Large-scale plasma proteomic analysis identifies proteins and pathways associated with dementia risk》，发表于 Nature Aging $2021$ 。([PMC][1])

Step 1 科研逻辑结构拆解

模块	内容（基于原文）	作用
研究问题	痴呆（尤其AD）的血浆蛋白标志物很多来自小样本研究，缺乏大规模、前瞻性、系统性的蛋白组学分析来寻找真正与未来痴呆风险相关的蛋白。([PMC][1])	寻找早期预测及机制分子
领域缺口	过去研究多为病例-对照设计，仅检测几十到几百种蛋白，缺少大队列验证，也无法判断哪些蛋白可能具有因果意义。([PMC][1])	提出开展大规模血浆蛋白组筛选
核心假说	外周血浆蛋白组变化在临床痴呆发生前多年已出现，可反映参与疾病发生的生物学过程，并可筛选出潜在因果蛋白。([PMC][1])	将血浆蛋白作为机制和预测入口
主机制链	Aging → 外周免疫/炎症 + 血管功能 + 凝血 + 脂质代谢异常 → 血浆蛋白改变 → 神经退行性改变 → Dementia。SVEP1 等蛋白进一步通过MR分析支持潜在因果作用。([PMC][1])	建立疾病机制框架
生信推进方式	SomaScan蛋白组 → Cox分析 → 多重校正 → 外部队列验证 → MRI关联 → Mendelian Randomization → IPA/GO/KEGG/WikiPathway网络分析 → Canonical pathway评分。([PMC][1])	从关联逐步推进到机制推断
实验闭环	本文没有湿实验，而是采用多层验证闭环：独立队列复制、不同年龄阶段重复测定、MRI表型、MR因果分析、蛋白网络分析相互支撑。([PMC][1])	用流行病学+生信替代传统分子实验
因果起点	真正开始接近因果的是 Mendelian Randomization（MR）分析，其中SVEP1获得较强支持；其余大多数蛋白仍属于相关性证据。作者也明确指出统计关联本身并不能证明因果。([PMC][1])

“外周”到底指什么？
简单来说，外周血就是我们全身循环系统（血管、毛细血管）中流动的血液。

生活中的对应：你平时去医院体检，护士在你胳膊肘的静脉上扎一针抽出来的血，就是最标准的外周血。

为什么叫外周：因为这些血液流经身体的边缘和四肢，已经离开了制造它的“大本营”——骨髓（造血器官），也区别于存在于脑脊髓腔内的脑脊液，或者直接从心脏、特定深部器官内部提取的血液。

什么是“外周血浆蛋白组”？
把外周血抽出来后，通过离心去掉红细胞、白细胞和血小板，剩下的淡黄色半透明液体就是血浆。
外周血浆蛋白组（Peripheral Plasma Proteomics），就是利用质谱（MS）或高通量抗体/核酸适配体技术（如 Olink、SomaLogic），去系统性地检测和分析这部分血浆中成百上千种蛋白质的种类、含量和变化规律。

好的，我完全理解你的需求。你提供的这个表格框架非常专业，是针对**孟德尔随机化（Mendelian Randomization, MR）**研究中三大核心假设的深度拆解。

孟德尔随机化（MR）研究核心假设与实操排查全景表

核心维度	核心假设 / 概念	你的敏锐疑问 / 生物学痛点	统计学与生物学解释	生物信息学实操“排雷”与证明方案
关联性	① 关联性假设（IVs 与暴露/蛋白强相关）	SNP 必须能强力调控蛋白表达，否则会导致弱工具变量偏倚，无法发挥“杠杆”作用。	若 F 统计量 <10，说明工具变量解释的暴露变异度极低，此时 MR 估计值会严重向普通最小二乘法（OLS）回归结果偏移，丧失因果推断能力。	1. 筛选标准：仅提取全基因组显著（( P < 5 \times 10^{-8} )）的 cis-pQTL（顺式蛋白定量位点）； 2. 强度检验：计算 F 统计量 = (Beta² / SE²)，确保 ( F > 10 )（顶刊常要求剔除 ( F < 100 ) 的弱工具）。
独立性	② 独立性假设（IVs 与混杂因素无关）	后天的混杂因素（抽烟、生病）能影响 SNP 吗？	完全不能。基因（SNP）在受精卵时期就已锁定，后天任何行为或疾病都无法反向修改 DNA 碱基序列。这是 MR 被誉为“大自然随机对照试验”的核心逻辑根基。	1. 固有优势：满足大自然“随机分组”的纯洁性，无需像传统流行病学那样测量所有混杂； 2. 族裔规避：为规避种群分层混杂，分析时必须限制在单一族裔（如纯欧洲人群）的 GWAS 队列中。
独立性	（延伸痛点）表观遗传学搅局	如果混杂因素通过表观遗传（如 DNA 甲基化）改变了蛋白表达，MR 还成立吗？	因果推断依然成立。混杂因素虽在后天通过表观遗传降低了蛋白整体水平，但由于基因型（SNP）的分配是完全随机的，不同基因型个体间的系统性遗传差异不会被后天表观修饰抹平。表观修饰只影响下游机制解释，不破坏工具变量的外生性。	1. 排除反向因果：运行双向 MR，验证“疾病 → 蛋白”方向不显著； 2. 机制探索：结合 mQTL（甲基化QTL）进行两步法（Network）MR，阐明“混杂 → 表观遗传 → 蛋白 → 疾病”的完整介导链条。
排他性	③ 排他性假设（IVs 只能通过暴露作用于结局）	SNP 会反过来影响后天的临床混杂因素（如血压、血脂）吗？	可能会，这被称为“水平多效性”。如果 SNP 在改变目标蛋白的同时，还独立地改变了血压或烟瘾，那么该 SNP 就存在除“蛋白→疾病”之外的平行通路，导致算出的因果效应被“污染”（混杂）。	1. 先验筛查：使用 PhenoScanner 数据库查“户口”，筛掉与 BMI、血压、血脂等已知混杂强相关的 SNP； 2. 后验矫正：使用 MR-Egger（检验截距项是否为0）和 MR-PRESSO（检测并剔除离群多效性 SNP）进行敏感性分析。
排他性	（延伸痛点）多蛋白重叠（水平 vs 垂直多效性）	排他性要求只通过一个蛋白起作用，如果 SNP 调控了多个蛋白呢？	必须严格区分： 1. 垂直多效性（允许）：蛋白 A → 蛋白 B → 疾病，此为正常的生物学级联，未违背排他性； 2. 水平多效性（违规）：SNP 平行调控 A 和 B，二者独立影响疾病，分不清谁是元凶。	1. 源头控制：首选 cis-pQTL（顺式），因其作用于蛋白编码基因附近，发生水平多效性的概率极低； 2. 信号验证：跑 Colocalization（共定位分析），证明 eQTL/pQTL 与 GWAS 信号是否由同一个致病变异驱动； 3. 联合矫正：采用多变量 MR（MVMR），将多个相关蛋白同时纳入模型，互相校正以鉴别直接效应。

