This study aims to investigate the causal relationship between primary Sjögren's syndrome (SS) and multiple sclerosis (MS) using a two-sample Mendelian randomization (MR) analysis to provide insights into their common mechanisms and implications for therapeutic strategies. We utilized data from Genome-Wide Association Studies (GWAS) for primary SS (1,290 cases and 213,145 controls) and MS (4,888 cases and 10,395 controls), restricted to European ancestry. Instrumental variables (IVs) were selected based on genetic variants associated with primary SS. The primary MR method was Inverse Variance Weighted (IVW), supplemented by MR Egger, Weighted Median, Simple Mode, and Weighted Mode algorithms to assess the bidirectional causal relationships between MS and primary SS. Sensitivity analyses, including MR-PRESSO and leave-one-out analysis, were conducted to ensure the robustness of our findings. After excluding SNPs with pleiotropic effects, 42 and 5 SNPs were identified as robust IVs for primary SS and MS, respectively. Our analysis revealed a significant protective effect of MS on primary SS, with IVW showing an OR of 0.896 (95% CI: 0.841-0.954, P = 0.001). No significant heterogeneity or horizontal pleiotropy was detected, supporting the reliability of the results. Our findings suggest a potential protective effect of MS against primary SS, indicating a negative causal association between these two autoimmune diseases. This adds valuable genetic evidence to the understanding of the complex interplay between primary SS and MS, offering new avenues for research and therapeutic interventions.

Immune thrombocytopenic purpura (ITP) in adults typically develops slowly and insidiously. The ITP medications might be linked to psychological disorders, but the connection is not well-understood.

Background Sepsis and colorectal cancer (CRC) are leading causes of death. Given their mutual dependence for susceptibility, we used bioinformatics to explore potential connections between septic shock (SS) and CRC. Methods We identified 452 co-expressed genes between SS-related differential expression genes (SS-DEGs) and CRC patient-expressed genes (TCGA-CRC genes). CRC samples were categorized into two cluster subgroups through hierarchical clustering. We then compared the prognosis and immune landscapes of the two cluster subgroups through survival analysis, immune microenvironment analysis, and immune therapy response evaluation. Results Clustering analysis of the 452 CRC patient-expressed SS-DEGs identified two subtypes: SS-like CRC (SL-CRC) and non-SS-like CRC (NSL-CRC). There were no significant differences in overall survival between the CRC subtypes. However, the subtypes displayed significant differences in immune score, stromal score, and ESTIMATE score. Based on immune therapy databases, there were also significant differences in responses to anti-CTLA-4 and anti-PD-1 immune checkpoint inhibitors between the subtypes. Conclusion Our study reveals significant differences in the immune microenvironment and immune therapy responses between SL-CRC and NSL-CRC subtypes. These findings provide a foundation for identifying new therapeutic targets and developing personalized treatment strategies for specific CRC subtypes.