一区妥妥的！一篇文章带你搞懂只靠临床数据发表SCI的两大利器

⏩普通医生连应付日常的生活和工作就已经劳心劳力了……许多SCI文章需要进行生物学的相关实验，哪来的时间和精力呢❔更何况很多医院连进行实验的基本条件都没有〰

⏩一些医生希望能通过现有的临床病例和临床数据库发表SCI，但又苦于没有方法和思路。今天和大家分享的这篇发表在BMC Med的Association between gut microbiota and preeclampsia-eclampsia: a two-sample mendelian randomization study，只使用Meta分析和孟德尔随机化为研究手段，以公开的临床数据库为样本，以肠道菌群和子痫为研究对象，就发表了一篇9分的SCI，足以说明其含金量。话不多说，小伙伴们一起来学习吧。

01什么是临床研究？

在开始分析这篇文章之前，我们得搞懂一个基本的概念，什么是临床研究？临床研究是以疾病的诊断、治疗、预后、病因和预防为主要研究内容，以患者为主要研究对象，以统计学方法为主要研究手段，以发现新病因、新手段、提高疗效等为研究目的研究。

临床研究按照性质分类，可以分为干预研究和观察性研究两类。

⏩干预研究，是指新的药物，新的疗法和新的器械对疾病的疗效，属于应用研究。它关注的是用研究成果解决问题产生的效果，一般来说较难发SCI。

⏩另一类是观察性研究，观察性研究是非随机化的研究，是在自然状态下对对象的特征进行观察和记录，并对结果进行描述和分析的研究。观察性研究主要可以分为三大类，一类是描述性研究，一类是病例对照研究，一类是队列研究。从近年来SCI的发表情况来看，观察性研究的发表更简单一些，发文类型集中在特殊病例分析和队列研究上。

02Meta分析和孟德尔随机化

关注近年来临床研究相关SCI，不难发现Meta分析和孟德尔随机化（mendelian randomization， MR）这两个词出现的频率和次数。那么这俩到底是什么呢？

⏩Meta分析是将多个研究目标相同的结果进行合并分析的统计学方法，被认为是循证医学的高级别证据。Meta分析在确定主题后，开始对相关文献和研究进行检索和筛选，接着对研究结果的数据进行提取和统计学分析，最后进行质量评估并发表报告。📃📃近年来Meta分析方法也越来越被医学研究人员接受和应用，在PubMed上搜索近一年的Meta分析相关文章，共有34631个结果，其中不乏10分以上的高分文章，足以说明基于Meta分析的临床研究的热度。

Meta分析主要由文献综述和系统评价两部分构成，可以说是一种更科学，更可信的综述文章。Meta分析大致可以分为常规的，单个率的，Meta回归分析，累积Meta分析，网状Meta分析，诊段性Meta分析等。

⏩孟德尔随机化是一种基于遗传变异的因果推断方法。其基本原理是根据基因型对表型的影响来推断生物学因素对疾病的影响。换句话说，大家都知道，一个生物的表型是基因型和环境共同作用的结果。

在孟德尔随机化中概念里，基因型被称作工具变量基因Z，纷繁复杂的环境被称为混杂因素U，混杂因素U中与工具变量基因Z强相关的因素被称为暴露因素X。要研究的问题一般是暴露因素X是否和结局变量Y强相关。大致的方法为：首先验证工具变量基因M与暴露因素X强相关，之后验证基因Z与除暴露因素X外的混杂因素U无关联，最后验证基因Z不会影响结局Y。通过统计学的方法验证这三个假设后，就能通过临床数据中基因Z与结局Y的关系，说明暴露因素X会导致结局Y。（如图1）孟德尔随机化的理论基础是基因的分离与自由组合定律，所以如果表型与伴性遗传，发生连锁遗传的基因有关，孟德尔随机化就是是不适用的。

03肠道菌群与子痫、前期子痫的相关性

基本概念都介绍完了，我们来详细说说这篇文章是怎么说明肠道菌群和子痫的关系的。首先作者对MiBioGen联盟中发布的所有肠道微生物宏基因组进行meta分析以确定肠道菌群的变异基因，共研究了24个队列。之后以16s RNA的基因可变区为靶点，分析微生物的组成。接着使用mbQTL（microbiota quantitative trait loci，mbQTL)定位分析，寻找能被定位在与肠道微生物区系中细菌类群的丰度水平相关遗传位点上的宿主基因。之后结合子痫、前期子痫（preeclampsia and eclampsia，PE）的GWAs（genome-wide association study，GWA）数据联合分析寻找候选SNP，建立了基因-肠道菌群-PE的联系桥梁。

