喜讯！我院2023级MPA研究生张茜在导师张茂胜教授的指导下，利用双向双样本孟德尔随机化方法，探究六种睡眠特征与帕金森病之间的因果关系。研究发现睡眠时长是需要被高度重视的帕金森病潜在风险指标，为帕金森病的早期预警和预防策略提供坚实依据。该项研究成果于近日被国际知名期刊《Medicine》录用。 

多组学数据融合分析锁定关键睡眠风险因素

帕金森病是常见的神经退行性疾病，研究团队整合GWAS数据库中帕金森病与睡眠时型、白天打瞌睡、睡眠时长、失眠、日间午睡和打鼾的汇总数据集，主要采用逆方差加权法作为核心分析方法。同时，为评估六种睡眠特征与帕金森病之间因果关系的稳健性，辅以MR Egger回归、Weighted Median、Weighted Mode和Simple Mode进行补充验证。通过Cochran`s Q检验评估单核苷酸多态性效应的异质性，MR Egger截距检验分析水平多效性是否存在，并利用Leave-one-out分析进行敏感性检验，确保了研究结果的可靠性。 

因果关联机制解析为疾病预警提供新视角 

    在正向孟德尔随机化分析中，团队发现遗传预测的较长睡眠时间可能会增加患帕金森病的风险。睡眠时型和白天瞌睡也显示出与帕金森病风险的正相关趋势，而失眠、白天小睡和打鼾显示出与帕金森病的负相关（即可能的保护作用）。反向孟德尔随机化分析结果显示，遗传预测的帕金森病并不会导致这六种睡眠特征的改变。敏感性分析表明结果在整体上是稳健的，未受到明显的偏倚影响。该研究是医学与信息科学交叉研究的成功范例，不仅深化了对睡眠特征与帕金森病关联机制的理解，也为疾病早期预警和个性化预防提供了重要依据。