用途：从 GWAS 汇总统计量出发，用遗传变异作为工具变量（IV），在相关性、独立性、排他性三假设下估计暴露对结局的因果效应，核心公式为 beta_causal = beta_outcome / beta_exposure。
主要能力：提供多种估计与敏感性方法。TwoSampleMR::mr() 一次调用可编排 IVW、Egger、加权中位数与加权众数；MendelianRandomization 包提供 mr_ivw、mr_egger、mr_median、mr_mbe、mr_conmix 等逐方法接口；MRPRESSO::mr_presso() 做全局、离群与畸变检验；cause::cause() 处理相关水平多效性；MVMR 提供 strength_mvmr() 与 ivw_mvmr() 做多变量条件 F 与 IVW；另有 MR-RAPS、GSMR+HEIDI、MR-Clust、污染混合模型、LCV、LHC-MR、MRlap、DRMR 等。
使用方式：需先核对已安装版本（R 用 packageVersion('<pkg>') 与 ?function_name；CLI 用 <tool> --version 与 --help），版本不符时按实际 API 调整示例。MRlap 需 remotes::install_github('n-mounier/MRlap')，并传入 LDSC 参考文件、MR_threshold、MR_pruning_dist、MR_pruning_LD 等参数。cis-MR 需在基因 ±500 kb 窗口提取 cis-pQTL/cis-eQTL，r2 < 0.1 剪枝，要求共定位 PP.H4 ≥ 0.7。
适用场景：标准两样本、单样本、部分样本重叠、药物靶点 cis-MR、多变量 MR、中介 MR、二分类与生存结局、非线性 MR 等，各有推荐主方法与敏感性组合。
限制：方法学每 2-3 年更新，需对照最新指南与 STROBE-MR 报告标准；弱工具、赢家诅咒、NOME 违背、Steiger 假阳性、共线偏倚等均需专门处理；MRlap 在 h^2 < 0.05 时返回不稳定估计；单患者罕见病不适用 MR。具体收费、平台与效果资料暂未提供。