孟德尔随机化：推动皮肤病学研究的有力工具

在皮肤病学研究中，大型观察性数据库（例如电子健康记录、监测数据、流行病学和最终结果[SEER]医疗保险数据库以及All of Us研究项目）被逐渐用于评估真实世界环境中疾病的危险因素和健康差异。尽管通过回归、匹配或加权等方法能够校正这些非随机研究中影响暴露和结果的已知混杂因素，但这些研究仍然容易受到未知或研究人员无法获取的未测量混杂因素的影响。

近期，美国宾夕法尼亚大学的研究人员Gary Hettinger等人在JAMA Dermatol期刊上发表文章探讨了孟德尔随机化（MR）在皮肤病研究中的应用（图1）。

MR利用与可改变暴露因素相关的遗传变异来评估这些暴露因素对结果的因果影响，为皮肤病学研究提供了宝贵见解。通过模拟临床试验的随机化过程，MR能够减少未测量混杂因素引起的偏差。随着全基因组关联研究（GWAS）数据的日益增多，研究者发现了更多与皮肤病学暴露因素相关的遗传变异。然而，MR假设这些变异与暴露因素密切相关，独立于暴露-结果关系中的未测量混杂因素，也不直接影响结果。

该文章强调，在解读MR结果时应持谨慎态度，其因果性论断必须得到MR假设的合理性及其他证据的支持。此外，文章还建议对多效性等假设进行敏感性分析，并通过阴性对照结果或替代研究人群来进行验证。

MR是一种强大的工具，有望推动皮肤病学研究的发展。尽管MR本身无法确定因果关系，但它为利用观察性数据探索因果关系提供了一个强有力的分析框架。此外，MR还能够通过评估基因表达、甲基化和蛋白质生物标志物等分子特征的作用，来探究皮肤病潜在的病因途径。MR方法有可能极大地促进研究人员对皮肤病状况的理解，并指引开发出更为有效的治疗和干预措施。