用途：在孟德尔随机化（MR）因果推断中检测并校正水平多效性，验证排除性假设是否成立。
主要能力：
- MR-PRESSO：运行全局多效性检验、识别离群 SNP、执行 distortion 检验，并给出剔除离群值后的校正估计。
- MR-Egger：通过截距检验方向性多效性，并给出多效性校正后的因果估计；同时计算 I-squared 评估 NOME 假设下的工具强度。
- Steiger 过滤：验证工具变量作用方向（暴露→结局），剔除方向错误的工具后重跑 MR，并做总体方向性检验。
- 其他敏感性方法：contamination mixture、MR-RAPS（注意 MRAPS CRAN 包已于 2025 年 3 月归档，可改用 MendelianRandomization 包或从 GitHub 安装）、多变量 MR。
- 综合敏感性框架：一次性运行 IVW、MR-Egger、加权中位数、加权众数、异质性、Egger 截距、留一法与 MR-PRESSO 并汇总。
使用方式：在 R 中安装并加载 MRPRESSO 与 TwoSampleMR，输入经协调的暴露/结局数据（需 beta.exposure、beta.outcome、se.exposure、se.outcome 等列）。示例安装命令：remotes::install_github('rondolab/MR-PRESSO')。MR-PRESSO 的 NbDistribution 建议至少 1000，SignifThreshold 常用 0.05。
适用场景：MR 因果推断的敏感性分析、多效性诊断与结果稳健性验证，以及按 STROBE-MR 指南报告分析结果。
限制：参考示例基于 MR-PRESSO 1.0+ 与 TwoSampleMR 0.5+，版本不同需核对参数；Egger 在 SNP 少于 10 个时检验效能低；I-squared 低于 0.9 时 Egger 估计可能不可靠；MR-RAPS 的 CRAN 包已归档。本技能仅处理其文档所述工作流，超出范围或缺少关键输入时应停止并请求补充。