08 · 报告与双向 MR

对应模块：R/11_report.R（报告）、R/12_bidirectional.R（反向 MR） 参考：Skrivankova 2021（STROBE-MR）

报告：出版级 STROBE-MR HTML

出图（export_figures）

每个暴露-结局对导出四类诊断图，ggsave 300dpi、白底：

图	函数	看什么
散点图	mr_scatter_plot	各方法斜率、SNP 分布
森林图	mr_forest_plot（single-SNP）	每个 SNP 的单独估计
漏斗图	mr_funnel_plot（≥3 IV）	不对称提示多效性
Leave-one-out	mr_leaveoneout_plot	结果是否被单个 SNP 驱动

渲染（render_report）

用 rmarkdown::render 套 Rmd/report_template.Rmd 生成 HTML，图 300dpi 内嵌。

一个惰性求值的坑

rmarkdown 渲染时会改工作目录，R 又是惰性求值——所以路径必须先 normalizePath 成绝对路径再传进去，否则内联的相对路径在渲染时会失效。

STROBE-MR 20 条合规

报告按 STROBE-MR 清单逐条覆盖分析类条目：数据源表（item 4/10b）、三大 IV 假设显式声明+评估映射（item 5/7）、软件与包版本（item 9a，从 sessionInfo 抓 TwoSampleMR/coloc/hyprcoloc/MRPRESSO 等版本）、IV 筛选流程表（item 10a，用各步 flow 计数）、样本重叠说明（item 10d-ii）、I²_GX + E-value（item 12b）、双向 MR（item 13c）、数据/代码可及性（item 19）。

双向 MR（12_bidirectional.R）

评估因果方向（item 13c）：反过来问"结局是否也导致暴露"。若反向也显著，则正向因果解释存疑。

做法：角色互换后复用同一套引擎——

1. 结局当"暴露"，用 genome_wide 阈值选工具（疾病 GWAS 无 cis 概念，故临时把 analysis_mode 切为 genome_wide、清掉 gene/chr/tss/tes）；
2. 暴露当"结局"，build_harmonised + run_mr 跑反向估计；
3. 输出 reverse_significant = (p < 0.05)。

守卫

反向需要暴露侧具备全量/区域 sumstats 才能匹配反向工具。若暴露是只有少量工具 SNP 的 instrument_table，匹配不上会返回 insufficient_data 并跳过（默认 bidirectional.enabled: false）。

对应 config 字段

bidirectional:
  enabled: false
report:
  title: "..."
  dpi: 300
  data_availability: "..."   # item 19
  code_availability: "..."
run:
  stages: [read, iv, harmonise, mr, sensitivity, coloc, mt, report]

最终产物

• results/report/MR_report.html —— 出版级 STROBE-MR 报告（浏览器打开看全貌）；
• results/mr_all_pairs_primary.csv —— 所有对主结果 + FDR + evidence；
• results/pairs/<暴露>__<结局>/pair_summary.csv —— 标准化逐对汇总，下游 LDSC / PheWAS / 网络分析直接读。

想看这套引擎在真实课题里怎么落地，见 案例：糖尿病并发症 cis-pQTL MR 研究。