孟德尔随机化对电脑配置要求
粉丝1490获赞9640
相关视频
00:29查看AI文稿AI文稿今年我手上有个同学，他就搞那个梦多尔，发了好多文章，然后呢？他在写那个公派的主要学术成果那边，比如说，哎呀，本人自学了这个梦多尔的几套这个研究方法，在和医院里面各个科室合作 啊，现在可以稳定的达到三个月出一篇文章，还是六个月出一篇文章。我忘掉了，我说这个好像不太合适去写进去，他说真的呀，就真的，我说这个就把论文产业化、论文工厂这个描述的赤裸裸的，就大家可以这么干，但是呢，不要把它去作为一种能力去写上去。
471医学留学陈老师（在德国）
05:07查看AI文稿AI文稿最近孟德尔随机化研究可谓是如火如荼，凭借其无需实验验证、无需编程基础、短期快速、容易接收等优势，快速进入大家视野。 大家千呼万唤的孟德尔随机化现在终于可以在我们八二零 photos 网站上实现了。本期教程就来演示如何五分钟零代码完成一套孟德尔随机化分析。我们进入机器学习模块，点击进入孟德尔随机化。 第一种运行方式就是我们输入暴露和结局对应的 drews 编号，然后自动运行。 另一种就是我们也可以上传自己收集的暴露或结局 the s m p 数据，然后上传 筛选条件包括 s m p 显著性、批值和连锁不平衡，我们用默认即可。网站还提供了多种孟德尔随机化模型，这里比较常用的比如 u u 或者阿哥等。 接下来我们用默认的暴露和结局 g v s 编号来演示运行这个 g v s 编号我们可以通过 u 这个网站来查找， 我们可以搜索热议感兴趣的表情，例如肺癌，然后这里会出现很多肺癌相关的 s n p 数据。我们一般选择比较新的 网站，默认填充的也是二零二一年的这一套数据， 结局是肺癌暴露。我们就以吸烟为例，假设我们想探究吸烟是不是会引发肺癌。同样的，和吸烟有关的数据有很多，我们默认使用比较新的这一套 程序，运行完了可以看到结果里横轴是结局，纵轴是暴露。可以看到三个模型都提示了有证相关，证明吸烟的确会引发肺癌。接下来我们演示另一种方法，即上传自己的数据来运行。 我们先看一下数据格式，暴露和结局的格式是一样的。 第一列是 s m p 编号，后面分别是等位基因效应值、标准误差、 p 值、样本量、表心名称以及等位基因频率。 接下来我们上传自己的数据并运行， 结果出来了，跟输入编号分析的结果一致。 我们再看一下其他输出结果。 首先是 s m p 和暴露的 f 值大于十，代表和暴露强相关。 mr harmonize 是暴露和结局整合的 s m p 结果，整合过程会过滤掉不兼容的 s m p 以及回纹序列 s m p。 然后是最关键的结果，也就是所选模型的显著性。 因为我们运行时选择了三个模型，所以这里只有三个模型的结果。我们不强求所有模型都是显著的，但是 you 这个模型是最关键的， 可以看到意味模型的 p 值是小于零点零五的，具有统计学显著性。 我们再看一下图片结果。首先是界面展示的相关性回归图， 这个是看数据偏移的漏斗图，均匀分布在竖线两侧及无偏。 最后是所有 s n p 留意法的森林图，主要是为了验证是否有某个 s n p 对结论有决定性影响。 到此，我们已经完成了整个孟德尔随机化研究，并得出结论，吸烟的确会引发肺癌风险增加。二者之间存在因果关系。 怎么样？有没有跃跃欲试？快来评论区领取网站账号用起来吧！
334学术渣在欧洲
02:21查看AI文稿AI文稿大家好，最近孟德尔学计划似乎挺火的，那今天就给大家讲解一下孟德尔学计划的结果怎么看。在 mr 分析中常见的有以下四张图，我们一张张的进行解读。在这里我们的暴露因素是睡眠时间，结局是冠心病。首先这张图是工具变量 gsnp 的森林图，每一条水平线反映的是单个 snp 利用 word reso 方法估计出来的结果，实现完全在零的左边，说明有这个 snp 估计出来的结果是睡眠时间增加，能降低冠心病的发病风险。 时间完全在零的右边，说明由这个 snp 估计出来的结果是睡眠时间增加能升高冠心病的发病风险。那些跨过零的结果说明不显著，但是单个 snp 的结果并不稳健，因为这里睡眠时间是有多个 snp 影响的，所以需要把结果综合起来看，也就是最底下 的红线。得出两个方法下，睡眠时间的升高可以降低冠心病的发病风险。这张图表示的是暴露因素与结局因素之间的 m 二分析结果， 每一个点其实代表了一个工具变量 snp， 每个点上的线实际反映的是百分之九十五直行区间。横坐标是 snp 对暴露因素，也就是睡眠时间的效应。 众坐标是 snp 对结局因素，也就是关于心病的效应。两个效应作比值，就是暴露对结局的效应，也就是图中彩色线的斜率。不同颜色的线表示的是不同的算法，结果显示不同算法的线总体是斜向下的。这就意味着随着睡眠时间的升高，冠心病的发病风险在降低。 m 二分析结果之后，需要进行敏感性分析来检验分析结果的可靠性与稳定性。逐步剔除检验就是其中的一种。逐步剔除检验指的是 逐步剔除每个 snp， 评估剩余 snp 的效应。如果剔除了某一个 snp 后结果发生很大改变，说明此 snp 对结果影响很大，唯一长值需要剔除掉。如下图所示， 剔除每个 snp 后，总体的误差线变化不大，也就是所有的误差线均在零的右侧，或者所有的误差线都在零的左侧，说明结果是可靠的。漏斗图可以看 snp 的抑制性与 mate 分析中的漏斗图相似， 主要关注 ivw 线的左右两边的点是否大致对称，如果有特别离群的点，说明有离群值，可以去除后再次进行 m 二分析。至此，今天的分享到这里就结束了，感谢大家的关注。
