大家好，我是邓飞。
最近一直再研究孟德尔随机化分析，已经从概念到实操了，程序已经跑通了，很开心。这几天写的博客：
d，R语言实操：使用TwoSampleMR包进行孟德尔随机化分析
对于GWAS分析，从原理到实操，我是比较熟悉的，还编写了一本Cookbook（快来领取 | 飞哥的GWAS分析教程V6版），在学习孟德尔随机化分析的过程中，我发现GWAS的结果是MR的输入，所以关系应该是现有GWAS分析，再有MR分析。
1. 关联 VS 因果
从概念上也可以看出来，GWAS是关联分析，研究的是相关。MR是因果分析，研究的是因果。我们知道，相关不一定是因果，因果一定相关。有时我们观察到的相关性可能是偶然的，或是由于未控制的混杂因素导致的。因此，观察到的相关性（例如通过GWAS发现的）不一定意味着存在因果关系。根据因果推断的定义，如果一个因素（如某个生物标志物或行为）确实导致另一个结果（如疾病发生），那么这两个变量之间一定会存在统计相关性，即因果关系必然伴随相关性。然而，只有相关性并不一定证明因果关系，反之却是成立的。
2. 是否受混杂因素的影响
3. 假设检验不一样
GWAS的假设检验很简单，它假定基因组上的SNP至少有一个与控制性状的基因处于连锁不平衡状态。
MR分析有三个假设，（孟德尔随机化：工具变量三大假设）分别是关联性假设、独立性假设和排他性假设。
GWAS有一个假定比较容易满足，一般位点数覆盖基因组上，上量后都能满足；MR工具变量有三个假定，分析时需要注意。
