前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【PheWAS-based MR】肥胖与受教育程度之间不同的因果效应机制

【PheWAS-based MR】肥胖与受教育程度之间不同的因果效应机制

作者头像
生信菜鸟团
发布2024-04-11 15:02:30
900
发布2024-04-11 15:02:30
举报
文章被收录于专栏:生信菜鸟团生信菜鸟团

什么是全表型关联研究(PheWAS)

从字面意义上来说,G是基因组,P是表型组。G的最小单位可以被视为一个SNP,而P的最小单位则是一个表型,相当于≥1个SNP的集合所代表的性状,可以是疾病,也可以是疾病的某一个病理指标。

今天分享的这篇文章,讲的是孟德尔随机化全表型的聚类研究,刚好还有代码,我们可以学习一下这种新的方法到底是如何实现的——

提出了一种采用孟德尔随机化全关联聚类(PWC-MR)的方法,并用这种方法对肥胖相关的多种表型和受教育程度的关系进行了探索

文章提供了代码:

https://github.com/ LizaDarrous/PheWAS-cluster(https://doi.org/10.5281/zenodo. 10466847)

用到的数据源在这里:

Data

Web resource

Body mass index (BMI) GWAS

[https://broad-ukb-sumstats-us-east-1.s3.amazonaws.com/round2/additive-tsvs/21001_irnt.gwas.imputed_v3.both_sexes.tsv.bgz -O 21001_irnt.gwas.imputed_v3.both_sexes.tsv.bgz](https://broad-ukb-sumstats-us-east-1.s3.amazonaws.com/round2/additive-tsvs/21001_irnt.gwas.imputed_v3.both_sexes.tsv.bgz -O 21001_irnt.gwas.imputed_v3.both_sexes.tsv.bgz)

Educational attainment (EDU) GWAS

[https://broad-ukb-sumstats-us-east-1.s3.amazonaws.com/round2/additive-tsvs/21001_irnt.gwas.imputed_v3.both_sexes.tsv.bgz -O 21001_irnt.gwas.imputed_v3.both_sexes.tsv.bgz](https://broad-ukb-sumstats-us-east-1.s3.amazonaws.com/round2/additive-tsvs/21001_irnt.gwas.imputed_v3.both_sexes.tsv.bgz -O 21001_irnt.gwas.imputed_v3.both_sexes.tsv.bgz)

Systolic bloof pressure (SBP) GWAS

[https://broad-ukb-sumstats-us-east-1.s3.amazonaws.com/round2/additive-tsvs/4080_irnt.gwas.imputed_v3.both_sexes.tsv.bgz -O 4080_irnt.gwas.imputed_v3.both_sexes.tsv.bgz](https://broad-ukb-sumstats-us-east-1.s3.amazonaws.com/round2/additive-tsvs/4080_irnt.gwas.imputed_v3.both_sexes.tsv.bgz -O 4080_irnt.gwas.imputed_v3.both_sexes.tsv.bgz)

childBMI GWAS

[https://broad-ukb-sumstats-us-east-1.s3.amazonaws.com/round2/additive-tsvs/4080_irnt.gwas.imputed_v3.both_sexes.tsv.bgz -O 4080_irnt.gwas.imputed_v3.both_sexes.tsv.bgz](https://broad-ukb-sumstats-us-east-1.s3.amazonaws.com/round2/additive-tsvs/4080_irnt.gwas.imputed_v3.both_sexes.tsv.bgz -O 4080_irnt.gwas.imputed_v3.both_sexes.tsv.bgz)

BMI GWAS 1

[https://broad-ukb-sumstats-us-east-1.s3.amazonaws.com/round2/additive-tsvs/4080_irnt.gwas.imputed_v3.both_sexes.tsv.bgz -O 4080_irnt.gwas.imputed_v3.both_sexes.tsv.bgz](https://broad-ukb-sumstats-us-east-1.s3.amazonaws.com/round2/additive-tsvs/4080_irnt.gwas.imputed_v3.both_sexes.tsv.bgz -O 4080_irnt.gwas.imputed_v3.both_sexes.tsv.bgz)

BMI GWAS 2

https://doi.org/10.5523/bris.pnoat8cxo0u52p6ynfaekeigi

Adipose cis-eQTL MuTHER

https://doi.org/10.5523/bris.pnoat8cxo0u52p6ynfaekeigi

Adipose cis-eQTL GTEx v8

https://www.gtexportal.org/home/datasets

Brain cis-eQTL

https://yanglab.westlake.edu.cn/software/smr/#DataResource

感兴趣的小伙伴可以先学习起来~ ps:之前发的青光眼小编还在通关ing,等把代码搞通了就放上来

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2024-04-03,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 生信菜鸟团 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 什么是全表型关联研究(PheWAS)
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档