,但不能证明三个工具变量假设成立。

正式研究和论文结果优先使用下述R入口,即使数据已协调也不改变方法与交付标准。只有用户明确需要轻量数值核对时,读取输入与诊断规范后运行 scripts/mr_summary.py;该Python入口至少需两个工具,不提供完整推断或论文图,不替代正式MR。单工具使用正式入口的Wald分支。维护轻量脚本时运行 scripts/test_mr_summary.py。

交付每个工具的协调表、主效应、稳健方法、诊断和假设限制,用“支持某种因果解释”而非确定性语言。

从口语到实际操作

“这个蛋白会导致我的病吗”“两者谁影响谁”“审稿人说多效性怎么办”均是入口。只有疾病/基因与毕业、发表目标时,先问用户希望解释风险、预测还是机制,并检查已有资料;不承诺MR适用或能发表。最多先补问影响设计的关键事实,不让用户选IVW或填写clumping参数。一般选题由可用的“公共组学多数据集研究设计与证据报告”协助;未安装时本入口仍能给出问题与数据缺口。

  • 从未协调的两份数据开始:读取两样本操作,让智能体准备配置并执行;新手只确认研究问题、数据来源和运行范围。
  • 反向、联合暴露、弱工具或靶点需求:读取扩展分析,依据输入选择,不机械跑全套。
  • 实际结果产生后立即读取作图与严谨解读,运行 scripts/plot_mr.R,不等用户再次要求画图。
  • 正式R入口为 scripts/run_mr.R,使用配置模板。模板由智能体根据证据填写,不交给用户盲填。脚本仅封装明确支持的步骤,外部资源获取、clumping和专门设计按操作说明完成。

执行与结论边界

输入、参考、参数、运行目录和成本明确且用户要求执行后才计算;咨询和选题不授权全量下载。工具缺失或数据不齐时给出已完成检查及下一步,不能用自写近似法冒充正式包。结果文件、图、配置和日志在仓库外;所有方法状态保留,阴性与冲突不隐藏。不随显著性更换队列、阈值或删除工具。MR只是在假设下支持因果解释,不等同随机试验,也不代表个体治疗效果。

出图时核验svglite可用,以保留SVG文字;现有PDF/PNG同时交付。孟德尔随机化因果分析图的科学参考线保留,背景主次网格默认关闭;在仓库外检查最终图件并提供三格式链接,不能将导出失败描述为完成。

所属插件

群体遗传学群体结构、关联分析与进化遗传工作流。

安装该插件会一并获得同领域的 32 个 Skill / MCP。

同插件的其他科研 Skill

常见问题

孟德尔随机化因果分析能做什么?

在群体遗传学领域开展“两样本MR”任务时使用;根据输入、科学假设和运行环境,在因果遗传分析下已保留的方法实现之间路由。

如何安装孟德尔随机化因果分析?

在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「孟德尔随机化因果分析」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。

孟德尔随机化因果分析需要哪些权限?

该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。

孟德尔随机化因果分析经过官方审核吗?

是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。