2. pQTL 的两大核心分类（生信分析必考点）

在做孟德尔随机化（MR）时，审稿人一定会让你把 pQTL 细分为以下两类，因为它们的生物学意义和可靠性完全不同：

cis-pQTL（顺式 pQTL）—— 临近调控

位置：这个 SNP 位点就位于编码该蛋白的基因区域内部，或者附近（通常在上下游 1Mb 范围内）。
特点：近水楼台先得月。它通常是直接影响了该基因的启动子、增强子或者蛋白本身的结构。
为什么 MR 喜欢它？：它的专一性极强（只管自己家这个蛋白），极少去管别的基因，因此完美符合 MR 的排他性假设（不容易产生水平多效性）。

trans-pQTL（反式 pQTL）—— 远端调控

位置：这个 SNP 位点距离编码该蛋白的基因非常远，甚至在其他染色体上。
特点：手伸得太长。比如这个 SNP 突变改变了一个“转录因子 B”的活性，而这个转录因子 B 就像一个大喇叭，会同时跑到全基因组去激活/抑制几十个不同蛋白的表达（包括蛋白 X、Y、Z）。
为什么 MR 要防着它？：因为它一调就是一大片蛋白，严重违反 MR 的排他性假设（极易产生水平多效性），在生信管线的第一步通常会被作为“内鬼”直接过滤掉。

3. pQTL 在你的 SomaScan 研究中怎么用？

既然你正在关注 SomaScan 5000 蛋白的高通量临床应用，pQTL 对你来说就是做孟德尔随机化（MR）的最核心数据源：

第一步（查手册）：你通过 Cox 回归筛出了 10 个关键风险蛋白。你不可能自己去给几十万人测基因组加蛋白组来找 pQTL，这太贵了。
第二步（用公共数据）：你会去下载国际顶尖的大型血浆蛋白 GWAS 财团数据（比如 UK Biobank pQTL 数据、deCODE 数据库、或 Fenland 队列）。
第三步（提取工具变量）：在这些公共数据库里，直接输入你那 10 个蛋白的名字，把它们对应的、已经发表的 强烈显著的 cis-pQTL（SNPs） 提取出来。

拿到这组 pQTL 以后，你就可以名正言顺地把它作为“工具变量”，去和疾病的结局 GWAS 数据（如类风湿、心梗、阿尔茨海默病）对接，开始你的孟德尔随机化（MR）因果推断了。

这张表实际上是在帮你构建一个MR 分析的质量控制闭环：

先看“工具变量强不强”（F 检验）→ 保证统计效力；
再看“工具变量纯不纯”（独立性）→ 利用遗传学先天优势避开后天混杂；
最后看“通路干不干净”（排他性）→ 通过 PhenoScanner + MR-PRESSO 剔除多效性“杂质”。

人类的身高是由成千上万个基因微弱累加控制的（多基因控制）。

主效 QTL（Major QTL）：影响最强的那个，比如一个位点就能让你天生高 3 厘米。
微效 QTL（Minor QTL）：影响微弱的那些，比如一个位点只能让你天生高 0.1 厘米。

2. 从 QTL 到 pQTL（蛋白质丰度）

在 SomaScan 蛋白组学中，我们把“某种蛋白质在血浆里的浓度（比如 1.2, 5.5, 10.8 ng/mL）”也当成一个像“身高”一样的数量性状。

控制这个蛋白浓度的，可能也是体内的多个基因。
我们通过统计学，在染色体上揪出了具体调控该蛋白浓度的那个基因位点（SNP）。
因为这个性状是 Protein（蛋白质），所以我们在这个词前面加了个小写的 p，简称为 pQTL。

概念	它的本质是什么？	举个大白话例子
数量性状	一种由多个基因共同调控、呈连续分布的生理特征。	身高、血压、血浆中蛋白 A 的浓度。
QTL	在基因组中，被科学家定位到的、调控该特征的具体基因区域/位点。	染色体 5 号主宰身高的那个特定片段。
pQTL	特指调控某种蛋白质浓度的基因位点。	染色体 1 号上控制“蛋白 A”表达量高低的 SNP。
如果样本太少，重组可能不发生，就算不了摩尔距离是这样吗

Step 2 技术—结果—机制绑定

SomaScan 用“核酸适配体探针”抓取蛋白质 $\to$ 洗脱并释放探针 $\to$ 用“DNA 芯片探针”进行杂交定量。

分析方法	得到结果	生物学意义	推动后续实验/分析	类型
SomaScan（≈5000蛋白）[]	发现大量与未来痴呆相关蛋白	构建血浆蛋白图谱	候选蛋白筛选	发现型分析
Cox比例风险模型	38个蛋白Bonferroni显著，200+蛋白FDR显著	识别风险蛋白	外部验证	发现型分析
独立队列复制	多个关键蛋白可重复验证	提高结果可信度	MRI及MR分析	验证型分析
MRI关联分析	多种蛋白与脑萎缩、白质损伤相关	建立蛋白—脑结构联系	支持疾病相关性	转化型分析
Mendelian Randomization	SVEP1支持潜在因果作用；angiostatin证据较弱	从相关迈向因果	候选治疗靶点	机制推断型分析
IPA Canonical pathway	富集免疫、凝血、血管、胆固醇代谢等通路	提炼共同机制	Pathway Composite分析	机制推断型分析
Protein Network	TREM1/TREM2/IL18等形成免疫网络	指向小胶质细胞/神经免疫	网络功能分析	机制推断型分析
GO/KEGG/WikiPathway	富集NF-κB、细胞因子、补体、NK细胞等	揭示系统生物学改变	机制整合	机制推断型分析

1. “发现型分析（Discovery Analysis）”：怎么筛出 38 个和 200+ 个蛋白的？，研究者针对 SomaScan 检测到的所有蛋白（假设是

5,000 个），每一个蛋白单独跑了一次单因素 Cox 回归模型： $h (t) = h_{0} (t) \times e^{β \times Protein}$

Two-Sample（双样本），是因为在这个分析框架下，你可以只用两个完全独立、互不相识的临床队列（数据集）的统计表格，就能推断出因果关系。

👑 现代的 Two-Sample MR（双样本 MR）

为了解决上面的困境，统计学家提出：既然基因（SNP）在人群里的分配规律是恒定的，我们为什么不借力打力，把两个专注于不同方向的顶级大队列组合起来用呢？

【样本 1：暴露蛋白队列 (deCODE) 】【结局样本 2：疾病队列 $I G A P$ 】
3.5万健康人，测了基因+蛋白 6万偏重疾病的人，只测了基因
│ │
▼ ▼
算出：SNP ──► 蛋白的效应量 $β_{e x p}$ 算出：SNP ──► 老年痴呆的效应量 ( $β_{o u t}$ )
│ │
└───────────────────┬───────────────────┘
▼
【 TwoSampleMR 核心算法】
利用数学公式： $β_{causal} = \frac{β _{o u t}}{β _{e x p}}$

而 TwoSampleMR 之所以被奉为经典，是因为它做到了两点：

内置跨国数据接口：它内置了一个叫 MR-Base 的云端数据库。你想研究什么，直接在 R 里输入疾病或蛋白的 ID，它自动帮你把两个样本的 GWAS 表格从云端拉下来。
自动数据对齐（Harmonization）：它有一行神级函数 harmonise_data()，能够自动识别两个独立样本之间的碱基正负链方向、剔除回文 SNP、统一效应等位基因（Effect Allele）。这是以前生信工程师最痛苦的工作，它一秒钟就自动完成了。

