R道话实操：使用TwoSampleMR包进行孟德尔迅速化分析
众人好，我是邓飞。
前几天一直学习孟德尔迅速化的表面学问，写了几篇博客，迷暧昧糊嗅觉初学了，今天跑代码试了试，看着效果和图表，嗅觉意会更久了了。果真，看书百遍，不如一练，今天共享一下实操代码。
前几天的博客：
孟德尔迅速化的术语意会
孟德尔迅速化：器用变量三大假定
从一篇孟德尔迅速化著作看MR常收效果方式
示例数据使用官网的数据，进行了小数补充，对效果进行了可视化。（https://mrcieu.github.io/TwoSampleMR/articles/introduction.html）
通盘这个词动作：
图片
动作1：提真金不怕火暴露数据的GWAS
图片
> ## 1, 安设TwoSampleMR，若是已安设，不错忽略> > # library(remotes)> # install_github("MRCIEU/TwoSampleMR")> > ## 2， 载入TwoSampleMR包> library(TwoSampleMR)> > ## 3，从数据库中提真金不怕火暴露的GWAS summary数据> exposure_dat = extract_instruments("ieu-a-2")> dim(exposure_dat)[1] 79 15共有79行15列的暴露数据效果。
动作2：提真金不怕火结局数据的GWAS
图片
> ## 4，从数据库中提真金不怕火结局变量的的GWAS summary数据，SNP用暴露数据的效果> # Get effects of instruments on outcome> outcome_dat = extract_outcome_data(snps=exposure_dat$SNP, outcomes = "ieu-a-7")Extracting data for 79 SNP(s) from 1 GWAS(s)> dim(outcome_dat)[1] 79 16
共79行15列的结局数据，注意，这里径直使用暴露数据质控后的SNP，提真金不怕火结局数据获得的效果，是以位点数是相似的。
动作3：团结暴露数据和结局数据
图片
> ## 5，将暴露数据和结局数据团结> # Harmonise the exposure and outcome data> dat = harmonise_data(exposure_dat, outcome_dat)Harmonising Body mass index
http://langshan520.com/guanyuwomen/7966.html