793生信人
01:18查看AI文稿AI文稿今天我们来介绍一个新增的孟德尔随机化数据库，我们已经介绍了 open g was 和 g was catalog 两个数据库了。现在网站新增了第三大 g was 数据库。芬兰数据库。 我们可以通过工具变量模块来检索芬兰数据库。跟其他两个数据库一样，这里记录了详细的暴露信息，样本、个数等等。例如我们从芬兰数据库搜索吸烟相关的暴露，我们以第一个为例作为暴露来分析。 结果出来了，可以看到芬兰数据库的吸烟暴露和来自 open g was 的肺癌结局也是呈现一定相关性的。我们再看一下其他结果报告。首先 是不同算法下的显著性结果，可以看到加权平均的批值是显著的 抑制性，检验结果是没有抑制性。这时候可以用固定效应模型水平多效型检验，也是证明没有多效性偏移。 下面是 s、 m p 的森林图漏斗图结果。以上就是本次更新内容，快通过评论区链接领取账号吧！
17学术渣在欧洲
16:15查看AI文稿AI文稿各位同学大家好，欢迎来到深信师学，我是文云博士，这课我们来学一下零基础孟德尔随机化快速发文课程。目前来说孟德尔随机化课程是非常火的一门课程 啊，这课程呢步骤非常简单啊，可选的题目也非常多，而且现在会用这个方法做人特别少，所以大家能掌握这个方法来做相应的啊，数据分析可以说 啊是非常有用的，我们的课程来源于生性私学，请大家关注微信公众号， b f s c i 回复 m 一即可获得课程脚本视频讲解和一对一指导。零基础可学会保姆式详细讲解， 一对一的指导，可推荐发表 sci。 那么来看一下第一节课课程介绍与范文解读。我们打开，那么这里呢，有我们的几两个范文，那我们会根据其中一个范文来复现一下这篇文章。我们首先 来看一下这个零基础梦多少虚化发文课程的一般的步骤或者说相关的概念。 ok， 那么这个课程我们总共是分为九节课，那么第一节课呢，是课程的简介与范文解读。那么后面的话包括这个软件的下载已调试啊，暴露数据和阶级数据的下载，关联性分析， 连锁不平衡分析，去除六公斤变量分析，还有去除混杂因素，孟德尔随机化分析，最后一个是绘制生灵图。总共这节课，我们首先来看一下我们为什么要学习孟德尔随机化， 那么孟德尔这句话呢，是一种啊，数据或说我们分析研究的一种方法， 那么我们之前十年前的话， mate 分析是啊，非常流行的，也由于这个 mate 分析做的人越来越多，那么后面很多人就开始做这个生性分析，那么生性分析呢，也大概只有五年的历史， 那么随着五年的这个发展的话，也有很多人啊去做了，那么现在的话，呃，需要结合一些热点，或者说一些新的套路才容易发文章， 因为一些老的套路的话，很多人都会了发了很多文章啊，那目前来说，今年开始啊，就是孟德尔说句话啊，是非常非常火的一个热点啊，一种方法，那么会用这个方法来做人还比较少，所以大家如果选择好的这个选题啊，去 发现的文章还是比较快的，而且发的分数都比较高，我看到有有的同学呢，是吧，选的题目非常好，能发十五分以上的 s a 啊，普遍的能够发到五到八分的 s a 都是很容易的， 而且它的内容是特别少的，几张图，三张图啊，三张图就能发 p s a o， ok， 那么它的适用范围也是非常广的，包括我们的医学分析，心理学分析，心理学啊等等领域 各行各业的分析，都可以用到孟德尔学习化。呃，由于这个是一种新的研究方法啊，很早能会，所以大家趁早啊，去学习新运用的话，发文呢，会很快，而且七缸和单位呢，都很接接受这样的文章啊，因为现在很少嘛。 然后呢，学起来非常简单啊，可以快速的学会。那么首先我们要搞懂一些一下，这个梦到虚化到底是什么意思？ ok， 这里有个概念， 什么是梦到实际化呢？我们从他的概念出发啊，他的简称就是 mr， mr 是一种既延长遗传变异的随机化方法， 用于评估因果关系啊，重要的是评估因果关系，那我们做很多研究啊，目的就是要评估他的因果方式。那么孟德尔说句话呢，是一种啊评估，因为 方法我看在在这个右边可以看到一个图，那么在我们的研究当中有很多种方法，比如说最基础的就体外的研究，对吧？体外的研究， 再往上一点就是这个动物研究啊，等等等等，包括这个案例啊，案例以及这个有这个控制组的一些研究，那么随着这个 金字塔形越往上，可以说他的证据证据的级别是越高的，那么在这个金字塔的最顶层叫做迈塔分析， 但是这个迈特发现现在他不是原创性的研究，他是基于以往的这些研究，然后根据他的一个证据的级别给他打分，然后再来评估整个的证据，这就是最顶级的迈特分析。那么迈特分析在十年前的话是非常火的啊，已经这个很多杂志已经不太接受这个迈特 分析的文章了。那么慢的分析往下一点点呢，就是这个 r、 c、 t 的研究，就是这个随机化啊，随机化，随机化的研究， 那孟德尔水化呢？是属于这个水化的一种，所以他的研究的正确级别也是非常非常高的哈，非常可以说是这个数据研究的啊，啊，最高峰对吧？就是孟德尔水化的研究啊，所以用这种方法来研究他的因果关系啊，是可以得到非常契的结论的。 那么我们做目的分析、实际化分析要需要注注意几个点，一个是借助工具变了来进行这个实际化来找到的因果关系， 那从而模拟随机对照研究，也就是这种啊，随机对照研究既有随机性又有对照啊，那么他这个梦多少随机化？他主要是啊体现这个 随机性啊，随机性，从而达到这个统计学的优势。他优势是什么呢？