在 Cox 比例风险模型公式中：

$h (t, X) = h_{0} (t) \times e^{β_{1} X_{1} + β_{2} X_{2} + \dots + β_{p} X_{p}}$

每一个 $X$ （如 $X_{1}, X_{2}, \dots, X_{p}$ ） 在统计学上被称为自变量（Independent Variables）、协变量（Covariates） 或 预测因子（Predictors）。

简单来说，它们就是用来预测患者“什么时候会发生终点事件（如死亡、复发）”的各种特征指标。

场景 A：探究“单个蛋白”的独立预后价值（最常见）

在筛查标志物时，为了证明某个蛋白不仅仅是因为“患者年纪大”才导致生存期短，你需要把临床因素也作为 $X$ 放进模型进行多因素校正：

$X_{1}$ = 目标蛋白 A 的丰度（你想研究的核心蛋白）
$X_{2}$ = 年龄（临床协变量）
$X_{3}$ = 性别（临床协变量）
$X_{4}$ = 临床分期（临床协变量）

这种情况下，我们最关心的是 $β_{1}$ 。只要 $β_{1}$ 对应的 $P$ 值显著，就说明在排除年龄、性别和分期干扰后，该蛋白依然能独立预测患者的生存风险。

场景 B：构建“多蛋白特征”预测面板（Signature）

当你从 5,000 个蛋白中筛选出了最关键的 5 个预后相关蛋白，想把它们打包成一个诊断工具时，这 5 个 $X$ 全部代表不同的蛋白：

$X_{1}$ = 蛋白 A 的丰度
$X_{2}$ = 蛋白 B 的丰度
$X_{3}$ = 蛋白 C 的丰度
$X_{4}$ = 蛋白 D 的丰度
$X_{5}$ = 蛋白 E 的丰度

此时模型计算出的 $β_{1} X_{1} + β_{2} X_{2} + \dots + β_{5} X_{5}$ 的加权求和值，就是该患者的风险评分（Risk Score）。医生只需给患者抽一管外周血测这 5 个蛋白，套入公式，就能算出该患者的高低风险评分。

IPA Canonical Pathway:也是通路 不过是经过人工精选的，有大量的医学的例子，能明确告诉激活还是抑制

初步机制链（论文核心）

衰老
   ↓
外周免疫激活 + 血管功能异常 + 凝血异常 + 脂质代谢改变
   ↓
血浆蛋白谱重塑
   ↓
SVEP1 / TREM2 / IL18 / GDF15 等关键蛋白改变
   ↓
脑萎缩、白质病变等神经影像学异常
   ↓
痴呆发生风险增加

Reviewer视角（提前指出）

这篇文章最大的亮点不是发现了很多蛋白，而是分析设计的层层递进：

大规模蛋白组筛选（Discovery）
独立队列复制（Replication）
MRI表型关联（Phenotype）
MR分析（Causality）
Pathway/Network整合（Mechanism）

不过，它的主要局限也很明确：**除了MR之外，绝大多数证据仍属于观察性关联，没有细胞或动物实验验证机制。**作者也在讨论部分明确承认这一点。([PMC][1])

如果你希望按你的模板继续，我下一步将进入 Step 3：机制链深度分析，重点拆解：

为什么 SVEP1 能成为核心机制节点；
免疫、凝血、血管、脂质代谢四条通路如何汇聚到痴呆发生；
每种生信分析如何推动机制链，而不仅是“做了什么”。

Step 3 — 机制链深度分析（基于原文）

论文定位：这不是传统”单基因→单通路→动物实验”机制文章，而是一篇系统生物学（systems biology）+ 大规模蛋白组学论文。作者试图回答的是：**哪些全身生物学过程在痴呆发生前十几年已经开始改变？**而不是证明某一个分子的作用。原文机制证据主要来自蛋白富集分析、网络分析、MRI关联和MR分析。

一、真正的机制主线

衰老(Aging)
      ↓
慢性低度炎症（Inflammaging）
      ↓
血管内皮损伤 + ECM重塑 + 凝血激活
      ↓
外周免疫持续激活
      ↓
脑血管功能下降
      ↓
神经炎症
      ↓
神经元退变
      ↓
Dementia

血浆蛋白是整个机体病理状态的镜子。

二、论文真正发现的四条机制轴

机制轴	核心蛋白	生物学作用	证据等级
① 炎症轴	IL18、TREM2、SIGLEC家族	持续免疫激活	⭐⭐⭐
② 血管轴	SVEP1、THBS2等	内皮损伤、ECM重塑	⭐⭐⭐⭐
③ 凝血轴	Coagulation proteins	微血栓形成	⭐⭐⭐
④ 脂代谢轴	APOE pathway相关蛋白	胆固醇运输异常	⭐⭐⭐

作者最终把几十个蛋白归纳成四种生物学过程。

这才是systems biology的思想。

三、为什么SVEP1成为全文核心？

原文中SVEP1并不是表达变化最大的蛋白。

作者重点关注它，是因为：
所以作者逻辑不是 SVEP1最高表达而是SVEP1成为最可信候选。

判断依据	原文证据
与痴呆风险显著相关	Cox分析
多个队列重复出现	Replication
MRI相关	Brain phenotype
MR支持因果	Mendelian Randomization

四、SVEP1为什么可能影响痴呆？

结合论文结果，可以推导：

SVEP1↑
      ↓
Extracellular Matrix remodeling
      ↓
Endothelial dysfunction
      ↓
Blood-brain barrier改变
      ↓
Microvascular injury
      ↓
神经炎症
      ↓
认知下降

注意：

这一部分属于作者提出的生物学解释。

论文没有做细胞实验直接证明。

因此Reviewer会认为：

仍属于合理机制推断。

五、炎症轴

论文大量蛋白集中于：

IL18
TREM2
SIGLECs
TNFR family

说明：

不是急性感染，

而是：

Chronic low-grade inflammation（Inflammaging）

机制链：

老龄化
      ↓
Innate immune activation
      ↓
Microglia priming
      ↓
Neuroinflammation
      ↓
Synapse loss

这是目前AD研究最认可方向之一。

六、为什么作者做MRI？

很多人认为MRI只是验证实际上不是。它作用是：建立：

蛋白→脑结构

例如：

Protein ↑
        ↓
White matter lesion ↑

Protein ↑
        ↓
Hippocampus ↓

这样：

蛋白不再只是预测指标。

开始连接病理。

七、Pathway分析真正作用

实际上这里真正作用：

几十个蛋白归纳成

Immune

Vascular

Coagulation

Lipid

有了Pathway以后：

变成：

“发现四种核心病理过程。”