作者讨论了可以作为工具变量基因Z的候选SNP的条件。它的选择依据如下：一是选择的SNP与每个肠道菌群的菌属显著相关。二是根据这些SNP的LD进行进一步筛选。LD是指不同基因座（loci）的等位基因（allele）之间非随机（nonrandom）的关联，其实就是筛选不能进行连锁遗传的SNP。三是这些SNP是等位基因的可能性很小，这一步是根据计算MAF（minor allele frequency，MAF）确定的。按照以上条件，与GWAs数据联合分析后，共筛选出1232个可以用于孟德尔随机化的工具变量Z。

接下来作者使用这些工具变量SNP位点做孟德尔随机化分析，结果如表一。

通过孟德尔随机化研究，发现八个菌属与PE相关。分别是Adlercreutzia菌，Bifdobacterium菌, Collinsella菌，Enterorhabdus菌，Eubacterium菌，Lachnospiraceae菌，Methanobrevibacter菌和Tyzzerella 3菌。（如图2）

之后运用leave-one-out法对八个菌属进行敏感性分析，验证结果的可靠性，结果如图3。

04总结

在这篇文章中，作者先应用meta分析，汇集了MiBioGen联盟中发布的所有肠道微生物群的基因组数据以寻找肠道菌群的遗传变异位点。从本质上来说，meta分析本来就是综合多个相同研究目的实验来得出新结论，作者通过对MiBioGen联盟中发布的所有肠道菌群宏基因组数据进行meta分析，增加了分析结果的普遍性和说服力。接着，作者通过PE的GWA数据和meta分析结果的关联分析，寻找可以作为工具变量Z的SNP位点。GWA是指全基因组关联研究，它一般用作全基因组筛选与疾病性状相关联的SNP。在这里，与肠道菌群显著相关且与PE性状相关的SNP位点被筛选后用作孟德尔随机化里的工作变量Z。

接下来作者做双因素的孟德尔随机化分析来验证肠道菌群与子痫的因果关系。之所以做双因素的孟德尔随机化分析，是因为工具变量SNP和暴露因素X（肠道菌群）之间，暴露因素X（肠道菌群）和结局变量Y（PE）之间的数据来自两个样本，分别是GWA和PE的关联分析及GWA与经过meta分析后的肠道菌群SNP的关联分析。同时，作者也进行了这些SNP作为工具变量Z的可行性的验证。基因或SNP作为工具变量Z需要满足三个条件，分别是工具变量Z与混杂因素U无关，工具变量Z与暴露因素X强相关，工具变量Z与结局变量Y无关。具体到这篇文章里，作者筛选的SNP与每一个肠道菌属都显著相关，满足了Z到X的检验。接着通过统计学方法，证明了Z之间非连锁遗传，非等位基因，满足了Z非U的检验。最后通过PE相关GWA和筛选的SNP的关联分析，进一步筛选了与Y无关的工具变量SNP。

在进行了孟德尔随机化分析后，作者使用leave-one-out法对得出的结果进行了敏感性测试。Leave-one-out法的原理是逐一剔除SNP后观察剩余结果的稳定性，是对结论是否可靠，结果是否稳健的验证。除此之外，孟德尔随机化中常用的验证手段还有多效应检验和异质性检验。多效应检验是指通过漏斗图和MR-Egger截距测试，以检测多效性的存在并评估结果的稳健性。异质性检验是指通过IVW（inverse variance weighted，IVW）和MR-Egger检验评估异质性，P值<0.05表明研究中存在异质性。

总的来说，孟德尔随机化分析的大致过程如下：

➤第一步是寻找工具变量。工具变量可以是基因，也可以是SNP位点。之后对工具变量的独立性，关联性和排他性进行检验。检验完成后；

➤第二步是用统计学方法估计工具变量对结局的作用；

➤第三步是汇集各个基因或是SNP的效应量；

➤第四步是对结果进行敏感性测试检验结果的可靠性。

常用的方法如前面提到的多效性检验，异质性检验等等。在这篇文章中，作者通过meta分析扩大了样本量，增加了结果的普遍性。之后计算LD，MAF等，验证了工具变量的独立性和关联性，通过与PE的GWA数据库联合分析，筛选出了具有排他性的工具变量。最后，通过敏感性测试，进一步说明了结果的可靠性。📣📣在不涉及基础实验的情况下发了一篇近十分的文章。没有好的实验条件，又想发SCI的小伙伴们快学起来吧！

持续分享，敬请点赞收藏关注哦～