中计级别高，可以避免偏移，避免反向因果关系啊，比随机对到研究更省钱又省力。大知道做这种随机的研究的话，要有大量的样本，对吧？ 比如说还要刷盲，是不是啊？需要很多的这个样本量，那么他的研究的周期比较长啊，这个成本也非常高啊，这就是我们梦到这句话啊，他通过这个数据挖掘的话啊，可以达到这么一个证据级别，非常高的证据级别，而且呢可以找到很强的这个因果关系。 我们再来看一下我们的 model， 是句话的一般的一个假设，那么他有三个假设，那么可以通过这个图来看的很清楚，那我们主要是要找到这个暴露因素与结局变量的一个关 关系，是否有因果关系，就是这个暴露因素是否会导致这个绝育变量。 ok， 那么这是比较书面的话语，其实我们可以举个例子，比如说我们的吸烟是否对肺癌有影响，对吧？那么吸烟他就是个暴露因素，那么绝育变量是肺癌， 对吧？那我们就可以通过一些数据挖掘来找到他的相关系。那么除了这个暴露因素之外呢，我们还要考虑其他的因素，比如说他是否有混淆因素，是不是有其他因素导致这个结冰结节冰凉，对吧？ 那我们就需要去找一个工具变量，那么这个工具变量呢？就是这个 model 随机画的啊，用的这个呃工具就是 s n p 啊， s n p， 那么它通过呢这个独立性假设以及排单性假设啊，把这两个啊都排除掉了，然后得到的一个关联性假设 就是暴露因素会导致强的这个解决变量，那么在后面的过程中，我们的代码呢，就会做这个相应的处理，然后最后呢筛选出啊合适的工具变量啊，来推导这个 呃关联性假设，那么第一个就是相关性假设，就是 s n p 已暴露强相关，就是暴露强相关 啊，而且这 s n p 呢，最终会导致这个结变量，对吧？通过这个暴露因素导致这个结变量，那么排查性假设就是 s n p 与这个结局无关啊，结局无关，它本身与这个结局无关。 第三呢是这个独立性角是 s n p 与混淆因素有关啊，混淆因素无关。我举个例子啊，比如说导致这个肺癌，对吧？比如说我们有个体重指数，还有一个期间，那我们体重指数是否会导致这个肺癌的 呃这个增加呢？或者 fear 的这个呃加剧呢，对吧？那么 我们就要需要把一些其他的因素把它剔除掉，比如说吸烟，比如说其他的一些啊因素。我们已经明确了这些因素会导致这个界面，要把这些相关的 smp 把它删掉，然后只留下跟那个暴露因素强相关的啊，这个工具微量 来看到呢，会得到这个相应的结局，这就他的一个假设啊，假设，那我们的一般的过程包括以下几个部分，第一部分呢就是数据下载，那么这些呢，可以直接从我们的数据库里面进行下载， 或者通过这个啊大脑来下载相应的数据。那么这一步呢？是啊，比较重要的，因为这一步呢涉及到什么呢？就是我们选选取什么样的暴露因素，还有治疗什么样的几呃呃，对应什么样的结， 就是我们的疾病是什么。那么这里呢，我会教大家的方法怎么去做好这个选题，对吧？我们有很多方法，比如说去参考现在的文献，对不对？哎，发现他们有些相应的关联，我们就可以去做这暴露因素是否会导致这个结局啊？ 也可以去看一些临床上的一些呃样本，哎，我们临床上发现呢，某个因素可能会影响这结局，我们来通过这个数据挖掘来证实一下，是否会 啊？有很多种方法啊，那么这个数据下载好了之后呢，就可以直接用这 r 语言进行光联系分析，找到这个相应的 snp 啊，就是这个工具变量， 然后呢对这些工具变量在做相应的剔除，这三步都是做相应的剔除，就是有一些是啊连锁不平衡的，对吧？然后把它剔除，以及一些弱工具变量，还有一些混杂因素就全部剔除。那留下这个 snp 啊，就跟这个呃暴露因素强相关的 s n b 把留下来，然后做这个梦多尔数据化分析来得出这个结论，是否跟我们的暴露因素和结局，对吧？是否有强相关啊？是否有这个阴谋关系，然后再通过这个敏感性分析来验证这个结果， 所以，呃，整个过程的话是步骤是特特别少的，对吧？像这里的话就几个代码啊，几节课的代码就可以完成了啊，然后这里是出来啊，几个图，然后验证一下就可以了。 ok， 这个方我们来看一下， 我们可以翻一下这个题目，对吧？他就是体重指数与类风湿关节炎风险之间的因果关系啊，体重走势，那我们写的这个论文的题目也是一样的，就是这个因素啊，包的 max x 啊，就是 bmi， 对吧？他是否会啊？导致这个类风湿情况， 对不对？他是否有这个因果关系？那么我们写的时候也是这样的，哎，某个因素，若吸烟是否会导致这个类风湿关节炎？是否会导致肺癌？是否会导致肝癌？所以我们在选题的时候也是一样的，我们看到有时候体重指数会导致这个疾病，那么我们是否可以换个疾病呢？对吧？ 有没有其他的，比如说类似风湿关节炎，还有没有其他的关节炎呢？是吧？会导致其他的疾病呢？把这个疾病一化就是一个新的一个题目， 这是一个记忆这个梦的分析的一个研究，所以题目是很清晰的，我们可以改这个，对吧？也可以改这个，都可以，这就是比较简单的梦的学法的分析。 ok， 我们来看一下这个摘药，首先摘药的第一句话就告诉我们这个研究的一个基本的目的，正在探讨身体指数与这个类风湿关节炎是否有阴谋关系，然后他采取的方法是什么？木的实际化，然后方法就 什么弄的一种 two sample 判断实践化的一个分析方法啊，然后这里评估的一个方法是 a b w， 那么这里呢，有很多种方法，那么我们在这个呃 分析的时候会都会用到，然后通过这个 g vas 数据来采集的。呃，以这个 b m i 暴露因素啊，相关的一些啊，数据，总共这 s n p 有这么多啊，这么多。然后呢？