这是高分文章常见写法。

八、本论文最大的机制创新

不是找到一个新蛋白。

而是建立：

Proteome
      ↓
Network
      ↓
Pathway
      ↓
MRI
      ↓
MR
      ↓
Disease

这是典型Nature系列文章喜欢的：

多层证据整合（multi-layer evidence integration）

而不是：

单个Western blot。

本文机制链（Reviewer版）

Aging
    ↓
Inflammaging
    ↓
Immune activation
        ↘
         Vascular dysfunction
                ↘
          ECM remodeling (SVEP1)
                ↓
BBB dysfunction
                ↓
Brain structural changes (MRI)
                ↓
Neurodegeneration
                ↓
Dementia

从你的生信学习角度，这篇文章最值得借鉴的地方

这篇论文几乎没有复杂的新算法，真正值得学习的是分析推进机制的顺序：

大规模蛋白筛选 → 独立队列验证 → 脑影像关联 → 通路/网络整合 → MR因果推断。

这条路线把发现（discovery）、验证（replication）、**机制推断（mechanism inference）和因果证据（causality）**串联起来，是高水平组学论文常见的整体设计思路。

建议下一步进入 Step 4（Reviewer视角批判）。这一部分会重点分析：

哪些结论只是相关性、哪些真正接近因果；
MR分析有哪些前提和潜在局限；
为什么这篇 Nature Aging 论文没有湿实验仍然能够发表；
如果按 Nature、Cell、Science 的标准继续升级，还缺哪些关键证据。

Step 4——Reviewer视角批判（基于原文）

Reviewer思维：不是”作者做了什么”，而是”这些证据足以支持作者的结论吗？”

这篇 Nature Aging 论文整体设计严谨，但如果按 Nature / Cell 机制论文标准来看，它仍属于高质量机制推断（mechanism inference），而非机制证明（mechanism proof）。

一、证据强度拆解

证据	原文是否具备	Reviewer评价	强度
大样本前瞻性队列	✔	最大优势	⭐⭐⭐⭐⭐
独立队列重复验证	✔	提高可信度	⭐⭐⭐⭐
MRI关联	✔	建立蛋白-脑表型联系	⭐⭐⭐
通路富集（GO/IPA等）	✔	提供机制方向	⭐⭐
蛋白互作网络	✔	支持系统生物学解释	⭐⭐
Mendelian Randomization	✔（部分蛋白）	接近因果	⭐⭐⭐⭐
细胞实验	✘	缺失	❌
动物模型	✘	缺失	❌
Rescue实验	✘	缺失	❌

Reviewer结论：

这是一篇**“发现+验证+因果推断”文章，不是”机制验证”**文章。

二、最大的优势

① 超大样本

传统蛋白组：

100~500例

本文：

数千例

而且：

前瞻性
长期随访
Incident dementia（新发病例）

因此：

Reviewer很难质疑：

“是不是倒因为果？”

这是本文最大的竞争力。

② 多层验证

作者不是：

Proteomics
↓
发论文

而是：

Proteomics
      ↓
Replication
      ↓
MRI
      ↓
MR
      ↓
Pathway

每一步：

都在减少假阳性。

这是Nature系列文章最喜欢的设计。

三、最大的缺陷

没有功能实验（Functional validation）

例如：

对于SVEP1。

作者实际上只证明：

SVEP1↑

↓

Dementia risk↑

但是没有证明：

SVEP1

↓

Neuron death

也没有证明：

SVEP1

↓

Microglia activation

更没有：

SVEP1 KO

↓

认知改善

所以：

Reviewer一定会问：

SVEP1究竟是Driver还是Passenger？

四、MR真的证明因果了吗？

MR证明的是：

MR只能说明：

更接近因果。

六、MRI分析有没有问题？

MRI关联：

Protein

↓

Brain volume

Reviewer第一反应：

是不是：

年龄

导致：

Protein↑

Brain atrophy↑

即：

共同原因（Confounding）。

作者进行了协变量校正（如年龄、性别等），但观察性研究无法完全排除残余混杂。因此，MRI分析增强了可信度，却不能单独证明因果。

七、最容易被攻击的位置

Reviewer Question 1

为什么只有SVEP1做MR？

因为：

很多蛋白：

没有可靠pQTL。

Reviewer：

Selection bias？

Reviewer Question 2

为什么：

Blood protein

能够代表：

Brain biology？

尤其：

BBB存在。

很多蛋白：

并不能进入脑组织。

这是本文讨论部分也承认的问题。

Reviewer Question 3

蛋白改变是不是：

结果？

而不是：

原因？

例如：

早期神经退变

↓

释放蛋白

↓

Blood protein↑

而不是：

Blood protein导致AD。

这是所有生物标志物研究都会面对的问题。

八、如果投稿Nature，会要求补什么？

Reviewer通常会要求：

① 单细胞RNA-seq

定位：

SVEP1

到底来自：

Microglia？

Astrocyte？

Endothelium？

② 空间转录组

证明：

SVEP1

空间位置。

③ 小鼠实验

SVEP1 KO

↓

AD model

↓

Memory？

④ Rescue

KO

↓

Phenotype disappear

↓

Overexpression

↓

Phenotype recover

这是机制论文最高等级证据。

九、如果我是Reviewer，我会给什么意见？

问题	是否严重	建议
大样本	✔优势	无
多中心验证	✔优势	无
MRI关联	✔优势	可增加纵向MRI
MR分析	✔优势	增加更多蛋白的MR
功能实验缺失	重大不足	必须补充
细胞来源未知	中等不足	单细胞/空间组学
分子机制不清	重大不足	KD/OE实验

十、为什么这篇文章仍然能发Nature Aging？

它的核心贡献不是“证明SVEP1导致痴呆”，而是：

建立了超大规模前瞻性血浆蛋白组；
提供了一套从发现→验证→因果推断的分析框架；
将众多蛋白整合为免疫、血管、凝血、脂质代谢四大病理轴，为后续机制研究提供优先候选靶点。

因此，这篇论文更像是机制研究的起点，而不是终点。

Reviewer最终评价

维度	评分（5★）	评价
数据质量	⭐⭐⭐⭐⭐	超大样本、前瞻性设计是最大亮点
生信分析	⭐⭐⭐⭐☆	多层验证，逻辑完整
机制深度	⭐⭐⭐☆☆	机制推断充分，但缺乏直接功能验证
因果证据	⭐⭐⭐⭐☆	MR提升了可信度，但仍非最终证明
转化价值	⭐⭐⭐⭐⭐	为痴呆早期筛查和靶点发现提供了

**最薄弱机制环节：**SVEP1等关键蛋白与神经退行性改变之间缺少直接分子机制和功能实验。

**最容易被Reviewer质疑的位置：**外周血蛋白是否真正驱动脑内病理，而不仅仅是疾病发生过程中的伴随变化。

Step 5——可迁移课题模板（高分机制论文设计）

这一步是这篇论文最值得学习的部分。

很多人看完会认为：

“作者用了5000多个蛋白，所以能发Nature Aging。”

实际上不是。

真正值得学习的是：

分析设计（Study Design）

而不是：

蛋白组技术（Technology）

一、论文真正Workflow（不是Methods顺序）

很多人看到Methods：

Proteomics
 
↓
 
Statistics
 
↓
 
MR
 
↓
 
Pathway

实际上作者真正科研思路是：

Clinical Question
        ↓
Large cohort
        ↓
Proteomics discovery
        ↓
Replication
        ↓
Brain phenotype
        ↓
Mechanism inference
        ↓
Causal inference

