典型的 genome-wide association meta-analyses (GWAMAs) 包括四个主要阶段 (1)File-level QC(步骤7-18) 包括清理档案(例如:列标题的调整、文件格式的改变、基于某些 SNP 的排除 标准,或添加列)和文件检查(例如检查文件的整体特征 或 SNP 排除的数量) 通常以迭代的方式 通过meta分析团队分析师研究的文件。通过 ...
进行meta分析,meta分析后会生成两个文件,分别是METAANALYSIS1.TBL和 METAANALYSIS1.TBL.info 其中METAANALYSIS1.TBL 是meta分析的结果文档; 我们一般主要专注meta分析后的pvalue。 METAANALYSIS1.TBL.info文件主要是对METAANALYSIS1.TBL的注释,感兴趣的可以仔细阅读。 好啦,meta分析到这就结束了,关注小果,小果带你学...
补充图25生物样本库与主要GWAS 、焦点GWAS 和GGE 相结合的荟萃分析的曼哈顿图 文章小结 本研究是一项多血统全基因组关联研究,通过这些大样本量的GWAS与Meta分析。近年来,加入GWAS数据的Meta分析,对不同来源的GWAS进行Meta合并,以及加入MR的Meta分析,对不同数据的MR结果进行Meta合并这类SCI影响因子普遍还都是挺高的。
对GWAS结果的meta分析显示共有333个独立基因与至少一种药物表型相关(74个与高脂血症、181个与高血压相关、78个与T2D)(表格过大这里不做展示)。 药物总购买量置信区间(CS) 共有450个CS与药物总购买量相关,其中包括治疗高脂血症(83个位点,137个CS)、高血压(145个位点,221个CS)和T2D(77个位点,92个CS)(图 ...
一行命令学会全基因组关联分析(GWAS)的meta分析 为什么需要做meta分析 群体分层是GWAS研究中一个比较常见的假阳性来源. 也就是说,如果数据存在群体分层,却不加以控制,那么很容易得到一堆假阳性位点. 当群体出现分层时,常规手段就是将分层的群体独立分析,最后再做meta分析. 1.如何判断群体是否分层 先用plink计算PCA,...
对于GWAS分析而言,增加样本量是提高检验效能的最直接有效的方式。目前常规GWAS项目的样本量约为1000 cases vs 1000 controls,这样的样本量能够检测到的相关SNP位点基本属于common SNP, 频率在1%以上,对应的OR值也通常在1.2以上,对于低频和罕见突变位点,常规的样本量则无法有效检出,因为携带对应Allel的样本太少,很难达到...
群体分层是GWAS研究中一个比较常见的假阳性来源. 也就是说,如果数据存在群体分层,却不加以控制,那么很容易得到一堆假阳性位点。 当群体出现分层时,常规手段就是将分层的群体独立分析,最后再做meta分析。 1.如何判断群体是否分层 先用plink计算PCA,具体方法详见链接:GWAS群体分层 (Population stratification):利用plink...
meta-analysis是对多个gwas分析结果进行综合评价,该软件支持以下两种meta分析的算法 pvalue standard error 第一种是基于p值;第二种是基于标准误,我们知道标准误指的是某个统计量的分布,在使用第二种算法时,需要提供对应的统计量,即Effect, 以逻辑回归/线性回归为例,Effect对应的就是回归系数BETA, 标准误对应的就...
群体分层是GWAS研究中一个比较常见的假阳性来源. 也就是说,如果数据存在群体分层,却不加以控制,那么很容易得到一堆假阳性位点。 当群体出现分层时,常规手段就是将分层的群体独立分析,最后再做meta分析。 1.如何判断群体是否分层 先用plink计算PCA,具体方法详见链接:GWAS群体分层 (Population stratification):利用plink...
2021年8月26日,来自冰岛国立大学医院的Eleftheria Zeggini团队在Cell杂志上发表了一篇题为Deciphering osteoarthritis genetics across 826,690 individuals from 9 populations的文章,这项研究通过进行一项骨关节炎的多队列GWAS meta分析,强调了关节部位类型对遗传风险变异特征的影响以及骨关节炎遗传学与疼痛相关表型之间的联...