又 hr 的数据也是从这个数据库里面获取的，然后总共有这么多 snp 啊，要么把它说清楚，就是你的方法是通过什么方法，然后研究了哪些数据，然后结果呢？结果呢？就是最终选择的六十八个 snp 作为这个工具变量啊，然后从哪里选呢？从这个数据库里面选的啊，作为这个 工具变量工具变量。然后通过这种方法来评估啊，评估它是否有这个相关性。那么这有几个指数跌塔 s e 以及这个 p y 六啊，它有显著性啊，显著性。然后这个方法又用来这个评估啊， 然后结果显示呢，他和他啊，具有一个没有，没有什么相关性啊，大家 没有英文关系，大家发现没有？他这个没有英文关系啊，他也能发文章，所以我梦到这句话就是你有阳性结果可以发文章，阴性结果也可以发文章，对吧？你没有英文关系，如果有英文关系就把这个 note 去掉就行了，对吧？那怎么判断呢？看这个批次，如果他批次小 零点零五，对吧？我就认为他有有因果讲话放弃啊，然而他就说了这句话，对吧？ 另用外另，用另外一种方法又得出了他有英文关系啊，他自己做出的解释，用其中这种方法是没有英文关系，用另外一种方法又又又有英文关系，然后他做出相应的结论， 表明有定向图角形，这就是他做这个检测时候啊，做这个检测，这是正面文章，那么大家具体可以看下他的一些图形。呃，这里是用的三种方法哈，三种方法可以看他的一个 p 值啊， p 值， 这是资金期间，对吧？对，跌打值，这个 s e 值，这个 s n b 六十八个，好，都是六十八个啊，这，呃， 相关性的皮外流，这个是有显示性的，看到没有？然后后面这后面这两个是没有啊，这个是没有显示性的，这个是有显示性的。那么我一般是看看这个 ibw 这个方法， 这次方法是最重要的，那么如果有其他方法跟他不一样，我们主要是以这个方法为主，但是我们起步的时候要解释一下啊，解释一下，我们主要是采取这个方法啊，比较公认的是第一种方法， ok， 大家看到的话非常简单一下 discussion， 对吧？总共才几页啊？三页、四页就说完了，可以看它图形，这就是每一个 s m p 啊，它的一个一个平均的一个 打分，这是不同方法，总共两种方法，一种是这个 i b w 方法，一个是 h 的这个方法，对吧？这两种方法，然后这是它的一个图啊，相关性的一个图， 可以看到这三种方法，他的取向都是一个正相关的一个关系，就是往右上啊，大家可以看到这里去判断他的一个情况。我们通过这个课程的话给大家讲解这个图到底什么意思 啊？总共是，哎，这是这个对称的一个图形，这两个 s n p s n p 在这个线里左右两边都是对称的啊，对称的，那么我们看到就三个图，就发到一篇孟德尔数据化的一个分析， ok， 那么大家如果呃需要学习我们的课程，大家可以关注我们的微信公众号啊， 关注微信公众号， bf s c i 回复 m e 可以获得课程教本和视频讲解，零周日可学会保姆式详细讲解，一对一的指导，可推荐发表 s c i。 那我们的课程呢，就是通过啊语言代码一步一步完成啊，从数据下载开始啊，每一每一节课 都有安源代码做相应的一个分析。好，这课到这里谢谢大家。我们的课程来源于生性私学，请大家关注微信公众号 b f s c i 回复 m 一 即可获得课程脚本，视频讲解和一对一指导，零基础可学会保姆式详细讲解，一对一的指导，可推荐发表 sci。
211文云博士
17:41查看AI文稿AI文稿大家介绍一下这个 in hands 的一个基本的情况，嗯，这是我的个人简介，也就不赘述了 啊。恩，汉子数据库呢，他是全称是国家健康与营养调查，他是二十世纪六十年代就开始的一个调查计划，并且他从一九九九年开始成为一项持续的计划， 每年大概调查五千个人的样本。这这代表什么呢？就是说像一九九九年开始到现在二十多年的期间，他有大概十二个周期，他是每两年为一个调查的周期， 他就是啊，会在一个固定的时间。嗯，把这个前面周期收集的数据开放给大家， 然后二十多年的话，现在也有很大的一个样本量了。嗯，并且他是一个长期的计划，也就代表他会不断的更新。这个是他的官网链接标红的，这个大家就是可以保存一下。嗯，后面的话可以直接进去。 这个调查主要是为了评估美国成年人和儿童的健康和营养状况， 所以不论你们是做临床内外科的，或者是针对儿科的，它里面都有相应的数据，应用的范围还是很广泛的啊。 他主要的管理机构是属于这个美国疾控预防中心的，所以他有一些大型的研究，得出大型的分析得出来的 结果也可能会对这个防疫的政策啊，或者什么的。嗯，有一些指导性的作用啊，也是有一些相应的发文啊，都可以在拍卖的上面搜到。所以他的这个，嗯数据的 结果还是很受到认可的，因为它甚至可以影响的一些政政策的指导嘛。 它里面的数据主要是分为两大类，一块是访谈，还有一块是体格检查。访谈的内容就是主要是包括人口统计、社会经济、饮食和健康的问题。除了基本的 这个人口统计学的一些知识，有啊相应的那些变量以外，他还包括就是嗯，比如有一些问卷，比如说 说像在实际上我们做这个数据库分析的时候，可能，对啊这个纳入进来的人群，你要判断他是否是糖尿病，嗯，在很多文献里面，他不仅仅会去用血糖、 ogtt 等实验 来做这个是否糖尿病的这个评判，他也会利用它里面的问卷的一个结果，他比如会回答什么，嗯是否被医生 曾经诊诊断为糖尿病过，他把这些都结合起来就是为了保证偏移最低啊，然后 还有一些认知测试等等这些内容，还有他的检查内容的话就更广泛了，他有一些基本的实验室的检查，这个就不赘述了，大家可以 后期点到那个官网去看一下。 