注意：

所有分析都是围绕一个科学问题。

不是：

想到什么分析就做什么分析。

二、真正可以迁移到你的课题

假设：

你的课题：

COPD

那么可以直接改成：

COPD cohort
        ↓
Proteomics
        ↓
Identify proteins
        ↓
Validation cohort
        ↓
CT imaging
        ↓
MR
        ↓
Pathway

如果：

研究肿瘤：

TCGA
 
↓
 
DEG
 
↓
 
Validation GEO
 
↓
 
Single cell
 
↓
 
Spatial
 
↓
 
CRISPR

本质完全一样。

三、论文真正套路

作者实际上用了Nature最经典套路：

第一层 Discovery 发现候选物
第二层 Replication 在其他的队列中的重复

第三层

Phenotype

MRI

Reviewer：

不是marker了。

开始关联病理。

第四层 Mechanism

GO
 
IPA
 
Network

Reviewer：

知道为什么。

第五层

Causality

MR

Reviewer：

接近因果。

所以：

真正套路：

Discovery
 
↓
 
Validation
 
↓
 
Mechanism
 
↓
 
Causality

五、为什么一定要Replication？

Reviewer最怕：

False positive

作者：

第一件事情：

不是做机制。

而是：

重复。

这是很多国内文章没有做好的地方。

真正顺序：

../文献 Discovery

Discovery
 
↓
 
Replication
 
↓
 
Mechanism

不是：

Discovery
 
↓
 
Western blot

六、为什么做MR？

很多人：

做到GO：

结束。

但是：

Nature不会满足。

作者：

继续：

Association
 
↓
 
MR

于是：

Reviewer：

开始相信：

不是巧合。

七、如果升级到Cell怎么办？

本文停留：

Proteomics
 
↓
 
MR

Cell一般要求：

Proteomics
 
↓
 
Single-cell
 
↓
 
Spatial
 
↓
 
CRISPR
 
↓
 
Mouse
 
↓
 
Rescue

所以：

这篇文章：

属于：

Systems Biology。

不是：

Mechanistic Biology。

八、最值得学习的分析框架

模板一（蛋白组）

Proteomics
        ↓
Differential proteins
        ↓
Validation
        ↓
Clinical phenotype
        ↓
MR
        ↓
Mechanism

模板二（Bulk RNA）

DEG
      ↓
WGCNA
      ↓
Machine learning
      ↓
Validation
      ↓
Single-cell
      ↓
Spatial
      ↓
Experiment

模板三（单细胞）

Cell annotation
        ↓
DEG
        ↓
Trajectory
        ↓
CellChat
        ↓
SCENIC
        ↓
Spatial
        ↓
Validation

九、哪些步骤最关键？

步骤	能否省略	原因
Discovery	❌	没有候选分子，就没有后续分析。
Replication	❌	决定结果是否稳健，是高水平论文的关键。
Pathway整合	△	可替换为其他系统分析，但需要把候选分子提升到机制层面。
MR	△	不是所有课题都适用，但能显著增强因果推断。
功能实验	若目标是机制论文则不可省略	决定论文最终的机制深度。

十、如何迁移到你的生信课题

结合你平时做的生信分析，我建议不要把重点放在**“多做几个分析”，而要放在“分析如何推进机制链”**。可以借鉴本文的思路：

临床问题
    ↓
发现候选基因（DEG/WGCNA/蛋白组）
    ↓
独立数据集验证
    ↓
建立与临床或影像表型的联系
    ↓
通路/网络整合，提出机制假说
    ↓
因果推断（MR、遗传证据或扰动数据）
    ↓
功能实验验证（细胞/动物）

这条路线比简单堆砌 DEG + GO + GSEA + PPI + ROC 更符合高水平期刊的科研逻辑。

Step 6——生信分析真实作用（重点解析）

这一部分是生信分析员最应该学的内容。

不要问：“作者做了什么分析？”

而要问：“为什么必须做这个分析？如果不做，会缺少什么证据？”

这篇论文最大的特点是：几乎没有使用现在常见的复杂AI算法（如WGCNA、LASSO、随机森林），却依然形成了完整的机制推断链。

一、本文分析的真正作用

分析	真正作用	为什么必须做	不做会缺什么	是否推进机制
SomaScan蛋白组	全局发现候选蛋白	无偏筛选，而非预设假说	只能研究已知蛋白	⭐⭐⭐⭐⭐
Cox比例风险模型	判断蛋白是否预测未来痴呆	利用随访时间，避免简单病例-对照比较	无法评价长期风险	⭐⭐⭐⭐
多重校正（FDR/Bonferroni）	控制假阳性	数千蛋白同时检验必需	大量错误发现	⭐⭐⭐⭐
独立队列验证	验证可重复性	排除偶然发现	结果可信度大幅下降	⭐⭐⭐⭐⭐
MRI关联	将蛋白与脑结构连接	从”风险标志物”推进到”病理相关”	缺少脑表型支持	⭐⭐⭐⭐
MR分析	提供遗传层面的因果支持	区分相关与潜在因果	无法提升机制可信度	⭐⭐⭐⭐⭐
GO/IPA/WikiPathways	将离散蛋白整合为病理过程	构建统一机制框架	只有零散候选蛋白	⭐⭐⭐
Protein Network	找关键网络节点	识别枢纽蛋白和共同通路	无法体现系统性	⭐⭐⭐

二、为什么没有做WGCNA？

很多国内论文会写：

DEG
↓
WGCNA
↓
Hub gene

但这篇论文没有。

原因：

WGCNA适合回答：

哪些基因共同变化？

而本文真正问题是：

哪些蛋白能够预测未来痴呆？

这是两个完全不同的问题。

所以作者优先选择：

Protein
      ↓
Future dementia risk

而不是：

Protein A
 
↓
 
Protein B

Reviewer会认可这种”问题驱动方法”，而不是”方法驱动研究”。

三、为什么没有机器学习？

近年来很多文章会做：

LASSO
Random Forest
XGBoost

本文没有采用。

因为作者目标不是建立预测模型，而是解释生物学。

如果加入机器学习：

得到的是：

Prediction score

而作者真正想得到：

Mechanism

因此：

预测 ≠ 机制。

四、为什么MRI如此重要？

很多人认为：

MRI只是一个验证。

实际上：

它承担的是：

Blood protein
 
↓
 
Brain pathology

这是整篇论文第一次把：

外周血

连接到

脑组织。

所以：

MRI属于：

Phenotype Bridge（表型桥梁）

不是：

Validation。

五、MR真正解决什么问题？

MR=因果。

其实：

MR解决的是：

Confounding（混杂）

例如：

观察性研究：

Protein ↑
 
↓
 
Dementia ↑

可能：

年龄导致：

Age
 
↓
 
Protein ↑
 
↓
 
Dementia ↑

MR：

利用：

Genotype
 
↓
 
Protein
 
↓
 
Disease

因为：

基因：

出生时决定。

所以：

年龄、

生活方式、

疾病：

不能反向影响基因。

因此：

MR能够：

减少混杂。

但：

不能代替：

功能实验。

六、GO、IPA、Network有什么区别？

很多初学者把它们都当成”富集分析”。

实际上，它们回答的问题不同：

方法	回答的问题
GO	这些蛋白主要参与哪些生物过程？
KEGG/WikiPathways	涉及哪些经典信号通路？
IPA	上游调控者、经典通路及疾病功能网络是什么？
Protein Network	哪些蛋白互相联系、哪些是网络核心？

