疾病千千万，药物是关键！药物靶点的确定是疾病治疗的重要一环！如何发现药物靶点，怎么验证该靶点能够精准作用于疾病相关的关键生物分子并起到治疗作用？今天，老方分享一篇发表于eBioMedicine（9.7/Q1）上的文章，该研究通过对公共数据库回顾性分析和药物靶点孟德尔随机化（MR）方法，全面评估了临床常见药物和精神疾病之间关系，一起看看~
首先，在研究内容上，该研究纳入了多种临床常见药物，并系统地研究了它们对各种脑结构和精神疾病的影响。其次，在研究方法上，两种MR方法（逆方差加权（IVW）和基于汇总数据的孟德尔随机化（SMR））的应用，使该研究能够在不受混杂因素干扰的情况下评估常见药物的长期神经精神效应。另外，补充对FAERS数据库的回顾性分析也丰富了本研究，使研究结果更加真实。再者，假设肠道微生物组在药物-脑影像衍生表型（IDP）的关联中起中介作用，并确定了4种药物-微生物-IDP的因果联系。
该文不仅关注了药物与精神疾病的关联，还扩展到药物对大脑结构（IDPs）和肠道微生物组的影响，多维思路也值得借鉴！
PS：药靶孟德尔随机化非常适合各个科室的临床医生，方法新颖、选题贴合临床、分析也比较简单，思路容易复现！感兴趣的朋友，可以找老方设计思路、定制个性化分析~
方案设计
生信分析
服务器租赁
题目：使用孟德尔随机化和真实世界药物警戒数据库对常见药物和精神疾病之间关系的全面评估
杂志：eBioMedicine
影响因子：9.7
发表时间：2024年9月
公众号后台回复“666”领取原文PDF，文献编号：20241111
研究背景
先前的研究和来自药物警戒数据库的数据表明，一些用于慢性疾病的药物与短期神经精神症状有关，但它们对大脑结构和精神状况的长期影响尚不清楚。
数据来源
研究思路
首先，使用FAERS数据库对常见药物的精神/胃部不良反应进行回顾性分析。其次，通过双样本MR研究6类常见药物对477种脑影像衍生表型（IDPs）和8种精神疾病的因果关系。最后，通过两步MR和中介分析方法从119个肠道菌群中筛选可能的药物-IDP效应的中介因子并确定其介导比例。
主要结果
1. 常见药物对精神疾病的影响
使用FAERS数据库对常见药物的精神不良反应进行回顾性分析，结果显示，在19类药物中，有6类药物与精神类不良事件风险较高相关，其中，白三烯受体拮抗剂与精神不良事件的关联最强。通过逆方差加权-MR（IVW-MR）分析，确定了4种药物和4种精神疾病之间的7种显著关联。通过基于汇总数据的MR （SMR）分析，显示了3种药物与精神分裂症（SCZ）之间的3个显著关联（图1）。
图1 常见药物对精神的影响
2. 常见药物对IDPs的影响
通过IVW-MR分析识别出8种药物与143个IDPs之间的存在174个显著药物-IDP关联（图2）；通过SMR分析揭示了3种药物靶点基因与25个IDPs之间的26个显著基因-IDP关联。
图2常见药物对IDP影响的IVW-MR分析结果
3. 常见药物对肠道菌群的影响及常见药物的胃肠道不良反应
通过IVW-MR分析鉴定出5种药物和13个属之间的15种药物-微生物群关联；SMR分析没有产生显著的药物-微生物群关联。通过FAERS分析显示，在19种药物类别中，11种药物与较高的胃肠道不良反应显著相关。
图3 药物对肠道菌群的因果效应及常见药物胃肠道不良反应的ROR热图
4. 肠道微生物群与IDPs的因果关系
通过IVW-MR分析显示出5种肠道微生物群-IDP关联；通过中介分析确定了5种药物→微生物→IDP因果关系。
图4 通过IVW-MR和中介效应分析发现肠道菌群对IDPs的影响
文章小结
该研究通过药物靶点孟德尔随机化（MR）揭示了常见药物对脑影像衍生表型（IDP）和精神疾病的长期影响，发现了积极和消极的影响，涉及临床药物使用和药物再利用。进一步的MR分析确定了4种由肠道微生物群部分介导的药物-IDP关联，对FAERS数据库的回顾性分析确定了常见药物的精神和胃肠道副作用，支持MT结果。这些发现具有广泛的应用前景，有望促进基因方法在药物效应预测中的应用。该研究思路简单、逻辑清晰，利用临床公共数据库和药物靶点孟德尔随机化方法围绕临床常见药物进行研究，有没有点亮你的思路？如果还是没有头绪，那就来联系老方设计思路、定制分析吧~
老方有话说
老方会持续为大家带来最新生信思路，并提供免费思路评估、付费方案设计、生信分析、实验项目实施等服务，感兴趣的朋友可以扫码咨询！
方案设计
生信分析
服务器租赁
往期推荐
1、给咱国产数据库赞一个！广西医科大学：CHARLS数据库+TyG+BMI，复杂关系探究思路请接收！关系理得清，8.5分轻松拿！
2、高分莫愁，多热点集结速上分！中南大学湘雅医院8分+SCI：孟德尔随机化+机器学习+单细胞，机制层层深扒！这个思路值得学习！
3、机器学习又整活儿了！中国医学科学院北京协和医学院9分+SCI：多组学+机器学习+泛癌，预后模型这么做，应用可真够广的！
声明：「原创」仅代表原创编译，仅供学术交流，如侵则删。