n 汉斯主要的研究应用还是用于横断面研究，当然也有一些一些研究他是做，比如说嗯死亡率，对特定人群的死亡率或者等等。嗯，这方面的发文都有的， 大家可以根据后续自己的要求下载相应的数据去进行分析就好。前面那个官网我们点进去看他的大概的样子是这样的，嗯， 然后我们看到这个 above 的 a hands， 这里就是对 a hands 一个基本的介绍，当然这个里面对大家比较有提示性的作用，就是这个 seven content 他介绍了就是嗯一，他其实我觉得这一部分可以大家先去看一下，就是他会介绍他里面涉及到了哪些疾病的数据，他也提供一个指导作用。譬如说像这个 框框里面啊，他就提到了，嗯，这些疾病或者啊医疗的情况，或者是健康的一些指指标 都。呃，可能包括比如说贫血、心脏的疾病，还有糖尿病、环境暴露，这个也是很多人在关注的一个问题啊，眼疾啊等等，还有什么听力损失。 这个的话就是说对你选题还是挺有帮助的，比如说你的科室可能有很多疾病啊，有一些他可能对自己的嗯选题不是特别的有指向性，比如说有些人 他可能确实导师，他就指定了你要做什么肾结石，或者指定你做糖尿病，但是又或者你只是一个呃，你只想做这个科室的，没有限制哪个疾病，那么你就可以来这里看一下他有哪些疾病啊，你可以去看一下，对，然后后面对你的选题也比较有帮助， 也可以看到它设立还是蛮蛮广泛的啊。嗯，这个 about ahead 下面这个 what's new 呢？其实我觉得可能很多 很多人没有注意到这个地方，但我觉得它挺有帮助的，它就是会提示它 enhance 最新的这些数据，它放了一些什么数据出来，比如说我们现在点进去这个 enhance vase new 里面，它就 写了二零二三年五月份他最新放出来这个消息。是啊，放出来这个数据是 实验室的数据，这个 flare retendance urine 啊，那就是一个尿液的阻燃剂，嗯，然后是二零一七到二零二零年的这个周期里面的一个数据，嗯，实验室的下面这个就是什么有机灵啊，除草剂啊，你你，你举止什么的这种暴露， 嗯，他就是会告诉我们最新更新的一些数据啊，然后右边可以看到，就是说他不同的这个年份， 不同的年份月份，他们都更新了一下手上的数据，专注于这些更新的数据呢。就是 可能大家会担心像公共的数据库，所有人都可以进去的话，那么我应该怎么样获得自己最好的点子，利于我们去发文章呢？嗯，那么这个部分就可能提到 这个提示作用，他最新的数据，那可能很多人都没有做，对吧？那么如果你看刚好看到了，然后又是符合你的选题要求，比如说你肾肾内科的，你要做肾病， ok， 你看他现在这里发布了一些尿液什么的，你是不是可以去做？他对什么肾结石啊 啊，或者说是其他各种疾病，你都可以把它利用起来。因为总之 in hands 其实它更多的一个横断面的研究，其实就是做关联性的分析，它不断有更新的这种 y， y 就是啊音变量，它音变量更新了， 你你，呃，嗯，你有一个新的点， x 是原来的，都是可以拿来发文章的啊。 嗯，那么这个第三个板块呢？就是这个 what's new？ 下面看什么 questionnaire house， 就是问卷数据集，还有相应的一些文件，然后像这个大的这个框框这儿， 它这个有一个什么连续性的 a n 的数据啊，它就是分了不同的年份，就像我刚刚讲的，它会每两年作为一个周期，从一九九九年开始，嗯，这个往下拉是可以再看到一九九九年等等的一些数据，像这个 啊，然后像左边我们可以看到就是说他其实也是一些分类的，我们主要用的还是说你直接选这个年份进去看他的数据就好了。我们以这个一七一八年的数据为例啊，点进去以后 啊，一七一八年的数据，这一部分主要还是一个数据下载这块，它这个人口学的一个 数据，饮食数据，实验室的数据，对吧？这个检查数据，实验室数据，还有问卷数据，这里有个 limited 的这个数据呢，就是限制访问的，他大部分还是一些什么，跟做死亡率的人用到的比较多，这个是需要申请的，在后面也给大家看一下啊。 然后，嗯，这个 contents in 第一条它就是比较详细的介绍了实验室方法还有问卷，它到底是怎么做的啊？这个部分呢，就是 如果你在投很高分的文章的时候，他会需要你写的比较详细，如果说，嗯，大家发的文章就是说期刊要求没有那么高的话，这一部分就是引用前面的文献就好了。因为实际上 n s 的数据库呢，他是已经收集 轮理学的，一些已经有轮理学的，比如说患者的之前同一书，或者，嗯，他这个参与着的 同意，他们都是收集了这个同意数的，不需要我们再去获得什么通过伦理啊什么，这也是很方便的一个优势。嗯，这一个板块呢，就是数据说明总体还是一个概数，我们用的肯定也最多的就是这个空框框框出来的这一块， 嗯，这个右下角部分呢，就是常见的问答啦，还有我是你也可以从这个入口进去， 然后这个 faqs 就是常见的一些问题和答案啊，也可以大家进去看看。其实这些网页呢，嗯，咱们用的比较多的就是数据下载，然后可能 很多的一些说明，大家也不用特别费劲去翻，主要还是看我们介绍的这些内容就好，因为他网站可能还是做了一些，嗯，比较详细的说明了，有需要的话可以去去多看看。 嗯，那么我们点进去这个，比如说刚刚我们点了他这个，点了这个人口学数据， 点进去以后，点进去以后界面就是这个样子，他就会告诉你哦。嗯，这个文件的名称他是我们下载的时候他的名称是这样的，但是他会给你下载的时候是这个是这个 day， 他 然后名称是什么？