【孟德尔随机化】代码分享：用循环代替大海捞针

前几期几乎都是以文献分享为主，这一期直接一点，跟大家分享一下同时跑多个变量和多个结局的代码，拿来就能用的那种~

第一步，加载包

# if (!require("R.utils", quietly = TRUE))  install.packages("R.utils")
# 
# devtools::install_github("jrs95/hyprcoloc", build_opts = c("--resave-data", "--no-manual"), build_vignettes = TRUE)
# browseVignettes("hyprcoloc")
# install.packages("gwasvcf")
# devtools::install_github("mrcieu/gwasglue") #needed for getting coloc data from opengwas
# devtools::install_github("jrs95/gassocplot")
# devtools::install_github('bar-woolf/MRSamePopTest')
# devtools::install_github("bar-woolf/TwoStepCisMR")
# devtools::install_github("slowkow/ggrepel")

rm(list = ls())
# 加载包 ---------------------------------------------------------------------
if (T) {
  library(data.table)
  library(coloc)
  library(TwoSampleMR)
  library(ieugwasr)
  library(ggplot2)
  library(ggrepel)
  # library(gwasglue)
  # library(gassocplot)
  # library(MRSamePopTest)
  # library(TwoStepCisMR)
  library(TwoSampleMR)
  library(dplyr)
  library(stringr)
  library(tidyverse)
}

第二步，获取工具变量

这里我用了一篇文章的补充材料提供的暴露作为示例Phenome-wide Mendelian randomisation analysis of 378,142 cases reveals risk factors for eight common cancers | Nature Communications

“

https://static-content.springer.com/esm/art%3A10.1038%2Fs41467-024-46927-z/MediaObjects/41467_2024_46927_MOESM5_ESM.xlsx

source("step1_lib.R")

这里包括了将近4000个trait，所以我用了循环

options(ieugwasr_api = 'gwas-api.mrcieu.ac.uk/')

# 如果出现以下报错：
# (Error in r$status_code : $ operator is invalid for atomic vectors)策略：
# 删除R包
# remove.packages("ieugwasr")
# 重新安装一下
# remotes::install_github("mrcieu/ieugwasr", force = TRUE)
library(ieugwasr)
library(doParallel)
library(foreach)

Phenome <- readxl::read_xlsx("./risk factors for eight common cancers.xlsx",sheet = "Ovarian")
exp <- Phenome$`Trait ID`

result_list <- list()  # Create an empty list to store the results

# 定义每次循环处理的子集大小
subset_size <- 100


# 计算需要的循环次数
num_iterations <- ceiling(length(exp) / subset_size)

# 遍历每个子集
for (i in 1:num_iterations) {
  # i=38
  start_index <- (i - 1) * subset_size + 1  # 子集的起始索引
  end_index <- min(i * subset_size, length(exp))  # 子集的结束索引
  
  subset <- exp[start_index:end_index]  # 提取子集进行处理
  
  # 在此处进行子集处理
  for (j in subset) {
    print(j)
    exp_gwas <- tryCatch(
      TwoSampleMR::extract_instruments(outcomes = j, p1 = 5e-08, clump = TRUE,
                                       p2 = 5e-08, r2 = 0.01, kb = 10000,
                                       access_token = ieugwasr::check_access_token(),
                                       force_server = FALSE),
      error = function(e) {
        message(paste("Error occurred for GWAS:", j))
        NULL # Return NULL when an error occurs
      }
    )
    
    if (!is.null(exp_gwas)) {
      result_list[[j]] <- exp_gwas
    }
  }
  
}


# 打印结果列表
print(names(result_list))
save(result_list,file = "phegwas_result_list.Rdata")

这样就获取了多个变量的IVs并保存为一个list，后续也可以用这个数据去和多种结局一一尝试。

第三步，整理结局数据

这一步是针对gwas catalog的数据，当然也可以根据自己的数据来修改

source("step1_lib.R")

dir <- "./tmp"
dat_38 <- list.files(dir,pattern = "38.tsv.gz") 

newfile <- str_split(dat_38,"_",simplify = T)[,1]

# hg19
# [1] "chromosome"              "variant_id"             
# [3] "base_pair_location"      "effect_allele"          
# [5] "other_allele"            "N"                      
# [7] "effect_allele_frequency" "T"                      
# [9] "SE_T"                    "P_noSPA"                
# [11] "beta"                    "standard_error"         
# [13] "p_value"                 "CONVERGE"