因此：

作者不是重复分析。

而是：

从不同角度解释同一批蛋白。

七、如果升级到2026年，这篇文章会增加什么？

按照目前顶刊趋势。

至少增加：

① 单细胞

定位：

Protein
 
↓
 
Which cell？

例如：

Microglia？

Endothelium？

Astrocyte？

② 空间转录组

证明：

Protein
 
↓
 
Where？

而不是：

Only blood。

③ 多组学

例如：

Proteomics
 
↓
 
Metabolomics
 
↓
 
Epigenomics

建立：

真正机制链。

④ 因果扰动

例如：

CRISPR：

SVEP1 KO
 
↓
 
RNA-seq
 
↓
 
Pathway

真正证明：

Driver。

八、如果换成你的生信课题，应该怎么设计？

假设你研究的是肿瘤或慢性疾病，可以借鉴本文的逻辑，而不是照搬方法：

临床问题
      ↓
发现候选分子（RNA/蛋白）
      ↓
独立数据集验证
      ↓
与临床或影像表型关联
      ↓
系统分析（通路/网络）
      ↓
因果推断（MR或遗传证据）
      ↓
功能验证（细胞/动物）

关键是：

每一步都回答一个新的科学问题，而不是重复描述同一批数据。

九、Reviewer最喜欢的分析推进方式

阶段	科学问题	推荐分析
发现	有哪些候选分子？	DEG / 蛋白组
验证	是否可重复？	独立队列
表型	与疾病表现有关吗？	临床/MRI/病理关联
机制	为什么会这样？	GO、IPA、Network、单细胞
因果	是驱动还是伴随？	MR、扰动实验
功能	改变它会怎样？	KD/OE、动物、Rescue

针对你（生信分析）的建议

结合我们之前讨论过的内容，我认为你最需要培养的是科研问题驱动的分析思维。

这篇论文最值得借鉴的不是某个软件，而是：

每一种分析都有明确目的；
每一步分析都推动下一步，而不是简单堆叠结果；
最终形成一条完整的”发现→验证→机制→因果”证据链。

这也是高水平生信论文与普通”分析流水账”最大的区别。

建议继续进入 Step 7：因果强度分析

这一部分我会把论文中的每一项证据按照相关性→机制推断→因果证明重新排序，并指出：

哪些结论只能说”associated with”；
哪些可以说”likely causal”；
哪一步才真正开始建立机制；
如何把这篇论文升级为真正的 Cell/Nature 机制论文。

Step 7——因果强度分析（Reviewer最关注）

这一部分是高分论文和普通论文最大的区别。

很多人认为：

做了很多分析 = 机制很强

实际上Reviewer真正看的只有一句话：

你的证据到底能支持什么程度的结论？

一、整篇论文因果证据地图

我先把全文所有分析按照因果强度重新排序。

证据	本文是否有	能说明什么	因果等级
血浆蛋白与痴呆相关	✔	发现候选蛋白	⭐
独立队列重复	✔	不是偶然发现	⭐⭐
MRI相关	✔	与脑病理相关	⭐⭐
Pathway分析	✔	指向机制方向	⭐
Protein network	✔	网络关系	⭐
MR	✔（部分蛋白）	支持潜在因果	⭐⭐⭐⭐
KD/OE	✘	无	——
Rescue	✘	无	——
Mouse	✘	无	——

所以：

本文真正强的因果证据只有MR。

其它：

都是：

Association（相关）。

二、哪些只是相关？

例如：

Protein ↑
 
↓
 
Dementia ↑

只能说明：

两者一起发生。

不能说明：

Protein
 
↓
 
Cause dementia

原因很多：

例如：

Age
 
↓
 
Protein ↑
 
↓
 
Dementia ↑

年龄：

就是典型Confounder。

三、Replication为什么不能增加因果？

很多学生误认为：

重复了：

就证明因果。

实际上：

Replication证明：

Association
 
是真实存在

不是：

Association
 
↓
 
Causation

例如：

吸烟者：

肺癌多。

多个国家：

都重复。

仍然：

只是：

观察结果。

真正建立因果：

还需要：

其它证据。

四、MRI为什么不是因果？

MRI实际上证明：

Protein
 
↓
 
Brain phenotype

例如：

Protein ↑
 
↓
 
White matter lesion ↑

但是：

Reviewer马上会问：

有没有可能：

Brain lesion
 
↓
 
Protein release

即：

反向因果（Reverse causation）。

因此：

MRI：

增加可信度。

不是：

建立因果。

五、MR为什么接近因果？

MR最大的价值：

不是分析复杂。

而是：

利用：

Genotype
 
↓
 
Protein
 
↓
 
Disease

因为：

DNA：

出生决定。

所以：

不会：

因为痴呆

改变DNA。

于是：

可以减少：

Reverse causation

以及：

Confounding

所以：

MR：

比：

观察研究：

高很多。

六、MR为什么还不是最终因果？

Reviewer一定会继续问：

SVEP1：

真的作用吗？

还是：

旁边基因？

例如：

Variant
 
↓
 
Gene A
 
↓
 
Gene B
 
↓
 
Disease

MR：

属于：

Genetic causality。

不是：

Biological mechanism。

七、真正建立机制需要什么？

真正机制：

至少：

SVEP1 KO
 
↓
 
Microglia ↓
 
↓
 
Neuron loss ↓
 
↓
 
Memory ↑

或者：

OE
 
↓
 
Disease worse

再：

Rescue
 
↓
 
Recover

这样：

才能：

Nature。

八、本文真正开始建立机制的位置

这是很多人理解错的地方。

真正开始：

不是：

GO。

不是：

MRI。

而是：

MR。

原因：

前面：

都是：

Observed

MR开始：

变成：

Genetic evidence

因此：

作者讨论：

SVEP1时。

明显：

篇幅增加。

因为：

这是：

最可信。

十、如果升级到Cell，需要增加哪些因果证据？

目前：

Proteomics
 
↓
 
MR

升级路线：

Proteomics
      ↓
Single-cell
      ↓
Spatial
      ↓
CRISPR KO
      ↓
RNA-seq
      ↓
Mouse
      ↓
Rescue

每增加一步：

因果等级都会提高。

十一、整篇论文因果链评分

环节	强度	评价
蛋白发现	⭐⭐⭐⭐⭐	超大规模筛选，非常可靠
统计关联	⭐⭐⭐⭐	前瞻性队列降低了部分偏倚
独立验证	⭐⭐⭐⭐⭐	重复性强，是论文亮点
MRI关联	⭐⭐⭐	建立脑表型联系，但仍是观察性证据
Pathway/Network	⭐⭐	解释机制方向，不是机制证明
MR	⭐⭐⭐⭐	本文最强的因果证据，但仍依赖遗传工具变量假设
功能机制	⭐	基本缺失，是全文最大短板