就是说他人口学的一些变量，还有一些样本的权重数据等等，他就会有一 介绍，然后更详细的描述。我们就是这个 demo 的这个 d o c 这个界面，嗯，这个是数据下载啊，我们这个 a n s 的数据格式都是 x p t s p t 格式呢，我们一般就是可以用 e r 软件，嗯，后面会实操的时候都用这个 e r 软件来进行复线，当然也可以用啊， s p s s 啊，或者是 r 语言，但是呢，这些软件就是存在一些弊端， 一个是像阿语言他入门就会比较难，可能等我们学好这个啊的基础，嗯，那这个发文速度就会拖拖后腿啊。那么育儿软件呢，他就会稍微好一点，就是傻瓜似的吗？就跟 spss 一样，但是他的功能又比较 丰富一点，嗯，他等于就是也是以啊的啊语言为框架，但是他代码什么都是已经既定的了，你只需要在里面傻瓜似的点点点就好了，比较方便。然后一般的分析他是免费的，然后像高级模块他是可能付费一两百块钱一个月吧。 具体大家可以再去伊尔那个官网上看一下，找个同学拼一下，这样子其实压力也不大，又方便自己出文章的图啊，表非常快 点了。这个德塔的这个下载以后就是他会显示一个这个 spt 文件，然后你选择一个存储的位置，这里我建议大家就是把这个文件放在一个固定的文件夹里面，方便你去分析，并且你的文件 明路径里面最好是必须，不是最好是必须不能够有。嗯，中文还有一些特殊符号，这样子的话 方便你在后续的分析当中不容易报错。有时候同学们他把这个文件放在一个那种有中文的或者什么的，很有可能就会遇到一些文件不识别的报错。嗯，如果我们点这个数据描述这个 d o c 这个界面啊， 那么我们可以看到这边就是一个介绍啊，左面的话他就是介绍了他这个呃里面有些什么东西，嗯，然后像右面的话，他就是介绍他有什么变量，这个的话他就是写的比较描述性的一些语句吗？他这个话 他就把他的编码，他的 code book， 怎么说呢？就是，嗯，密码本吧，就是 你这个，比如说这个序列号，这个 set ctrl， 它就把它给设置为 seqn， 这个是我们分析里面非常需要用到的一个东西，相当于就是所有的所有人的参与者的 id， 还有他的身份，就像是人的身份证号一样，就是你能够识别这个人，然后下面的变量他也会以类似的形式给他们进行命名。嗯， 这个介绍就相当于你下载了这个文件里面他有哪些变量，并且告诉你这些变量他是对应的描述什么，他是什么东西，嗯， 方便大家去获取自己需要的变量啊，就是靠这个文件啊，像这个他这个，嗯，里面有的东西的描述比较详尽的就是这样子，他告诉你啊，里面有一些访谈检查的情况，还有权重， 嗯，家庭收入等等一些基本的状况，他这也是一个简单的概述啊，主要的话我们还是嗯把这个放大看一下，主要的话你看这一个是序列号，然后像这个 告诉我们他是哪一个周期的，嗯，主要的话这些这些变量我们用的不是特别多，像这个人口学统计我们用的比较多，就是什么性别啦啊，年龄、怀孕状况、家庭收入、种族等等啊，那么我们以这个性别为例啊，前面这个啊， ia g e n d r， 它就是 gender， 它就是这个，它的命名方式，咱们就可以看到前面就是这个变量，在 enhance 里面它是如何命名的，它对应的是什么啊？这里也写了啊，变量名称是这个，嗯， 他他他这个，呃指向的是什么？指向就是这个参与者的性别，然后一的话里面他的值是一的话，那么他就是男性，二的话他就是女性，这个点就是 missing， 就是说缺失值， 嗯，当然了，在这个人口统计学的这个，嗯内容当中我们很少有缺失指，因为说假设连这个换啊，参与者他的性别我们都无法获取，那他可能后面的很多他 没有办法收集到他的资料，所以说在人口学统计里面还是比较少。这个确实值。这个 ct 就是技术吗？嗯，男性像这个的话，男性有四千五百五十七个人， 在这里还给大家一个啊小帮助，就是说当我们下载数据，有时候你怕你网络不好啊，或者说是你合并了之后，你怕你的数据处理出问题了，你也可以这样对一下，就是比如说像啊 second say， 他前面那个序列号那里，他也会有个 com， 比如说他有九千个人， 那么你然后一一七一八年这里有九千个人，然后一一九二零这里又有啊，一万个人。我只是假设啊，我不记得有多少。那么你合并以后，你可以用这两者他的那个序列号，因为序列号他是不会 呃，有什么删减的吗？也不会有缺失值，这样你可以算一下他两个加起来是多少的值，然后你再去对一下你下载数据的时候，这些值你就不容易出错，包括其他的变变量的合并，都可以用这个办法去减少我们出错的概率啊。 嗯，然后当然这这个就是年龄啊，前面也是一样的，他有一个他这个变量的名称，然后他是什么东西，他在后面会有个介绍，这样子也比较方便。我们可以下载这个数据的时候，先点进去他这个描述里面去看啊，看一下 我们下载文件里面究竟有什么变量？这些变量又是什么东西？那么你在分析的时候就有利放时，比如说你要分析什么东西，你找就比较方便。嗯，然后我们可以注意到啊， 他这个年龄，他为什么他这里个单位是 yes？ 就是说像有一些小孩，他可能就一岁啊什么的，他也是有一些数据。
19胃口贼好
