然后就是将准备好的暴露的GWAS数据形成可以用来做MR分析的数据格式,需要用到format_data()函数: exposure_data<-format_data(exposure_gwas) 此时的exposure_data大概长这样: 可以看到有很多个基因工具变量SNP,这个时候我们需要考虑连锁不平衡(linkage disequilibrium): exposure_data<-clump_data(exposure_data, clump_...
然后就是将准备好的暴露的GWAS数据形成可以用来做MR分析的数据格式,需要用到format_data()函数: exposure_data<-format_data(exposure_gwas) 1. 此时的exposure_data大概长这样: 可以看到有很多个基因工具变量SNP,这个时候我们需要考虑连锁不平衡(linkage disequilibrium): exposure_data<-clump_data(exposure_data, cl...
load(file ="./ieu/exposure_clumped.rdata") # 取交集 common_snp <- merge(exposure_clumped,outcome_origin,by="SNP")$SNP length(common_snp) ## [1] 78 然后对结局数据使用format_data函数修改格式,提取结局数据: outcome_data <- format_data(dat = outcome_origin, type ="outcome",# 类型是outc...
然后就是将准备好的暴露的GWAS数据形成可以用来做MR分析的数据格式,需要用到format_data()函数: exposure_data<-format_data(exposure_gwas) 此时的exposure_data大概长这样: 可以看到有很多个基因工具变量SNP,这个时候我们需要考虑连锁不平衡(linkage disequilibrium): exposure_data<-clump_data(exposure_data, clump_...
然后就是将准备好的暴露的GWAS数据形成可以用来做MR分析的数据格式,需要用到format_data()函数: exposure_data<-format_data(exposure_gwas) 此时的exposure_data大概长这样: 可以看到有很多个基因工具变量SNP,这个时候我们需要考虑连锁不平衡(linkage disequilibrium): ...
然后就是将准备好的暴露的GWAS数据形成可以用来做MR分析的数据格式,需要用到format_data()函数: exposure_data<-format_data(exposure_gwas) 此时的exposure_data大概长这样: [图片上传失败...(image-9dab47-1668168748272)] 可以看到有很多个基因工具变量SNP,这个时候我们需要考虑连锁不平衡(linkage disequilibrium):...
outcome_data <- format_data(outcome_data, # 设置类型为 "outcome",表示这是一个结局数据 type = "outcome", # 选择用于 MR 分析的 SNP,这里使用了 data_common 数据集中的 SNP 列 snps = data_common$SNP, # 设置 SNP 列的名称 snp_col = "SNP", ...
然后,我们使用format_data()函数创建一个 数据集。如果任何instruments缺少进行MR分析的必要信息,该函数还将显示警告消息。 exposure_data<-format_data(exposure_gwas) 最后,根据LD清洗SNP数据集很重要,因为使用相关联的SNP会导致重复计数,从而导致有偏差的因果效应估计。可以使用clump_data函数来完成: ...
(outcome_finn_dat)outcome_finn_dat=format_data(dat=outcome_finn_dat,type="outcome",snp_col="rsids",beta_col="beta",pval_col="pval",se_col="sebeta",eaf_col="af_alt",effect_allele_col="alt",other_allele_col="ref")outcome_finn_dat=subset(outcome_finn_dat,pval.outcome>5e-08)#删除...
exposure_data <- format_data(dat = df1, type ="exposure",# 类型是exposure snp_col ="rsid", beta_col ="beta", se_col ="se", eaf_col ="minor_AF", effect_allele_col ="alt", other_allele_col ="ref", pval_col ="pval", ...