- 综合排序
- 最热优先
- 最新优先
- 来自专栏生信菜鸟团
【孟德尔随机化】孟德尔随机化的meta分析
相当于对多个gwas研究进行了meta分析，最后得到了总的IVW Estimate。
88910编辑于 2024-04-25 - 来自专栏生物信息与临床医学专栏
孟德尔随机化系列1
孟德尔随机化（Mendelian Randomization, MR）是近几年流行起来的用来进行因果推断的有效方法，它以遗传变异为工具变量来推导结局和暴露的因果关系，能有效避免传统流行病学研究的混杂偏倚 随着大量全基因组关联分析结果被发布和共享，现在的孟德尔随机化（主要是双样本孟德尔随机化）研究的文章数目也是逐年攀升，下面我将以‘TwoSampleMR’这个R包为例简单介绍孟德尔随机化的实施步骤。 从上面的结果看，obesity class 2 与二型糖尿病之间并无因果关联 以上就是孟德尔随机化研究的第一部分，后续将为大家带来更深入和详细的探讨。如有问题，欢迎留言！
2.4K20发布于 2020-08-06 - 来自专栏生信菜鸟团
【孟德尔随机化】文献复现（五）
今天的内容建议参考【孟德尔随机化】文献复现（三），比较一下代码的异同以便进一步思考~ 我们先来看table 1部分： chr<-4 window <- 0 #using a more stringent
89111编辑于 2024-02-26 - 来自专栏北野茶缸子的专栏
Bioinfo01-孟德尔随机化
前言 这是我之前关于孟德尔随机化相关课题的一个简单笔记。其中包括了关于孟德尔随机化的简单介绍，以及一些one-sample MR 的R 语言实战。 那么，什么是孟德尔随机化呢？ 3-孟德尔随机化 3.1-介绍 虽然说这个方法叫做”孟德尔随机化“，也确实因为这个名字困惑了我一段时间，但实际上，它相比起我们所熟知的孟德尔的遗传规律，其主要作用还是在于相关与因果推断上。 我们姑且可以将孟德尔随机化（Mendelian Randomization，MR）理解为工具变量在流行病学与生物医学上的推广。 为什么叫孟德尔随机化呢？ 4-单一样本孟德尔随机化 单一样本孟德尔随机化（One-sample MR），利用单一研究样本，即暴露与结局信息来自于同一类型样本。
4.8K41编辑于 2022-05-19 - 来自专栏生信菜鸟团
【孟德尔随机化】共定位方法汇总
以后的孟德尔专栏我会专注于追踪较新的文献并尝试复现，努力跟上大家的脚步！
3.2K10编辑于 2023-12-28 - 来自专栏生信菜鸟团
【孟德尔随机化】GWAS数据方舟——Data Ark
Scientific Computing and Data | Scientific Computing and Data (mssm.edu)
26810编辑于 2023-12-14 - 来自专栏生物信息与临床医学专栏
孟德尔随机化之Wald ratio方法（一）
系数比率法或Wald方法是使用单个IV估算暴露（X）对结局（Y）的因果关系，也是最简单计算方法。如果有一个以上的IV可用，则可以使用该方法计算出每个IV因果效应量，或者可以用多基因基因风险评分法将多个遗传变异合并为单个IV，除此之外可以使用其他估计方法。
2.7K10编辑于 2022-08-21 - 来自专栏数据挖掘
双向孟德尔随机化研究
双向孟德尔随机化研究暴露和结局的双向孟德尔随机化研究，重要的是前期的数据整理1 正向例1:暴露ADHD(PGC数据库)，结局TMD(芬兰数据库)rm(list = ls())library(dplyr)
46110编辑于 2025-03-10 - 来自专栏生物信息与临床医学专栏
孟德尔随机化之F统计量
在孟德尔随机化研究中，有一个很重要的问题就是弱工具变量偏倚（weak instrument bias）。 在两样本孟德尔随机化研究中，我们很容易得到N和k的具体数值，但是R2却并不容易获取，我们常常需要查阅原始文献或者看完整的GWAS summary文件才能获取。 对于单样本的孟德尔随机化，我们可以自己进行两阶段最小二乘法，并且在第一阶段的回归中直接得到R2的。详细内容参见孟德尔随机化之两阶段估计法（一）与孟德尔随机化之两阶段估计法（二）。
4.8K10编辑于 2022-08-21 - 来自专栏生信菜鸟团
【孟德尔随机化】森林图怎么画？
本来想复现上周的那篇文献导读，但是找了很久都没找到他的原始数据，就……很绝望。。。所以给大家补一个森林图的画图方式~
2.6K11编辑于 2023-09-19 - 来自专栏生信菜鸟团
【孟德尔随机化】文献复现（六）
下一期我会找找看有没有孟德尔和单细胞的跨界合作文章，为大家提供一些不一样的东西……
79310编辑于 2024-02-28 - 来自专栏生信菜鸟团
孟德尔随机化：代码分享（二）
第一部分在这里：孟德尔中介分析全流程代码（一） 话不多说，上代码—— 1加载包 library(tidyverse) library(data.table) library(ivpack) library 默认值为 0，相当于严格的双样本孟德尔随机分析（无重叠）。如果样本之间完全重叠，则相关性应设置为暴露与结果之间的观察相关性。只有在权重选项设置为 "delta "时，该相关性才会用于计算标准误差。
