AI 研伴
← AI 科研案例集 / 医学与健康

医学与健康 · OpenScience 真实对话 · GPT-5.6-sol

孟德尔随机化:工具变量与敏感性分析

用虚构SNP汇总数据完成等位基因协调、IVW、加权中位数、MR-Egger、异质性与逐一剔除分析。

1 轮原生对话约30个虚构SNP森林图与多效性诊断

适合人群

临床医生、医学研究生、流行病学与公共卫生研究者

开始前准备

准备去标识化的数据表、数据字典、纳排标准、时间零点、暴露与结局定义。不要上传可识别患者身份的信息。

你将获得

  • 1 轮原生对话
  • 约30个虚构SNP
  • 森林图与多效性诊断
  • 9 项可查看的项目文件

方法与边界

案例不能替代伦理审查、统计师复核或临床判断;模拟结果不得用于真实诊疗。

原生会话与文件

直接查看真实使用场景

保留原始用户提问和 Agent 完整回复;公开版本仅移除内部路径、连接信息、凭据、隐藏推理与计费数据。

真实对话|医学与健康|孟德尔随机化:工具变量与敏感性分析

AI 研伴(OpenScience) · gpt-5.6-sol

真实运行记录
用户

请用约30个完全虚构的SNP汇总数据演示一次双样本孟德尔随机化,研究某连续暴露对连续结局的影响。完成工具变量筛选、等位基因协调、回文位点处理、F统计量、IVW、加权中位数、MR-Egger、Cochran Q、Egger截距和逐一剔除分析,并生成森林图。交付synthetic_gwas_summary.csv、harmonized_instruments.csv、mr_results.csv、sensitivity_results.csv、mr_forest.png、mr_leave_one_out.png、mr_report_zh.html、run_mr_analysis.py和validation.txt。请明确这是方法教学,不代表真实遗传证据,并讨论水平多效性、样本重叠和弱工具变量限制。

AI 研伴(OpenScience) · gpt-5.6-sol

已完成并验证全部9个交付文件,保存在项目文件目录:

  • synthetic_gwas_summary.csv
  • harmonized_instruments.csv
  • mr_results.csv
  • sensitivity_results.csv
  • mr_forest.png
  • mr_leave_one_out.png
  • mr_report_zh.html
  • run_mr_analysis.py
  • validation.txt

摘要:

  • 30个完全虚构SNP,最终纳入25个
  • IVW:β=0.319,SE=0.041,P=3.73×10⁻¹⁵
  • 加权中位数:β=0.312
  • MR-Egger:β=0.402,P=0.077
  • 平均F=95.4,范围35.2–280.2
  • Egger截距P=0.700
  • IVW Cochran Q P=0.981
  • 已覆盖回文位点、EAF模糊剔除、等位基因翻转、LD去重和逐一剔除分析
  • 确定性重建及全部SHA-256校验通过

报告明确声明:仅用于方法教学,不代表真实遗传证据,并讨论了水平多效性、样本重叠及弱工具变量限制。

工具执行细节已脱敏;交付文件保留在右侧。
1 轮原生对话
约30个虚构SNP
森林图与多效性诊断

继续探索

相关科研案例

浏览全部案例 →

常见问题

使用这个案例前,你可能想了解

“孟德尔随机化:工具变量与敏感性分析”适合哪些用户?

临床医生、医学研究生、流行病学与公共卫生研究者

复制案例前需要准备什么?

准备去标识化的数据表、数据字典、纳排标准、时间零点、暴露与结局定义。不要上传可识别患者身份的信息。

可以把案例结果直接用于论文或决策吗?

不建议直接照搬。案例不能替代伦理审查、统计师复核或临床判断;模拟结果不得用于真实诊疗。复制案例后,应使用自己的数据重新运行并逐项核验。

这个案例会占用很多计算资源吗?

不会。公开案例按网页版轻量分析设计;大型原始数据、深度学习、单细胞、空间组学或医学影像任务,建议通过远程计算功能连接自己的服务器。