对你做生信课题最重要的启发

这篇论文最大的价值，不是教你如何做蛋白组，而是教你如何组织证据链：

统计关联回答”有没有关系”；
独立验证回答”是不是稳定”；
表型关联回答”和疾病表现有没有联系”；
MR回答”是否可能是因果”；
功能实验回答”机制是否成立”。

以后设计自己的课题时，可以把每一种分析放到这条证据链中，明确它回答的是哪一个科学问题，而不是为了增加分析数量而分析。
***+

你提的这个 “d”，直接切入了数量遗传学（Quantitative Genetics）中最经典的“加性-显性效应模型”（Additive-Dominance Model）！

在数量遗传学中，一个 QTL（包括 pQTL）对性状（蛋白浓度）的调控效应，通常被拆解为两个核心指标：

$a$ （Additive effect，加性效应）：等位基因替换带来的累加效应。
$d$ （Dominance effect，显性效应/显性偏差）：杂合子偏离纯合子均值的程度。

下面为你详细拆解：在统计学和生信实操中，这个 $d$ 到底代表什么，又是如何用数学公式和代码算出来的。

1. 什么是 $a$ 和 $d$ ？（直观的物理画幅）

假定某个 pQTL 位点有两个等位基因： $A$ （野生型）和 $G$ （突变型）。这会产生三种基因型： $AA$ 、 $A G$ 、 $GG$ 。
我们测得这三组人群的血浆蛋白平均浓度分别为： $P_{AA}$ 、 $P_{A G}$ 、 $P_{GG}$ 。

在经典遗传学模型（Falconer模型）中，我们以两个纯合子的中点（Midparent value, $M$ ）作为基准线：

$M = \frac{P _{AA} + P _{GG}}{2}$

基于这个基准线：

               M (中点)
                │
   ┌────────────┼────────────┐
   ▼            │            ▼
 P_AA          P_AG         P_GG
(低纯合)                    (高纯合)
   │◄─────── a ───────►│ (加性效应 2a)
                │◄── d ──►│ (显性效应 d)

1) 加性效应 $a$ (Additive Effect)

指从一个纯合子到另一个纯合子的一半距离。它代表每多一个突变碱基，蛋白表达量发生稳定的、线性的阶梯式改变：

$a = \frac{P _{GG} - P _{AA}}{2}$

2) 显性效应 $d$ (Dominance Effect / Deviation)

指杂合子 $A G$ 偏离中点 $M$ 的距离。它代表由于“显隐性关系”，导致杂合子的实际表现没有落在正中间：

$d = P_{A G} - M = P_{A G} - \frac{P _{AA} + P _{GG}}{2}$

如果 $d = 0$ ：完全没有显性效应（无偏差），表现为完全加性（ $A G$ 刚好在 $AA$ 和 $GG$ 的正中间）。
如果 $d = a$ ： $A G$ 组的蛋白浓度跟 $GG$ 组一模一样，说明 $G$ 是完全显性的。
如果 $d > a$ ：超显性（Overdominance）， $A G$ 杂合子的蛋白表达量甚至超过了两个纯合子。

2. 真实的统计学：如何用回归方程算出 $d$ ？

在实际跑 GWAS 或 pQTL 定位时，我们不能只看平均值，必须通过多元线性回归把 $a$ 和 $d$ 一起算出来。

为此，统计学家发明了一种“正交对照编码（Orthogonal Contrast Coding）”方法。我们把基因型 $X$ 拆成两个自变量：加性自变量（ $X_{a}$ ）和显性自变量（ $X_{d}$ ）。

变量编码规则：

基因型	加性自变量 $X_{a}$ (代入方程)	显性自变量 $X_{d}$ (代入方程)
AA (纯合野生)	-1	-0.5
AG (杂合)	0	0.5
GG (纯合突变)	1	-0.5

线性回归模型：

我们把这两个编码后的自变量丢进回归方程：

$Protein = β_{0} + β_{a} X_{a} + β_{d} X_{d} + Covariates$

运行回归分析后，软件输出的系数：

$β_{a}$ 的估计值：就是你要算的加性效应值 $a$ 。
$β_{d}$ 的估计值：就是你要算的显性偏差值 $d$ 。

4. 为什么在人类 pQTL 中我们很少看到 $d$ ？

你在读人类 pQTL/MR 论文时，会发现绝大多数表格里只有 beta（通常默认为 $a$ ，即加性效应），几乎看不到 $d$ 的身影。这是因为：

简化的加性假设：在人类遗传学中，绝大多数复杂性状和分子表型（如蛋白、RNA）的遗传架构都极度接近纯加性（Additive）。也就是说， $d$ 通常小到可以忽略不计。
统计效能问题：要精确计算出显性效应 $d$ ，对杂合子（ $A G$ ）的样本量和噪音控制要求极高。在样本量不够大时，强行引入 $d$ 会急剧降低模型的统计效能。
因此，在 PLINK 跑 GWAS 或做双样本 MR 时，行业共识是默认采用“加性模型”（Additive Model），即将基因型直接编码为 0, 1, 2（代表突变等位基因个数）跑单个 $P$ 值和 $β$ 。只有在特定研究突变杂合优势（Heterozygote advantage）或非线性表观调控时，科学家才会把 $d$ 单独捞出来分析。

路线 A：从公共数据库中“一键捞取”（最常用、最省时）

如果你正在做孟德尔随机化（MR），强烈建议不要自己去跑原始数据关联。目前全球有几大家公认的“pQTL 活字典”，你只需要用 R 代码或网页直接去查即可。

1. 利用 R 包 `TwoSampleMR` 在线提取（推荐）

这是最经典的办法。该包内置了英国布里斯托大学的 MR-Base 数据库，里面收录了最新、最全的 pQTL 财团数据（包括 UK Biobank PPP 蛋白数据）。

library(TwoSampleMR)
 
# 1. 寻找你感兴趣的蛋白的 GWAS/pQTL 数据集 ID
# 比如搜索 "IL-6" (白介素6) 或者特定的 pQTL 财团 (如 "Prot-a-")
ao <- available_outcomes()
protein_gwas <- ao[grepl("IL-6", ao$trait, ignore.case=TRUE), ]
 
# 2. 假设你找到了该蛋白的数据集 ID 为 "prot-a-1748"
# 直接一键提取在这个蛋白上“达到基因组显著水平”的强烈 pQTL (SNPs)
exposure_iv <- extract_instruments(outcomes = "prot-a-1748", p1 = 5e-8)
 
# 3. 查看结果
head(exposure_iv)
# 这张表里就会清清楚楚列出：哪个 SNP 是它的 pQTL、beta值（a）、P值、以及是顺式(cis)还是反式(trans)

2. 三大殿堂级 pQTL 公开数据库（直接下载表格）

如果你想拿到整张蛋白 GWAS 的统计学底表（Summary Statistics），可以去以下三个网站下载：

deCODE genetics (冰岛数据集)：在它们的官网上可以直接下载 5000 多个 SomaScan 蛋白的完整 pQTL 关联结果。
UK Biobank $U K B$ PPP portal：目前全球最庞大的 Olink 平台 pQTL 数据集，涵盖约 3000 种蛋白，可以直接通过 UKB 官方或 GWAS Catalog 下载。
PhenoScanner V2：这是一个专门用来反查 SNP 功能的数据库。如果你手里已经有了一堆候选 SNP，想看看它们分别调控什么蛋白，直接把 SNP 列表复制进网页，勾选“Protein”回车，就能瞬间找出它们调控哪些蛋白。

