图片伦理电影大全百度影音
图片
图片
图片
图片
图片
今天学习下如何下载UKBiobank的数据并进行整理，把它酿成TwoSampleMR或者使用的步地。
数据下载掀开ukbiobank的官网：https://www.nealelab.is/uk-biobank
掀开后往下拉，找到results can be found here，点击它：
图片
点击之后即可来到数据界面，领先是README这个sheet，这里会有一些先容，每个文献包含哪些实质，每个文献的列名是什么真谛等，齐有详备的讲明，民众一定要看！
图片
图片
为了便捷以后使用，这个文献是不错免费下载的，提倡民众径直下来，背面就不错用EXCEL随时掀开稽查了。
图片
点击底下的Manifest 201807就不错来到数据笃定和下载界面了，UKbiobank这个免费的数据照旧好久不更新了，不错看到数据就留在2018年了。
图片
数据笃定界面有每个数据的phenotype description、phenotype code、数据下载伙同等信息。
不错看到每个表型（phenotype）齐有6个数据，区别是inrt和raw各有3种（分为female、male、both_sexes）。
图片
把底下的升沉条往右边拉到终末，就不错看到每个数据的下载伙同了，你鼠标放上去就会有复制伙同的教导，径直复制在浏览器或者迅雷等软件中掀开即可下载数据了。
每个表型齐有6个数据，那么咱们应该是用哪个呢？官方的github[1]先容说采取irnt动作接下来的分析：
Overall, the results are largely consistent regardless of the choice of IRNT(inverse rank-normal transformed) or raw untransformed phenotypes. Since IRNT does appear to provide a marginal boost to the h2g results, especially in terms of significance, we choose to treat the IRNT version as the primary analysis for continuous phenotypes. (Results for the raw, untransformed versions will still appear in the complete results file though.)
是以咱们也不纠结了，径直用irnt的数据分析，要是你的数据需要分开性别，那么你就单独下载某个性别的数据，要么即是下载both_sexes的。
数据读取及整理我这里采取了fat这个表型的数据（上头有展示）。下载好之后径直用vroom读取即可：
fat_bothsex <- vroom::vroom("./ukbiobank/100004_irnt.gwas.imputed_v3.both_sexes.tsv.bgz")dim(fat_bothsex)## [1] 13791467 11colnames(fat_bothsex)## [1] "variant" "minor_allele" "minor_AF" ## [4] "low_confidence_variant" "n_complete_samples" "AC" ## [7] "ytx" "beta" "se" ## [10] "tstat" "pval"这个数据亦然很大的，1000多万行，11列。
# 看下前6行head(fat_bothsex)## # A tibble: 6 × 11## variant minor_allele minor_AF low_confidence_variant n_complete_samples AC## <chr> <chr> <dbl> <lgl> <dbl> <dbl>## 1 1:1579… T 0 TRUE 51453 0 ## 2 1:6948… A 2.04e-5 TRUE 51453 2.10e0## 3 1:6956… C 1.80e-4 TRUE 51453 1.85e1## 4 1:1398… T 2.03e-5 TRUE 51453 2.09e0## 5 1:6927… C 1.12e-1 FALSE 51453 1.15e4## 6 1:6937… G 1.17e-1 FALSE 51453 1.20e4## # ℹ 5 more variables: ytx <dbl>, beta <dbl>, se <dbl>, tstat <dbl>, pval <dbl>
这个数据的每一列是什么真谛，齐在前边说过的README部分有详备的先容，民众一定要去看！
比如第一列是variant，它的真谛是chr:pos:ref:alt，alt是effect allele，需要使用这个和凝视文献统一。这些信息齐在README内部：
图片
这个数据是莫得rsid的，可是你仔细读过README之后就会发现，在variants.tsv.bgz这个文献中是有rsid的，何况这个文献也有chr:pos:ref:alt这些信息：
图片
是以把这个文献下载下来，和咱们的fat_bothsex文献统一一下，就有rsid了。variants.tsv.bgz这个文献就在Manifest 201807的第11行，找到下载伙同径直下载即可：
图片
下载好之后咱们把它读取进来：
variants_anno <- vroom::vroom("./ukbiobank/variants.tsv.bgz")dim(variants_anno)## [1] 13791467 25发现这个数据和fat_bothsex这个数据的行数是同样的。其着实README的描摹中东说念主家就说的很了了了，这个法例即是同样的，你不错通过variant这一列进行统一，也不错径直复制粘贴到一齐：
图片
稽查前6行：
