030
Intro
Challenges and Future Directions for Mendelian Randomization 是 Eleanor Sanderson 等人在 2026 年发表于 Nature Genetics 的 Perspective。它不是提出一个新的 MR estimator，而是在 MR 文献快速膨胀之后，重新讨论这个领域怎样判断因果证据是否可信。
这篇文章的主线很直接：Mendelian randomization 的价值不来自“用了遗传工具变量”这个标签，而来自每一个具体研究问题中工具变量假设是否站得住、目标因果 estimand 是否清楚，以及分析结果能否被其他独立证据支持。
Why I Read It
现在很多医学和组学论文都会用 summary-level MR 来补一句 causal evidence。公开 GWAS summary statistics 和自动化软件让这种分析变得很容易，但也让 exposure-outcome 组合的批量筛选、选择性报告和过度解释变得更常见。
我读这篇，主要是想给后面阅读 MR 论文建立一个更严格的框架。尤其是眼科、炎症、衰老、蛋白组和 drug-target prioritization 相关研究里，MR 常被用来把相关性推向因果解释。问题是，MR 估计能不能支撑这个解释，取决于研究者有没有认真处理工具变量假设、偏倚来源和外推边界。
What It Says
作者先把 MR 的扩张放在数据生态里看。MR 原本利用等位基因随机传递作为工具变量，试图估计 exposure 对 outcome 的因果效应。随着 GWAS summary statistics 大规模开放，summary-level MR 可以把不同研究里的 exposure GWAS 和 outcome GWAS 组合起来，快速研究罕见疾病、昂贵表型、蛋白组、代谢组和社会行为表型。
这种便利有正面价值。它扩大了可研究问题的范围，降低了数据访问和计算资源门槛，也让 molecular exposures 和 drug-target prioritization 这类问题更容易进入因果推断框架。作者的文献计量分析显示，MR 研究数量在 2019 年以后明显加速，覆盖了广泛的 exposure-outcome pairs。
但增长也带来可信度问题。作者指出，报告 statistically significant effects 的 MR 摘要增长快于报告 null-compatible effects 的摘要。这不直接证明单篇研究有问题，但提示 summary-level MR 特别容易受到 p-hacking、选择性报告和数据驱动分析影响。因为数据现成、分析快速、组合空间很大，如果没有预注册和清楚的主分析定义，显著结果很容易被挑出来讲成因果发现。
文章最重要的部分，是把 MR 的可信度重新放回工具变量假设上。MR 依赖 relevance、independence 和 exclusion restriction。relevance 要求遗传变异与 exposure 相关；independence 要求工具变量不与 outcome 的共同原因混杂；exclusion restriction 要求遗传变异只能通过目标 exposure 影响 outcome。除此之外，还要说明 MR 估计出来的是什么 causal estimand。
作者对常见敏感性分析持谨慎态度。许多 MR 论文会报告 inverse-variance weighted、MR-Egger、weighted median 等多个估计器，然后把结果一致当作稳健性证据。但这些方法通常使用同一组 variant-exposure 和 variant-outcome associations，只是在同一底层数据上施加不同统计假设。估计量之间并不独立；如果假设相似，多方法一致可能只是共享偏倚下的一致。
作者因此主张把统计敏感性分析和经验性证据结合起来。family-based data 可以帮助评估 population structure、dynastic effects 和 assortative mating；negative-control exposures or outcomes 可以检查 independence；PheWAS 和 pleiotropy profile 可以帮助识别工具变量是否关联许多其他表型；细胞、动物、准实验、随机试验和高质量观察性研究可以把遗传证据放到更宽的机制框架里。
后半部分讨论新数据格局带来的挑战。多祖源数据不仅是代表性问题，也能提供独特识别机会，例如东亚人群中 ALDH2 变异对酒精摄入和血压问题的证据价值。但跨人群 MR 也必须处理 linkage disequilibrium、等位基因频率、样本量、ancestry continuum 和 gene-environment interaction。大型志愿者 biobank 会带来 selection 和 collider bias。分子表型 MR 则面临 tissue specificity、measurement error、cis/trans instrument specificity 和高度相关分子表型的问题。
What I Take From It
这篇文章给我的最大提醒是：MR 结果应该被当作一类证据，而不是因果关系的终审裁决。一个 MR 结果如果只展示多个估计器方向一致，但没有说明 estimand、工具变量生物学特异性、负对照、家系证据或独立机制证据，它的可信度仍然有限。
另一个关键点是 internal validity 和 external validity 的区分。MR 常估计的是由遗传差异带来的终身小幅 exposure 改变。这可以帮助判断长期因果关系或做药靶优先级排序，但不能自动等同于某个年龄、某个剂量、某种临床干预的效果。比如 BMI 的遗传工具变量可以帮助理解 lifelong BMI differences 的影响，却不等同于减重手术或短期药物干预的效果。
对 drug-target 和 molecular phenotype 研究尤其要小心。cis instruments 通常比 trans instruments 更接近目标基因或蛋白，也更有生物学可解释性，但它们并不保证只通过目标分子起作用。蛋白水平、蛋白功能、组织表达、单细胞状态和疾病组织环境之间可能有很大差异。MR 在这里有价值，但需要和机制实验、组织特异表达和临床证据一起读。
Note
这篇是 Perspective，不是系统综述或模拟研究，所以它更像一套判断标准，而不是可直接执行的流程。作者提出 evidence triangulation，但不同证据源如何加权、偏倚是否真的独立、怎样避免研究者主观挑选支持性证据，仍然需要具体领域的方法学发展。
我会把它作为阅读 MR 论文的基准文献。以后看到 “MR supports a causal role” 时，不能只看 P 值和几个 sensitivity estimators，而要问几个更具体的问题：研究是否定义了目标 estimand？工具变量是否足够强且有生物学特异性？independence 有没有用家系、负对照或 population structure 检查？exclusion restriction 有没有被 pleiotropy profile 或机制证据支持？结果是否被误读成真实临床干预效应？
这也解释了为什么很多 summary-level MR 文章读起来很快，但真正可信的 MR 研究并不便宜。可信度来自额外证据，而不是来自自动化分析本身。