编者荐语：

由AG代理基因赞助的CGM沙龙，此次为您带来山东大学生物统计学系袁中尚教授的分享。

CGM将于北京时间 03 月 31 日 星期四 10AM举办在线沙龙活动。本期活动，我们邀请到了袁中尚教授来讲述"两样本孟德尔随机化新型统计方法:Likelihood based Mendelian randomization analysis with automated instrument selection and horizontal pleiotropic modeling "，敬请期待！

袁中尚，山东大学生物统计学系教授，博导，齐鲁青年学者，国家健康医疗大数据研究院跨组学研究中心PI，博士毕业于武汉大学概率论与数理统计专业，国际生物统计学会中国分会副秘书长，中国卫生信息与健康医疗大数据学会统计理论与方法专委会委员，中国数学会医学数学专委会委员。先后访问美国北卡大学(UNC-CH)生物统计学系、密歇根大学生物统计学系/统计遗传中心，主要研究方向为跨组学数据整合与系统流行病学统计理论方法，先后主持国家自然科学基金项目4项、省基金重大基础研究1项，国家重点研发计划子课题等，成果以方法学论文先后发表在Science advances、Nature Communications、American Journal of Human Genetics、Statistics in Medicine等杂志, 参编专著1部。

生物医学研究的主要任务之一是识别疾病危险因素，并对其进行干预，以期达到疾病预防或治疗的目的，干预决策的制定必须基于因果证据，随机对照试验(randomized controlled trail, RCT)一直是因果推断不可撼动的金标准，随机化确保了各研究组在除感兴趣的暴露外的所有特征上均具有可比性，避免了众多混杂的影响，能准确估计出暴露对结局的因果效应。然而，由于医学伦理、受试者选择约束、研究期限、结果外推性差等原因，RCT在实际中往往难以开展。然而，观察性研究由于缺乏随机化难以有效控制混杂（尤其是未知混杂），暴露和结局的时序关系也常被混淆，使得病因解释存在争议。近年来，孟德尔随机化(mendelian randomization, MR)的提出，为观察性研究进行因果推断提供了有效途径。大量GWAS汇总数据(summary data)的公开发布，助推了两样本MR蓬勃发展，且其分析大有模板化、流程化趋势。该研究针对当前两样本MR方法多数只依托独立工具变量、对水平多效性校正不足、模拟设计忽视工具变量生成过程、缺乏联合似然推断等问题，提出了两样本MR联合似然MRAID统计方法。