今天给大家分享一下如何复现一篇2区SCI药靶孟德尔随机化文章,这篇文章发表在Arthritis Research & Therapy,影子因子:4.9,这篇文章是2023年8月14日出版的,是一篇非常新的文章,特别容易理解和操作的文章。 1、直接下载暴露、结局数据、选择靶基因PCSK9和HMGCR相关的SNP(演示数据的结果) 2、药靶孟德尔随机化统计分析,阳性对照验证,并且将结果整理成森林图(演示数据的结果) 统计分析代码分享:下面以PCSK9抑制剂与SLE相关的代码为例 #install packages install.packages("devtools") devtools::install_github("MRCIEU/TwoSampleMR")
#install.packages("ggplot2")
#library library(TwoSampleMR) library(ggplot2)
#set up your work directory setwd("")
#load exposure data PCSK9_snp<-<- read_exposure_data( filename = "input.txt", sep = "\t", snp_col = "SNP", beta_col = "Beta", se_col = "SE", effect_allele_col = "Effect_allele", other_allele_col = "Other_allele", pval_col = "P" ,eaf_col = "EAF",chr_col = "CHR", pos_col = "BP" ) #data filter PCSK9_snp<- expo_rt[expo_rt$pval.exposure < 5e-8,] PCSK9_snp <- clump_data(expo_rt,clump_kb = 100, clump_r2 = 0.3) #load outcome data outc_rt <- extract_outcome_data( snps = PCSK9_snp$SNP, outcomes = 'ebi-a-GCST003156' ) #harmonise and merge data harm_rt <- harmonise_data( exposure_dat = PCSK9_snp, outcome_dat = outc_rt,action=1)
write.table(harm_rt, "harmonise.txt",row.names = F,sep = "\t",quote = F)
#mendelian randomization(MR) analysis mr_result<- mr(harm_rt) View(mr_result) result_or=generate_odds_ratios(mr_result) write.table(result_or[,5:ncol(result_or)],"OR.txt",row.names = F,sep = "\t",quote = F)
#将统计结果绘制森林图
install.packages("forestploter") install.packages("grid")
library(grid) library(forestploter)
setwd("/Volumes/code/forest")
mydata=read.table("all_result.txt",header = T,sep = "\t") mydata$` ` <- paste(rep(" ", 20), collapse = " ") mydata$`OR (95% CI)` <- ifelse(is.na(mydata$or), "",sprintf("%.4f (%.4f - %.4f)", mydata$or, mydata$or_lci95, mydata$or_uci95)) forest(mydata[,c(1:3,7:8)], est = mydata$or, lower =mydata$or_lci95, upper = mydata$or_uci95, sizes =0.3, ci_column =4 , ref_line = 1, xlim = c(0.05, 3), theme = tm3)
其他靶基因与其他结局的代码改一下数据就可以了,操作跟上述一样。这篇文章的操作分析都不难,最难的地方就是选题,要自己对药物与自己研究方向都非常熟悉,需要找到有临床意义的课题。如果自己不熟悉的话,就需要多查文献,多总结,花费的时间比较多。
药靶孟德尔随机化跟其他孟德尔随机化都一样,最难的一步是选题,如果不会选题的话,剩下的就交给运气。这次分享就到这里,希望本文对大家有所帮助。
|