04:52查看AI文稿AI文稿各位同学大家好，欢迎来到深信师学，我是文云博士，这课我们来学一下 gwas， 也就是孟德尔虚化分析的一些阿包的安装。 那么同学们在安装这个包的时候呢？呃可能会遇到很多问题，那么我们就出了这么一个课程帮大家来解决。那么首先是正常安装及袜子相关包的一些方法，那么主要是通过这个 doors 和 remove 这个两个函数的安装，那么这两个函数都是可以替换的， 比如说我们在安装这个 too simple mr 这个包的时候，我们可以用 dew tools 这个函数进行安装，那么也可以用这个铃木的函数进行安装，那么我们呃首先要先安装这个 dev towers， 点击它安装就可以了，那接下来呢，我们再点击 这里点击乱乱安装。那么同学们在安装这个 get 互补里面这个包的时候呢，大家可以先到 get 互补里面去查一下这个包的一个安装命令，那么一般来说，前面是一个文件夹的名字，后面是这个包的名字， 这个呢就是作者他设置一个文件夹的名字，然后我们把他名字他一下一下一下查就能查的出来，那我就一直运行就可以了，那么每次运行完了之后呢，都不需要再重新安装了，那么安装完了之后呢，打打打上井号键就不要去安装了，然后呢要用的时候就 level 了一下， 就把这个包的名字放到里面来就可以了，因为我已经安装过了，所以我就不让你安装，对吧？ level 啊，已安装好了，那么大家也可以换个 mini， 就是你也可以用那个 你木的这个命令，就按照这个包也可以，那么他们的效果是等等效的。但是同学们在安个包的时候可能会遇到一些问题，呃，就是 比如说他的 a b i 返回线受限，有还有就是你的这个软件啊，软件他访问不了这个 code 户，那么有些他可以调的，首先是点击这个 tools， 然后点击这个 global option options， 然后再点击这个 package， 然后这里呢就是可以选择那个节点，你可以选择全球的节点，然后呢这里把它 这个有两个，有的地方是有两个这个选项，也有的是三个，我们把后面两个的啊，把不要把它选掉，也就是说它不安全的，它的那个 h d d p 的这个网页他可以获取，那么把这个勾选掉，就不要有，他要不来， ok， 那么第一个是要勾的，那么后面有的是有一个，有的是两个就不要选， ok， 我们再去运行试一下也可以 啊，那么这里呢我就不再进行演示了。那么还有一种特殊方法是什么呢？就是，呃，有的同学直接通过 git 户部里面下载这个本地包，然后进行安装， 那么安装的时候呢，因为他没有进行编译，所以是安装失败的，那么这个时候呢，我们就用到另外一个包，首先我们先安装这个包，这个包呢是，嗯，这个 也是一个作者他提供那个包，他先把那个一个户部里面这个包先先下载下来，然后再进行一个编译，编译好了之后呢他就可以适合这个安利源。然后首先先按这个包安装完 完之后呢我们再引用这个包，因为这里提我已经安装过了，所以他提示说我有了这个包，那么那我是不是强制安装？如果你强制安装的话，你就加一下逗号 force， 等于七五放到这后面去就可以了，放这里括号里面啊， 那我安装过了，我就不再安装了，我们点击 napoli， 然后呢，我这就可以直接用这 install， 然后这杠 gh 这个命令去安装这些包都可以了，一直去安装就可以，然后他很快会访问这给的互补，然后把它下载下来，然后通过这个行情编译就可以安装了。 那么通过第二种方法呢？是可以很有有效的避免这个 a b i 访问限制，可以避免很多网络访问错误，所以我建议大家用这种方法进行安装，就第二种方法一次一寻就可以了，每每种包都可以安装一遍，当然也有可能他是 会说你有缺失某个报，缺失某个报的话，你再去找他的秘密信号安装啊。那么这里面，这里面，你们这里面的这个你怎么去确定呢？其实就在 git 互补里面去查 给的货物里面，这个网站给的货物里面去查他的包的名字，那么你就知道他有个安装命令，让你把前面的这个安装命令把它替换成这个，就把这个礼物这个给的货物这个命令把它替换成这个就可以了。 好的，我们的课程呢，深信师学、灵芝主学神信就到深信师学，保姆师教学，一对一指导，深信师学，让您出类拔萃！关注微信公众号， b f s d i 会为我们期可以获得教本，教本将更新，请和我们取得联系，谢谢大家！
13文云博士
02:53
02:06查看AI文稿AI文稿虽然孟德尔随机化比纯生性有优势，但是并不是代表着所有的孟德尔随机化文章都可以顺利发表。在现实的投稿中，的确有很多孟德尔随机化相关的文章发表不出去， 于是有很多刚入门的小伙伴就抱怨孟德尔随机画跟纯生性一个鬼样，一样不好发。孟德尔随机画文章一直发表不出的，基本都是只懂操作不懂选题的小朋友写的。孟德尔随机画存在两个误导性的观点， 第一就是没有人做过的肯定可以发表，第二就是阳性结果肯定可以发表。如果你是认同这两个观点的话，说明你只懂操作而不懂选题，而且你的文章很可能只能发水刊，甚至一直发不出去。懂选题的人肯定 不认同这两个观点，而且也不会犯一些低级错误。什么是低级错误呢？例如，文献都没有认真查阅一下，直接把人家做过的题目拿来做孟德尔随机画，误以为自己是第一个做的。 还有就是直接把已经有定论的东西拿来做孟德尔随机画。有些孟德尔随机画文章是从来没有人做过的，而且结果也非常理想，为什么会一直被剧稿？原因很简单，你做的这个课题是已经有定论的，证据就摆在你面前， 根本用不着你来开展孟德尔随机化。此外，懂选题的人也不会轻易将孟德尔随机化文章投稿到综合性的 oa 期刊。为什么呢？第一，人家不想被说是灌水。第二，人家怕千里马找不到伯乐， 一般综合性的 oa 期刊什么文章都乱收一通纯生性麦塔分析，孟德尔随机统统都收，根本发现不了你的临床意义。 懂选题的人更加喜欢将自己的孟德尔随机化文章投稿到自己专业内的期刊。总的来说，懂选题的人不会说孟德尔随机化难发表，只有只懂操作而不懂选题的人会说孟德尔随机化文章很难发表。