# hg38
# [1] "Name"                    "chromosome"             
# [3] "base_pair_location"      "other_allele"           
# [5] "effect_allele"           "Trait"                  
# [7] "Cohort"                  "Model"                  
# [9] "odds_ratio"              "ci_lower"               
# [11] "ci_upper"                "p_value"                
# [13] "effect_allele_frequency" "standard_error" 

dir.create("./tmp/dat_38/")

for (i in dat_38) {
  f= file.path(dir,i)
  print(f)
  gwas <- fread(f,data.table = F)
  gwas[1:4,1:4]
  gwas$Effect <- log(gwas$odds_ratio)
  setnames(gwas,old = c("chromosome","base_pair_location","other_allele","effect_allele","effect_allele_frequency"),new = c("CHR","BP","A1","A2","EAF")) 
  
  newfile <- str_split(i,"_",simplify = T)[,1]
  # 判断数据框中A1或A2列中是否包含指定字符串
  if (any(apply(gwas[, c("A1", "A2")], 2, function(col) any(col %in% c("A", "G", "C", "T"))))) {
    # 如果包含指定字符串，则执行相应的操作
    reformatted2 <- MungeSumstats::format_sumstats(gwas,
                                    ref_genome = "GRCh38",
                                    convert_ref_genome = "GRCh37",
                                    nThread = 2,
                                    save_path =paste0("./tmp/dat_38/",newfile,".tsv.gz"))      # 在这里你可以执行其他的操作
  } else {
    # 如果不包含指定字符串，则打印"条件不符合"
    print(paste("uncorrect A1&A2:",i))
  }
  
}

这一步的目的是根据CHR+POS+A1|A2获取RSID，如果你的数据已经有了rsid，就跳过这一步。

不同的数据对应不用的列名，这里因为我用MungeSumstats包以后，列名发生了变化；如果你也使用了这个包，那么列名下面的应该是对应的。如果是其他数据，在运行下面代码之前需要用colnames(dat)检查一下自己的列名，对应上去就好。

 outcome <- read_outcome_data("你的文件夹", 
                               sep = "\t", 
                               snps = exposure$SNP, 
                               snp_col = "SNP",
                               effect_allele_col = "A2", 
                               other_allele_col = "A1",
                               pval_col = "P",
                               beta_col = "Effect", 
                               se_col = "SE", 
                               eaf_col = "FRQ", 
                               chr_col = "CHR")

第四步，MR

source("step1_lib.R")

load("phegwas_result_list.Rdata")

dir.create("./mr_outputs")

for (i in 1:length(result_list)) {
  exposure <- result_list[[i]]
  ##outcome data
  dir <- "./tmp/dat_38/"
  out <- list.files(dir,pattern = "38.tsv.gz")
  for (j in 1:length(out)) {
    outdat <- out[j]
    print(outdat)
    
    expname <- unique(exposure$id.exposure)
    outname <- trimws(substr(outdat,1,12))
    
    outcome<-tryCatch(
      outcome <- read_outcome_data(file.path(dir,outdat), 
                                   sep = "\t", 
                                   snps = exposure$SNP, 
                                   snp_col = "variant_id",
                                   effect_allele_col = "effect_allele", 
                                   other_allele_col = "other_allele",
                                   pval_col = "p_value",
                                   beta_col = "beta", 
                                   se_col = "standard_error", 
                                   eaf_col = "effect_allele_frequency", 
                                   chr_col = "chromosome"),
      error = function(e) {
        message(paste("Error occurred for outcome:", outname))
        NULL  # Return NULL when an error occurs
      }
    )
    
    if (!is.null(outcome)) {
      dat<-harmonise_data(exposure,outcome)
      
      mr.methods=c("mr_wald_ratio", "mr_ivw", "mr_ivw_fe", "mr_weighted_median", "mr_weighted_mode", "mr_egger_regression")
      mr.res <- mr(dat, method_list=mr.methods)
      
      threshold <- 0.05 ##定义p值范围
      target_column <- "pval"
      if (any(mr.res[[target_column]] < threshold)) {
        # 如果存在小于阈值的元素，则执行相应的操作
        print(paste("At least one value in column", target_column, "is less than", threshold))
        # 在这里你可以执行其他的操作
        ors <- generate_odds_ratios(mr.res)
        write.csv(ors, paste0("./mr_outputs/",expname,"_",outname,"_mr_results.csv"))
      }
    }
    
  }
}

这一步，不仅运行了mr，并且将任意一种mr方法的p值小于0.05的结果写为csv文件。

这里用了两个for循环，目的是分析多个暴露和多个结局的相关性。如果是一对多，那就把i对应的循环拿掉；如果是多对一，那就把j对应的循环拿掉即可。遇到问题欢迎后台留言~