MR微观因果推断分析
研究目的
利用孟德尔随机化（Mendelian Randomization, MR）方法，以遗传变异为工具变量，系统评估DNA甲基化、转录组、代谢组、肠道菌群、口腔菌群等微观分子特征与表观遗传年龄加速度（EAA）之间的因果关系，从分子层面区分“伴随标志物”与“驱动因素”，为干预靶点筛选提供因果依据。
核心分析流程
本研究构建了完整的MR微观因果推断分析流程，包含11个核心R脚本：
| 序号 | 脚本名称 | 功能 |
|---|---|---|
| 1 | 01_MR_analysis_loop.R | 批量MR分析主循环 |
| 2 | 02_MR_filter_accept.R | p值筛选、方向一致性筛选 |
| 3 | 03_SE_filter_accept.R | SE阈值筛选 |
| 4 | 04_MR_data_merge.R | 合并MR结果、FDR校正 |
| 5 | 05_weight_network.R | 权重计算、因果路径网络分析 |
| 6 | 06_weight_boxplot.R | Weight分布箱线图 |
| 7 | 07_bar_chart.R | 特征效应对比柱状图 |
| 8 | 08_ridge_scatter_plot.R | 山脊图+散点图（MOFA权重整合） |
| 9 | 09_heatmap.R | 组学特征热图 |
| 10 | 10_network_plot.R | 因果路径网络图 |
| 11 | 11_cytoscape_export.R | Cytoscape网络文件导出 |
关键方法
工具变量筛选：采用LD clump（r² < 0.001）剔除连锁不平衡SNP，确保工具变量独立性；通过P < 1e-5和方向一致性（≥3种MR方法方向一致）双重筛选，保证因果推断可靠性。
权重计算：定义边权重 weight = |β| × (-log10(p))，综合反映因果效应强度与显著性。
路径搜索：以MOFA权重和β值总和排名前50的并集为起始节点，EAA为终点，搜索步长≤5的因果路径，计算综合评分Score = AEP × √SL × √TW / steps。
多方法验证：采用IVW、MR-Egger、加权中位数等多种MR方法，结合异质性检验、多效性检验、留一法、Steiger检验进行敏感性分析。
代码特点
高性能计算：多线程并行处理（32核心），分批处理大数据（每批48个特征）
批处理自动化：自动遍历所有暴露-结局对，批量完成MR分析
严格质量控制：多层筛选（P值、方向一致性、SE阈值、FDR校正）
可视化完整：从Weight分布到因果网络，从热图到山脊图，输出PNG+PPT双格式
Cytoscape兼容：导出GraphML+SIF+样式文件，支持发表级网络编辑
应用价值
本套代码实现了从GWAS结果到因果推断、从网络构建到可视化输出的全流程自动化，可用于大规模分子特征与表型之间的因果关系挖掘，为衰老机制研究和干预靶点筛选提供方法论支持。