全球好，我是邓飞。

前几天一直学习孟德尔立时化的表面常识，写了几篇博客，迷恶浊糊嗅觉初学了，今天跑代码试了试，看着效果和图表，嗅觉勾通更长远了。简直，看书百遍，不如一练，今天共享一下实操代码。

前几天的博客：

孟德尔立时化的术语勾通

孟德尔立时化：用具变量三大假定

从一篇孟德尔立时化著述看MR常生效果口头

示例数据使用官网的数据，进行了极少补充，对效果进行了可视化。（https://mrcieu.github.io/TwoSampleMR/articles/introduction.html）

所有措施：

图片

措施1：索求泄露数据的GWAS

图片

> ## 1， 装配TwoSampleMR，cui情药哪里买淌若已装配，不错忽略> > # library(remotes)> # install_github("MRCIEU/TwoSampleMR")> > ## 2， 载入TwoSampleMR包> library(TwoSampleMR)> > ## 3，从数据库中索求泄露的GWAS summary数据> exposure_dat = extract_instruments("ieu-a-2")> dim(exposure_dat)[1] 79 15

共有79行15列的泄露数据效果。

措施2：索求结局数据的GWAS

图片

> ## 4，从数据库中索求结局变量的的GWAS summary数据，SNP用泄露数据的效果> # 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，审视，这里径直使用泄露数据质控后的SNP，索求结局数据获得的效果，是以位点数是雷同的。

措施3：吞并泄露数据和结局数据

图片

> ## 5，将泄露数据和结局数据吞并> # Harmonise the exposure and outcome data> dat = harmonise_data(exposure_dat， outcome_dat)Harmonising Body mass index