技能介绍

要解决的问题

双样本孟德尔随机化研究常卡在“工具变量筛选、LD 平衡、方向一致性、敏感性分析、MVMR/反向MR”等模块之间，输出容易变成工具清单或泛泛文献综述。该技能用于将 exposure/outcome 输入转化为可执行研究设计，而不是结论预测。

核心能力与关键步骤

范围控制：要求输入为 outcome + exposure/exposure family + validation emphasis，临床诊疗、个体基因型、非遗传工具、one-sample MR 会重定向。
四档 workload：固定输出 Lite / Standard / Advanced / Publication+，并推荐一个主方案，说明匹配原因和放弃原因。
研究模式选择：覆盖单暴露主 MR、暴露面板筛查、稳健性/敏感性、扩展因果架构、复制/三角验证。
文献层：要求设计支持型文献包，优先 DOI/PMID/PMC/Crossref 等可解析标识，禁止伪造引用；无法验证时输出证据缺口与检索策略。
依赖一致性检查：声明 GWAS、祖源、公共 summary statistics 后，才允许下游推断；缺失模块时降级或移除 claim。
输出纪律：包含核心科学问题、配置表、工作流、图表交付、验证层级、最小可执行版本、出版升级路径、风险审查。

适用边界

适合研究者设计 two-sample MR 论文方案，尤其是暴露筛查、公共 summary statistics、IVW 主分析、异质性/多效性检查、MVMR/reverse-MR 扩展。不适合作为临床诊断、处方、个体风险预测或机制确认工具；所有数据集仅为参考，需按数据可及性、质量与方法适配重新选择。