方法引擎详解

逐模块讲清楚 mr-pipeline/R/ 里每一步用了什么统计方法、什么公式、什么函数。所有描述以实际 R 代码为准。想先了解整体编排，见 流水线架构。

分析链条一览

一条暴露-结局对，从原始数据到因果结论，依次经过：

阶段	模块	做什么	文档
读取标准化	adapters/* · 02_standardize	任意格式 → 统一 schema，列名自动探测、编码归一、清洗校验	01
工具变量选择	04_iv_select	显著性 → cis 窗口 → LD clumping → F/R² → 弱工具剔除	02
谐化	05_harmonise	等位对齐、回文处理、Steiger 定向过滤	03
MR 估计	06_mr_core	按 IV 数自适应：Wald / IVW / Egger / 中位数 / 众数 / RAPS	04
敏感性	07_sensitivity	Q · Egger 截距 · MR-PRESSO · LOO · 方向性 · I²_GX · E-value	05
共定位	08_coloc_abf · 09_hyprcoloc	coloc.abf（两两）+ hyprcoloc（多性状），区域守卫	06
多重检验	10_multiple_testing	跨对 FDR + MR×coloc 证据整合	07
报告 / 双向	11_report · 12_bidirectional	STROBE-MR HTML 报告 + 反向 MR	08

两个核心的因果推断三角

整套方法围绕孟德尔随机化的三大工具变量假设设计，每个假设都有对应的评估手段：

IV 假设	含义	流水线如何评估
相关性（Relevance）	工具与暴露强相关	F 统计量 ≥ 10、R²（02）
独立性（Independence）	工具不受混杂影响	设计层面（cis-pQTL 生物学先验）+ E-value（05）
排他性（Exclusion）	工具只经暴露影响结局	MR-Egger 截距、MR-PRESSO、共定位（05、06）

以及因果方向：Steiger 过滤（03）+ 双向 MR（08）。

方法学参考文献

各模块用到的方法均有出处，汇总见 参考文献。整套报告按 STROBE-MR（Skrivankova 2021）20 条清单组织。