使用TwoSampleMR進行兩樣本的孟德爾隨機化研究

歡迎關注」生信修煉手冊」!git

TwoSampleMR是MR-Base數據庫開發團隊提供的R包，能夠調用MR-Base數據庫中已有的gwas結果，來進行2SMR分析，官方文檔連接以下github

https://mrcieu.github.io/TwoSampleMR/web

2SMR分析須要兩個輸入文件，第一個文件爲遺傳變異與暴露因素的gwas結果，第二個文件爲遺傳變異與結局變量的gwas結果。對於暴露因素相關的gwas結果，TwoSampleMR支持讀取自定義的結果，同時也支持直接調用MR-Base中的結果；對於結局變量相關的gwas結果，僅支持調用MR-Base中的結果。數據庫

分析的pipeline示意以下微信

分爲了如下4大步app

1. read exposure data

讀取暴露因素的gwas結果，支持自定義，文件內容示意以下

less

對於上述文件，讀取的代碼以下編輯器

exposure_dat <- read_exposure_data(exp_file)

2. read outcome data

讀取結局變量的gwas結果，僅支持讀取MR-base數據庫中的gwas結果，須要google帳號，讀取的代碼以下學習

ao <- available_outcomes()
outcome_dat <- extract_outcome_data(
 snps=exposure_dat$SNP,
 outcomes=7)

3. Harmonise data

調整暴露因素和結局變量的gwas結果，主要目的flex

將SNP位點統一調整成正鏈
根據allele和頻率判斷兩個gwas結果中的SNP位點是否一致，不一致的進行去除

同一個位點在兩個gwas結果中鏈的方向不一致的狀況示意以下

exposure effect = 0.5
effect allele = A
other allele = G
outcome effect = -0.05
effect allele = C
other allele = T

方向不一致的位點只須要統一調整成正鏈就能夠了，snp位點不一致的狀況示意以下

exposure effect = 0.5
effect allele = A
other allele = G
outcome effect = -0.05
effect allele = A
other allele = C

從allele能夠看出，這兩個位點是不一致的，這樣的位點須要被去除。這部分對應的代碼以下

dat <- harmonise_data(exposure_dat, outcome_dat)

4. 運行MR分析

協整以後就能夠進行MR分析了，對應的代碼以下

res <- mr(dat)

默認採用多種方法進行MR分析。其中MR-Egger迴歸和IVM方法還支持進行異質性的檢驗，用法以下

mr_heterogeneity(dat)

基因多效性則經過MR-Egger迴歸的截距進行判斷，代碼以下

mr_pleiotropy_test(dat)

TwoSampleMR對2SMR的過程進行了高度封裝，保證了分析流程的易操做性，高準確度，美中不足的是，結局變量的gwas結果不支持自定義，缺少了一絲靈活性。

·end·

—若是喜歡，快分享給你的朋友們吧—

本公衆號深耕耘生信領域多年，具備豐富的數據分析經驗，致力於提供真正有價值的數據分析服務，擅長個性化分析，歡迎有須要的老師和同窗前來諮詢。