路线 B：利用你手头的原始数据“从头定位”（生信实操）

如果你正在和医院或实验室合作，手里有 500 个人的全基因组芯片数据（SNP），同时用 SomaScan 或 Olink 测了这 500 个人的血浆蛋白质组，你想找出属于你们自己队列的全新 pQTL，标准的生信管线（Pipeline）如下：

第一步：准备三张标配的 Linux/R 大表

基因型文件：经过严格质控（QC）和基因型填充（Imputation）后的 PLINK 二进制文件（my_data.bed, my_data.bim, my_data.fam）。
表型文件（蛋白质丰度）：一个纯文本表格。行是样本 ID，列是几千个蛋白的定量值。注意：蛋白质浓度通常呈偏态分布，必须在 R 里先进行反向正态转化（INT, Inverse Normal Transformation）或者 Log2 转化，使其符合正态分布，否则线性回归的 $P$ 值不准。
协变量文件：包含年龄、性别，以及用基因型跑出的 Top 5 或 Top 10 个主成分（PC1-PC10），用于消除群体分层结构带来的假阳性。

第二步：使用高效计算软件跑“超级连连看”

方案一：使用命令行绝对王者 PLINK 2.0

打开 Linux 终端，运行以下命令。它会用多线程在几分钟内把几百万 SNP 和几千蛋白的线性回归全部扫一遍：

plink2 --bfile my_genotypes \          # 基因型文件
       --pheno my_protein_intensities.txt \ # 蛋白质表达量大表
       --covar my_covariates.txt \     # 协变量大表
       --glm \                         # 跑广义线性模型回归
       --pfilter 5e-8 \                # 只输出达到基因组显著线的强烈 pQTL
       --out my_first_pQTL_results     # 输出文件名

方案二：如果你在 R 环境里，使用矩阵加速的 Matrix eQTL 包

虽然名字叫 eQTL，但因为它底层用的是极其恐怖的矩阵乘法加速线性回归，拿来跑 pQTL 同样是神器，比 R 自带的 lm() 快几万倍。

library(MatrixEQTL)
 
# 导入数据（Matrix eQTL 拥有专用的数据流格式）
snps = SlicedData$new(); snps$LoadFile("snps.txt")
gene = SlicedData$new(); gene$LoadFile("proteins.txt")
cvrt = SlicedData$new(); cvrt$LoadFile("covariates.txt")
 
# 一键运行矩阵关联分析
me = Matrix_eQTL_main(
    snps = snps, 
    gene = gene, 
    cvrt = cvrt,
    output_file_name = "pQTL_results.txt",
    pvOutputThreshold = 5e-8, # 显著性门槛
    useModel = modelLINEAR,   # 使用线性回归模型
    verbose = TRUE
)

第三步：区分顺式（cis）与反式（trans）

跑完上面任何一个软件后，你会得到一张包含几百万行显著关联的表格。为了发表论文，你必须在 R 里写一段脚本，计算 SNP 的物理位置 和 该蛋白编码基因（Gene）的物理位置 之间的距离：

如果距离 $<$ 1 Mb（100万个碱基对）：在表格里给它打上标签：cis-pQTL（顺式）。
如果距离 $>$ 1 Mb 或者在不同的染色体上：打上标签：trans-pQTL（反式）。

至此，你就完成了从“原始血样数据”到“锁定 pQTL 位点”的全部物理和统计学过程！

lvzhaopeng的数字花园

探索

文献解读 003 血清大队咧

Step 1 科研逻辑结构拆解

孟德尔随机化（MR）研究核心假设与实操排查全景表

2. pQTL 的两大核心分类（生信分析必考点）

3. pQTL 在你的 SomaScan 研究中怎么用？

2. 从 QTL 到 pQTL（蛋白质丰度）

Step 2 技术—结果—机制绑定

👑 现代的 Two-Sample MR（双样本 MR）

场景 A：探究“单个蛋白”的独立预后价值（最常见）

场景 B：构建“多蛋白特征”预测面板（Signature）

初步机制链（论文核心）

Reviewer视角（提前指出）

Step 3 — 机制链深度分析（基于原文）

一、真正的机制主线

二、论文真正发现的四条机制轴

三、为什么SVEP1成为全文核心？

四、SVEP1为什么可能影响痴呆？

五、炎症轴

六、为什么作者做MRI？

七、Pathway分析真正作用

八、本论文最大的机制创新

本文机制链（Reviewer版）

从你的生信学习角度，这篇文章最值得借鉴的地方

Step 4——Reviewer视角批判（基于原文）

一、证据强度拆解

二、最大的优势

① 超大样本

② 多层验证

三、最大的缺陷

没有功能实验（Functional validation）

四、MR真的证明因果了吗？

六、MRI分析有没有问题？

七、最容易被攻击的位置

Reviewer Question 1

Reviewer Question 2

Reviewer Question 3

八、如果投稿Nature，会要求补什么？

① 单细胞RNA-seq

② 空间转录组

③ 小鼠实验

④ Rescue

九、如果我是Reviewer，我会给什么意见？

十、为什么这篇文章仍然能发Nature Aging？

Reviewer最终评价

Step 5——可迁移课题模板（高分机制论文设计）

一、论文真正Workflow（不是Methods顺序）

二、真正可以迁移到你的课题

三、论文真正套路

第三层

第四层 Mechanism

第五层

五、为什么一定要Replication？

六、为什么做MR？

七、如果升级到Cell怎么办？

八、最值得学习的分析框架

模板一（蛋白组）

模板二（Bulk RNA）

模板三（单细胞）

九、哪些步骤最关键？

十、如何迁移到你的生信课题

Step 6——生信分析真实作用（重点解析）

一、本文分析的真正作用

二、为什么没有做WGCNA？

三、为什么没有机器学习？

四、为什么MRI如此重要？

五、MR真正解决什么问题？

六、GO、IPA、Network有什么区别？

七、如果升级到2026年，这篇文章会增加什么？

① 单细胞

② 空间转录组

③ 多组学

④ 因果扰动

八、如果换成你的生信课题，应该怎么设计？

九、Reviewer最喜欢的分析推进方式

针对你（生信分析）的建议

建议继续进入 Step 7：因果强度分析

Step 7——因果强度分析（Reviewer最关注）

一、整篇论文因果证据地图

1. 什么是 $a$ 和 $d$ ？（直观的物理画幅）

1) 加性效应 $a$ (Additive Effect)

2) 显性效应 $d$ (Dominance Effect / Deviation)

2. 真实的统计学：如何用回归方程算出 $d$ ？

4. 为什么在人类 pQTL 中我们很少看到 $d$ ？

1. 利用 R 包 `TwoSampleMR` 在线提取（推荐）