• 这篇文章的标题是“MR-GGI: accurate inference of gene–gene interactions using Mendelian randomization”，作者是Wonseok Oh, Junghyun Jung和Jong Wha J. Joo。文章发表在《BMC Bioinformatics》上，于2024年。
• 摘要和背景：
• 文章讨论了基因之间的调控过程以及如何通过基因调控网络（GRN）分析来理解这些过程。
• 传统的基因调控网络分析需要准确地识别基因间的相互作用，但未知的混杂因素可能会影响这些相互作用，使得解释变得复杂。
• 孟德尔随机化（Mendelian randomization, MR）是遗传学中用于因果推断的一种有价值工具，它通过使用工具变量来估计因果关系，从而解决混杂效应问题。
• 研究内容：
• 本文提出了一种新的统计方法，称为MR-GGI（MR-based method for inferring Gene–Gene Interaction），用于利用门德尔随机化准确推断基因-基因之间的相互作用。
• MR-GGI将一个基因作为暴露因素，另一个基因作为结果，使用因果顺式单核苷酸多态性（cis-SNPs）作为工具变量，在逆方差加权MR模型中进行应用。
• 研究结果：
• 通过模拟实验，作者展示了MR-GGI在存在混杂效应的情况下控制I型错误（false positives）和保持统计功效的能力。
• 在DREAM5数据集上，与其他用于生物网络推断的方法相比，MR-GGI展示了更高的F1分数，表明其在准确推断基因-基因相互作用方面的优势。
• 应用到酵母基因组数据中，MR-GGI成功地识别了六个功能簇，并通过基因本体（Gene Ontology）分析确认每个簇执行不同的功能角色。
• 结论：
• 研究结果表明，MR-GGI能够在真实生物环境中准确推断基因-基因相互作用，尽管存在混杂效应。