variants_anno[1:6,]## # A tibble: 6 × 25## variant chr pos ref alt rsid varid consequence consequence_category## <chr> <chr> <dbl> <chr> <chr> <chr> <chr> <chr> <chr> ## 1 1:15791… 1 15791 C T rs54… 1:15… splice_reg… missense ## 2 1:69487… 1 69487 G A rs56… 1:69… missense_v… missense ## 3 1:69569… 1 69569 T C rs25… 1:69… missense_v… missense ## 4 1:13985… 1 139853 C T rs53… 1:13… splice_reg… missense ## 5 1:69279… 1 692794 CA C 1:69… 1:69… upstream_g… non_coding ## 6 1:69373… 1 693731 A G rs12… 1:69… upstream_g… non_coding ## # ℹ 16 more variables: info <dbl>, call_rate <dbl>, AC <dbl>, AF <dbl>,## # minor_allele <chr>, minor_AF <dbl>, p_hwe <dbl>, n_called <dbl>,## # n_not_called <dbl>, n_hom_ref <dbl>, n_het <dbl>, n_hom_var <dbl>,## # n_non_ref <dbl>, r_heterozygosity <dbl>, r_het_hom_var <dbl>,## # r_expected_het_frequency <dbl>
望望是不是统长入样：
# 信服是统长入致identical(variants_anno$variant, fat_bothsex$variant)## [1] TRUE
是以咱们径直统一一下即可：
fat_bothsex <- cbind.data.frame(variants_anno[,2:6], fat_bothsex)head(fat_bothsex)## chr pos ref alt rsid variant minor_allele minor_AF## 1 1 15791 C T rs547522712 1:15791:C:T T 0.00000e+00## 2 1 69487 G A rs568226429 1:69487:G:A A 2.03879e-05## 3 1 69569 T C rs2531267 1:69569:T:C C 1.80062e-04## 4 1 139853 C T rs533633326 1:139853:C:T T 2.03117e-05## 5 1 692794 CA C 1:692794_CA_C 1:692794:CA:C C 1.12102e-01## 6 1 693731 A G rs12238997 1:693731:A:G G 1.16788e-01## low_confidence_variant n_complete_samples AC ytx beta## 1 TRUE 51453 0.00000 0.00000 NaN## 2 TRUE 51453 2.09804 -1.99658 -0.9567220## 3 TRUE 51453 18.52940 -2.86950 -0.1222020## 4 TRUE 51453 2.09020 -2.00107 -0.9583010## 5 FALSE 51453 11535.90000 -162.96100 -0.0233942## 6 FALSE 51453 12018.20000 -105.14000 -0.0126221## se tstat pval## 1 NaN NaN NaN## 2 0.6939280 -1.378710 0.1679920## 3 0.2382830 -0.512845 0.6080620## 4 0.6939330 -1.380970 0.1672940## 5 0.0107131 -2.183700 0.0289888## 6 0.0101812 -1.239750 0.2150740MR分析
领先是加载R包：
library(TwoSampleMR)
当今fat_bothsex这个数据是一个GWAS的原始数据，你不错把它用作是结局有关的数据，也不错把它用作是显现有关的数据。
要是你要把这个数据用作是结局有关的数据，那即是径直进行以下代码即可：
五月激情网# 在意列名逐个双应outcome_data <- format_data(dat = fat_bothsex, type = "outcome", # 类型是outcome snp_col = "rsid", beta_col = "beta", se_col = "se", eaf_col = "minor_AF", effect_allele_col = "alt", other_allele_col = "ref", pval_col = "pval", samplesize_col = "n_complete_samples", #ncase_col = "ncase_col", #ncontrol_col = "ncontrol_col", #gene_col = "nearest_genes", chr_col = "chr", pos_col = "pos" )
当今这个outcome_data即是一个结局数据了，要是你照旧有了显现数据，那么就不错径直进行MR分析了。
要是你要把这个数据用作是显现数据，那么领先需要凭据P值筛选一下：
# 先去掉NaNdf1 <- fat_bothsex[!is.nan(fat_bothsex$pval),]# 凭据P值筛选,我这个数据莫得小于5e-8的，是以采取了5e-6动作演示df1 <- subset(df1, pval < 5e-6)
然后再步地化数据：
# 在意列名逐个双应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", samplesize_col = "n_complete_samples", #ncase_col = "ncase_col", #ncontrol_col = "ncontrol_col", #gene_col = "nearest_genes", chr_col = "chr", pos_col = "pos" )
然后再初始下clump（这个经过需要联网的，要是你思统统土产货化初始，可参考下载IEU OPEN GWAS数据土产货处理）：
# 这一步需要联网exposure_data <- clump_data(exposure_data, clump_kb=10000, clump_r2=0.001)
当今这个exposure_data即是一个显现数据了，要是你照旧有了结局数据，那么就不错径直进行MR分析了。
其中还有一些问题并莫得说，比如一个ref有多个alt，或者minor_allele有多个等问题，以后再先容，民众遭受了也不错我方搜索下。
科罚！easy！
参考尊府[1]github: https://nealelab.github.io/UKBB_ldsc/select_topline.html伦理电影大全百度影音
本站仅提供存储处事，总计实质均由用户发布，如发现存害或侵权实质，请点击举报。