Two Sample MR Research Planner 是一款专为孟德尔随机化（Mendelian Randomization, MR）研究设计而开发的工具，旨在帮助用户根据指定的暴露因素与结局变量，快速生成完整、科学的两样本MR研究方案。该工具不仅支持从单一暴露到单一结局的经典因果推断路径，还可处理多暴露筛选、双向因果检验、生活方式行为因素分析以及分子性状（如蛋白质、代谢物）等多种复杂研究场景。无论用户的研究目标是初步探索还是发表高质量论文，该工具都能提供结构清晰、步骤详尽的工作流程建议。 该工具的核心优势在于其系统化的设计逻辑：首先依据用户提供的研究方向自动识别暴露类型和研究目标，然后输出四种不同强度的工作量配置——包括轻量级快速验证、标准级发表核心模块、高级扩展设计与全面发表增强版。每种配置均明确说明所需数据、关键分析模块、预期耗时及适用条件。在此基础上，系统会综合评估资源限制、数据可得性和研究严谨性，推荐一个最优主方案，并辅以详细的执行路线图。整个流程涵盖GWAS数据选择、工具变量提取、异质性检验、多效性评估、敏感性分析及可视化交付等关键环节，确保研究结果具备足够的稳健性与解释力。 此外，该工具内置严格的‘硬性规则’机制，避免常见误区，例如不盲目推进双向MR或多元MR（MVMR），不忽视祖先匹配或弱工具变量风险，也不将统计一致性误认为因果证据。对于输入信息不足的情况，系统会主动声明假设并提供合理默认设计，同时明确区分‘主要MR证据’、‘敏感性支持’和‘高阶因果强化’三个证据层级，帮助研究者理性解读结果。整体而言，这是一款面向遗传流行病学、公共卫生与精准医学领域研究人员的专业级研究规划助手。
核心功能特点
- 自动生成四种工作量配置（Lite/Standard/Advanced/Publication+）及推荐主方案
- 支持六种研究风格：单暴露单结局、多暴露筛选、双向MR、行为/饮食因素、分子性状及发表导向设计
- 提供分步执行流程，涵盖GWAS数据获取、工具变量筛选、IVW主分析、异质性与多效性检验等全流程模块
- 内置弱工具变量预警、祖先匹配提醒及数据缺失应对策略，提升研究可靠性
- 附带R代码框架模板（基于TwoSampleMR包），可直接用于实际数据分析
适用场景
该工具特别适合需要进行因果推断的遗传流行病学研究者，尤其是在缺乏实验干预手段的情况下，希望通过观察性数据评估暴露对疾病的潜在因果效应。例如，当研究者想了解血清尿酸水平是否真正导致痛风发生，或维生素D缺乏是否为骨质疏松的独立风险因素时，可通过本工具设计一套完整的两样本MR研究方案。它不仅适用于生物医学领域的经典问题，也广泛应用于营养学、心理学和行为科学中，比如探讨咖啡摄入量与高血压之间的因果关系，或睡眠时长对中风风险的潜在影响。 对于计划撰写高水平学术论文的研究团队，尤其是希望在顶刊投稿的分子机制研究（如血浆蛋白与阿尔茨海默病的关系），该工具提供的‘Publication+’级别设计尤为有用。它强制包含协变量调整（MVMR）、共定位分析（colocalization）、充分敏感性检验和功率估算等内容，显著增强论文的说服力和评审通过率。此外，在开展大规模表型组关联筛查时（如一组炎症因子对多种自身免疫病的联合效应），工具支持多暴露面板分析，并提示多重比较校正需求，避免假阳性结论。 值得注意的是，尽管该工具功能强大，但其适用范围严格限定于使用全基因组关联研究（GWAS）汇总统计数据的孟德尔随机化设计。若用户提出的是随机对照试验（RCT）设计、倾向得分匹配、系统综述撰写或其他非MR类因果分析方法，则需引导至更合适的技能模块。因此，该工具是连接遗传数据资源与因果推理方法论之间的桥梁，为缺乏MR经验但掌握基础GWAS数据的科研工作者提供了标准化、可复现的研究蓝图。