想在“孟德尔随机化”方向玩出花？NHANES+机器学习，纯分析轻松拿下！别再只会生搬硬套了！爱“创新”才会赢！

孟德尔随机化（MR）近期一直很“高调”，经典的临床应用思路，恐怕大家都看惯了。那生信塔今天给大家推荐一个MR在基础领域的生物信息分析方向！特别是在做基因筛选时，在结合“机器学习”的前提下，MR更是锦上添花，显著提高文章“level”！

生信塔今天给大家带来的是由上海中医药大学团队25年1月发表在“Journal of Affective Disorders”（4.9的中科院2区）文章，结合机器学习和孟德尔随机化分析，探讨了甘油三酯-葡萄糖指数（TyG）与老年人抑郁及认知功能障碍的关系。

研究利用NHANES数据库（免费获取数据，特别适合缺乏数据的临床医生），创新性地采用多种机器学习模型（如Xgboost、随机森林等）对抑郁风险进行预测。同时，通过MR分析，进一步探讨了BMI与抑郁及认知功能的因果关系。该研究整合了传统统计方法与前沿机器学习技术，为生物信息学在流行病学研究中的应用提供了优秀范例，具有显著的复现价值。

看完有上车MR新思路或联合思路的想法吗？感觉自己分析搞不定？直接找生信塔 ，从思路评估到定制化分析，助你的发文少走点弯路！

题目：探索甘油三酸酯-葡萄糖指数在抑郁和认知功能障碍中的作用：利用机器学习对NHANES数据进行证据支持

研究背景

老年人抑郁和认知障碍普遍存在，有证据表明潜在的联系与肥胖和脂质代谢障碍。这项研究调查了老年人的甘油三酸葡萄糖指数（TYG）指数，体重指数（BMI），抑郁症和认知功能障碍，利用NHANES调查的数据以及采用机器学习技术的数据

研究思路

作者分析了2011 - 2014年NHANES数据集的1352名参与者，其接受了认知功能测试，抑郁评估和TYG指数测量；通过多元线性回归和亚组分析，以检查TYG指数与抑郁/认知障碍之间的关联，并以机器学习模型评估了预测因素对抑郁症的重要性；最后，以孟德尔随机化（MR）来探索BMI与抑郁症/认知功能之间的因果关系。

Ps：生信分析想要快，服务器必不可少！生信塔提供服务器租赁服务，还可免费试用，欢迎来询~

主要结果

1.
TyG指数与抑郁及认知功能障碍的关联

研究发现，调整混杂因素后，TyG指数与认知功能评分呈负相关，与抑郁评分呈正相关（p < 0.001）。这表明TyG指数越高，认知功能越差，抑郁症状越严重。然而，在肥胖人群（BMI ≥ 28）中，TyG指数每增加100单位，抑郁评分反而降低3.79分，提示肥胖可能对抑郁症状有保护作用。    

2.
机器学习模型结果

使用Xgboost等机器学习模型对抑郁风险进行预测，结果显示模型表现优秀（AUC = 0.960）。模型识别出BMI、TyG-BMI、性别和共病（如哮喘、中风、肺气肿）是抑郁的关键预测因素。此外，通过Shapley值分析，研究进一步探讨了TyG-BMI和BMI对抑郁风险的贡献。（抱歉，网络获取的原文为预印版，所以图片清晰度较低）

3.
孟德尔随机化分析结果

MR分析发现BMI与抑郁风险呈负相关（OR = 0.9934，p = 0.0001），与认知功能障碍风险也呈负相关（OR = 0.8514，p < 0.05）。这表明较高的BMI可能降低抑郁风险，但增加认知功能障碍的风险。即使在调整血脂代谢相关因素后，这种关联仍然显著。

4.
亚组分析结果

在不同BMI水平的亚组中，TyG指数与抑郁及认知功能的关联存在差异。例如，在BMI < 18.5的瘦弱人群中，TyG指数每增加100单位，认知功能评分显著提高；而在BMI ≥ 28的肥胖人群中，TyG指数与抑郁评分呈负相关。此外，年龄小于70岁的参与者中，TyG指数与抑郁评分呈负相关。

MVMR分析的结果揭示了对HDL，LDL和甘油三酸酯的调整后BMI与认知功能（a）以及抑郁症（B）之间的负相关性

小结  

本文思路简单清晰，选题较为常规，但是分析方法创新且高效。小伙伴们换个疾病方向或者研究主题，也可以使用机器学习+MR思路的生信分析，再叠加上NHANES等免费数据库，一篇“短平快”的文章复现难度也很低！如果研究思路或者分析技术受限，欢迎滴滴生信塔！