MVMR有几点注意事项：
（1）选择的几个暴露彼此之间应该存在一定的关联，比如高密度脂蛋白（HDL），低密度脂蛋白（LDL）和甘油三酯（TG）等。
（2）一般来说，SNP只要与其中一个暴露强相关即可
（3）应该提取SNP在所有暴露和结局中的信息，不能有缺失
（4）进行MVMR分析需要关于暴露和结局的完整GWAS结果
最明显的就是存在多个暴露
举个栗子，某人爱喝酒，也爱吸烟。要看这两个暴露对冠心病的影响。前提，知道吸烟和饮酒经常（75%）同时发生在一个人身上，那么做法就是找出爱喝酒爱吸烟共同的SNP，看此SNP和冠心病的关联。
MVMR其实很简单，就是在回归模型里多加了几个自变量而已。
接下来，我们将以“TwoSampleMR”包进行简单实践：
library(TwoSampleMR)
id_exposure <- c("ieu-a-299","ieu-a-300", "ieu-a-302") # 三个暴露分别是HDL cholesterol，LDL cholesterol和Triglycerides
id_outcome <- "ieu-a-7" #冠心病SNP
exposure_dat <- mv_extract_exposures(id_exposure)
dim(exposure_dat)
# [1] 432 9
View(exposure_dat)
我们可以看一下暴露数据的格式，这里总共有144个SNP，每个SNP对应于三个暴露的信息，因此会有上述的144*4 = 432行数据。
图中我们可以看出SNP rs10490626和HDL没有关联，但是它和LDL强相关，所以我们需要把它纳入研究。
outcome_dat <- extract_outcome_data(exposure_dat$SNP, id_outcome) #提取结局数据
mvdat <- mv_harmonise_data(exposure_dat, outcome_dat) # 对数据进行harmonisation
res <- mv_multiple(mvdat) #计算结果，大家也可以试试mv_residual()函数
res
从结果我们不难看出，在矫正了其它脂质的影响之后，HDL和冠心病的发病风险没有关联了。如果大家单独算一对一的MR，会发现这三个脂质均和冠心病相关，但在MVMR中HDL的显著性消失了，这和一些临床观测的结果一致（有临床研究观察到HDL并没有之前认为的那种保护作用）。
在进行MVMR研究时，我们不建议使用很多的暴露，因为这会带来比较严重的共线性问题，一般3~5个为宜。如果暴露间的共线性问题比较严重，建议使用“TwoSampleMR”包的mv_lasso_feature_selection()函数来帮助你去除不必要的暴露。
