不做实验就可以发文章,为小伙伴们安利孟德尔随机化分析(MR)






不做实验就可以发文章,为小伙伴们安利孟德尔随机化分析(MR)

小果  生信果  2023-03-23 19:00:33

收录于话题

#生信实操

今天小果为大家分享一下两样本孟德尔随机化分析流程,整个分析过程比较简单,该分析最重要的是暴露因素和结局变量GWAS数据的查找,一般都通过两种方式获得,公共数据库和发表的相关文章获取,接下来就为大家用示例数据做下演示,代码如下:


01

安装需要的R包

install.packages("devtools")devtools::install_github("MRCIEU/TwoSampleMR")Install.packages(“ggplot2”)

02

导入需要的R包

library(TwoSampleMR)library(ggplot2)

03

分析过程

bmi_exp <- extract_instruments( outcomes=ieu-a-835, clump=TRUE, r2=0.01, kb=5000,access_token = NULL  )##获取结局变量数据t2d_out <- extract_outcome_data( snps=bmi_exp$SNP, outcomes=ieu-a-26, proxies = FALSE, maf_threshold = 0.01, access_token = NULL)#对数据进行预处理mydata <- harmonise_data(       exposure_dat=bmi_exp,       outcome_dat=t2d_out,       action= 2       )#MR分析res <- mr(mydata)write.table(res,file="twosampleMR.txt",sep="t",quote=F)
##敏感性分析#异质性检验het <- mr_heterogeneity(mydata)hetwrite.table(het,file="het.txt",col.names=T,row.names=F,sep="t",quote=F)#mr(mydata,method_list=c('mr_ivw_mre')) #使用随机效应模型#多效性检验pleio <- mr_pleiotropy_test(mydata)pleiowrite.table(pleio,file="pleio.txt",col.names=T,row.names=F,sep="t",quote=F)#逐个剔除检验single <- mr_leaveoneout(mydata)#pdf(file="leaveoneout.pdf")mr_leaveoneout_plot(single)ggsave("leaveoneout.pdf")
##可视化分析#绘制散点图mr_scatter_plot(res,mydata)ggsave("scatter_plot.pdf")
#绘制森林图res_single <- mr_singlesnp(mydata)mr_forest_plot(res_single)ggsave("forest_plot.pdf")
#绘制漏斗图mr_funnel_plot(res_single)ggsave("funnel_plot.pdf")

小果今天对两样本孟德尔随机化的分享就到这里,有需要的可以借鉴学习奥,不要忘记点赞关注呀,下期在见。