咱们再前两期已经对孟德尔随机化进行了一个初步的介绍，孟德尔随机化步骤相对简单固定，一共就是3步，但是如果我们一个一个的对研究变量和结果数据进行筛选，也是挺费时间的，我随手写了一个R的小程序可以帮助咱们进行数据挖掘。
其实就是一个很简单的小程序，主要是对孟德尔随机化的步骤进行了打包，利用双循环对研究变量和结果变量进行匹配。函数体为
Mendelian.help (exposure,outcome)Exposure就是我们的研究变量，outcome就是我们的结果变量。
假设我们研究的想研究的原因变量有两个"ieu-a-22",“prot-b-66”，想研究的结局变量有3个"finn-b-O15_MEMBR_PREMAT_RUPT",“ukb-b-12621”,“finn-b-O15_PLAC_PREMAT_SEPAR”，如果我们一个一个的做也是要花费一定时间的，如果变量更多就需要更多时间了。
我们先定义暴露变量和结果变量
exposure<-c("ieu-a-22","prot-b-66")outcome<-c("finn-b-O15_MEMBR_PREMAT_RUPT","ukb-b-12621","finn-b-O15_PLAC_PREMAT_SEPAR")然后生成结果，非常简单吧。
out<-Mendelian.help(exposure=exposure,outcome=outcome)
这样就结果就生成啦，我们可以看到每个暴露变量和结果变量匹配的情况，看出有没有意义，对于大规模变量的筛选我个人认为还是有帮助的。P值的筛选是通过孟德尔随机化P值中最要的方法Inverse variance weighted提取出的P值。
然而这个函数也是有部分缺点的，第一就是它是通过在线下载数据，如果你的网络不行，下载不到数据，它就会报错，所以因在网络比较好的时候进行（如白天）。如下图就是下载不到数据
第二就是如果你第一步提取的SNP数据过少只有1-2个的话，在第二步有可能匹配不上，也会报错。
最后，虽然这是一个非常简单的小程序，没有什么技术含量，但是也是有构思在里面的，不能免费贴出来烂大街，需要的公众号回复：代码，可以获得该程序。
来源地址：https://blog.csdn.net/dege857/article/details/131548009