3.5K41编辑于 2023-09-09 - 来自专栏生物信息与临床医学专栏
孟德尔随机化之研究背景
久违的孟德尔随机化开始更新了，在今天的内容中，我将向大家介绍孟德尔随机化的基本概念及其背景知识，并举例说明何时可以使用该方法以及该方法为何能有效解释因果关系。 孟德尔（Gregor Mendel）在1866年提出了两个遗传法则：（1）随机分配；（2）自由组合。这些法则用术语“孟德尔遗传定律”来概括，这也正是孟德尔随机化的名字由来。 然而，这些遗传变异却为孟德尔随机化提供了机会，因为孟德尔随机化正是利用遗传数据评估各种危险因素间因果关系的方法。 1.3 经典实例：炎症假说 “炎症假说”是理解心血管疾病的重要方面。 在孟德尔随机化中，遗传变异被用作工具变量，那么人群中的个体可以根据其遗传变异分为不同的亚组。 好了，今天的内容就分享到这里，米老鼠会在接下来的时间持续更新孟德尔随机化研究的相关知识，敬请期待！
1.6K41发布于 2020-08-06 - 来自专栏生物信息与临床医学专栏
双向孟德尔随机化研究简介
双向孟德尔随机化（bidirectional Mendelian randomization,bidirectional MR）实际上就是评估暴露（exposure）和结局（outcome）之间是否存在反向因果关系
4.1K30编辑于 2022-08-21 - 来自专栏生信菜鸟团
【孟德尔随机化】药靶文献复现（一）
A drug target for erectile dysfunction to help improve fertility, sexual activity, and wellbeing: mendelian randomisation study https://pubmed.ncbi.nlm.nih.gov/38086555/
2.5K11编辑于 2024-01-04 - 来自专栏生信菜鸟团
【孟德尔随机化】GWAS数据方舟——Data Ark
Scientific Computing and Data | Scientific Computing and Data (mssm.edu)
35610编辑于 2023-12-14 - 来自专栏生物信息与临床医学专栏
孟德尔随机化之遗传学概述
为了理解孟德尔随机化，我们有必要对遗传学有一个粗略的了解。 1. 在研究各种因果关系的科学背景中，孟德尔随机化有可能成为有用的工具，但是必须谨慎地应用它，因为其因果关系的主张是以无法凭经验检验的假设为代价的。
1K30发布于 2020-08-06 - 来自专栏孟德尔随机化
使用TwoSampleMR进行孟德尔随机化分析
TwoSampleMR 是一个用于进行双样本孟德尔随机化分析的R包，由 MRC Integrative Epidemiology Unit开发，并与OpenGWAS数据平台深度整合。 )library(VariantAnnotation) library(gwasglue) library(dplyr)library(tidyr)library(CMplot) 2.暴露数据处理进行孟德尔随机化分析时 t=mr(dat)mrResult=mr(dat)# mr_method_list()$obj # 选择孟德尔随机化的方法# mrResult=mr(dat, method_list=c("mr_ivw 其中红色的是展示了孟德尔随机化下分析的综合效应，在这里两种分析方法的总和效应都横跨过了0，说明暴露因素与结局并不相关。 然后还可以把去除某一个snp后的值与所有snp的效应值进行比较，如果波动情况不大的话就说明去除单个snp对孟德尔随机化结果没有产生过多的影响。
25510编辑于 2026-02-24 - 来自专栏生信菜鸟团
【孟德尔随机化药靶分析】SMR分析
首先要明确SMR分析需要准备哪些文件？为了方便大家去SMR官方网站查找资料时有所参照，我尽量使用官网原文，附上相应的解说：
10K12编辑于 2023-11-22 - 来自专栏R语言交流中心
R语言实现孟德尔随机化研究
孟德尔随机化（Mendelian Randomization, MR）是近几年流行起来的用来进行因果推断的有效方法，它以遗传变异为工具变量来推导结局和暴露的因果关系，能有效避免传统流行病学研究的混杂偏倚 孟德尔随机化的定义是“使用遗传变异进行工具变量分析”。在孟德尔随机中，遗传变异被用作工具变量(IV)评估暴露对结局的因果效应，遗传变异满足工具变量的基本条件总结为： （1） 遗传变异与暴露有关。 通过上面的假设，便引入了孟德尔随机化研究的基础，面对不同的数据有以下几种设计策略： 1.
12K79发布于 2020-11-16
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号