89生信狂人团队
12:15查看AI文稿AI文稿呃，大家好，我给大家介绍一下我复盘的这一篇 sl 顶刊啊，关于呃中介梦的水计划的一篇论文 啊。这篇论文是不是发在顶康，我没有核实啊。但是，但是中介梦的随即化啊。他 投不了一般杂志啊。投不了一般杂志，为什么？因为因为一般杂志能够请到的省高人根本看不懂啊。全世界估计会做看得懂的不超过一万个人，那中国就不超过一千个人啊。就是那么些人，他能看得懂啊。所以你不投顶他 不行啊，必须得投顶滩投一区啊。我给大家讲讲这篇这篇论文啊，我已经全部已经已经成功复盘了啊。呃，这个过程。大体过程是这样的，首先是找原始九二十啊，下载要审批 啊，筛选啊。做的步骤分这么几步。第一步啊，是做两样本单变量，孟德尔随即化。 看标题，这篇论文，他所研究的暴露事件是教育啊，教育。他的结局事件是骨关节炎，骨关节炎的发生风险好。第一步就是做两样本单变量孟仁孟特尔水计划 啊，做教育对骨关节炎的遗传因果关系啊。第二步 第二步，做教育加上加上 啊，潜在的中介效应，也就是心脏代谢特征啊，包括包括啊， dmi 体重指数啊，低密度是蛋白， ldl， 吸烟 smoking， 还有啊，收缩压 sbp 啊，这四个潜在的心脏代谢特征加上暴露啊，教育这五个因素的 啊，对结局事件，骨关节赢得多变量。孟德尔学计划啊。这是第二步。 这是第二步。第三步就是两步法啊， two step 啊， two step 啊， two step 啊， two step 啊， two step 啊，两步法第 第三步，两步法的第一步啊，三点一啊，三点一是做暴露对中介的因果影响啊，三点一暴露教育 对啊，可能的中介因素 bmp 啊，做一个两样等的单变量梦的水计划 啊，暴露教育对啊，四个潜在的中介因素啊，做因 果影响的两样本单边量的梦短学计划啊，做四个一对一的啊，做四个一对一的啊，第一个教育对 b m i 一个。第二个教育对 啊，吸烟 smoking 啊，做一个。第三个教育对啊，第一密度子弹白 ld 二做一个。第四个教育对啊，收缩家 sbp 做一个 啊。我这说的是三点一啊，三点一，三点二在做四个中介分别与结局事件啊，各做一个两样本单变量梦的 有句话啊，有四个啊。啊，第一个 啊， bmi 对骨关节炎啊，做一个。第二 a smoking 对骨关节炎做一个。第三低密度子蛋白对骨关节做一个。第四啊，收缩压 spp 对骨关节炎做一个。 好两步法就完了。然后第四步啊，第四步，第四步就是啊，求中介效应啊，求中介效应这个中介效应的计算公式 啊，以及中介效应对于总效应的啊，在总效应中所占的百分占比啊，计算公式啊。有一篇比较权威的论文啊，上面有详细的公式，我把它找出来 啊，就这篇参考文献，大家把他的标题给记下来啊，我待会复制粘贴一遍 啊，这个是一篇论文的附件啊， supplementary materials 啊，附件里面，在附件里面啊， 待会我把他的这个主文件标题找到啊，公式在这里，公式在这里啊，这个百分占比啊，分子 分子是中介效应啊，中介效应，这个中介效应是求和，因为你可能的中介效应有好几个啊。比如说我们这篇论文，他有四个中介效应，那么你就要求四个中介效应，然后给他求和啊，从一到 k， k 等于四啊，或者叫卡法啊，卡法，他斜着写着我们家的卡法啊， 这个分母是总效应啊，这个总效应拆解啊，拆解，等于中介效应加上 啊，直接效应。直接效应啊，这个中介效应是贝塔一乘以贝塔二啊，这个贝塔三是直接效应啊，是直接效应。 好，这个贝塔餐是怎么来的？大家看这个注视啊，看这个注视啊，我专门要讲这个贝塔餐的话，估计得讲好几分钟啊。这个 呃，下一次吧，下一次我给大家画一个草图，然后给他讲讲这个贝塔山是怎么来的啊，这个贝塔山他是直接效应，他是来源于一个多变量梦的随机画的 啊。直接效应啊，这个直接效应我还得配合一个图来给大家讲好，我们做完了中介效应大小计算和中介效应在总效应中所占的比啊，所占的百分比啊。这样做完了之后 啊，基本上这个整个过程就做完了啊。我觉得中介效应啊，中介梦的随机化，他的难度啊，他的 r 语言的操作难度并不难。 但是这个理论啊，理论，理论很重要啊，理论是核心啊，理论和思想是核心。其实难还啊，不在于操作，操作无非就是 多一点，麻烦一点。但是我觉得最重要的，最主要的决定，你这个中介弄点水计划啊，有没有道理啊，有没有理论能不能做出来，主要还在于理论和思想。 好，我们再回过头来看这篇论文的啊。三个表，你看懂了三个表，基本上就能够对梦啊中介梦的随机化。他的理论核实是有个大致的印象和概念 啊。第一步啊，第一步，也就是第一第一个图啊，这个图他反映的是啊，我们的第一步啊。第一步 从啊，从从啊。这个图反映的是第一步啊，从暴露，从暴露啊，教育到结局。骨关节严得。两样本单变量梦的水计划 啊。这个森林图不光做了暴露，对结局还做了可能的混杂因素对结局啊，四个可能的混杂因素对结局的两样本多变量和两样本 啊。单变量梦的水计划啊，加起来一共是五个，加起来一共是五个。这个是单变量的啊。大家不要看这个图，有五个爆了就以为这是多变量梦的水计划，事实上不是的啊。这是这是五个单变量的梦的水计划。他们把这五个 啊，五个所谓的暴露世上是以一个暴露加四个 candidate 啊。可能的中介啊，可能的中介。五个森林图放在一起了。 好，我们再看图二。图二啊，图二，图二是一、二、三、四四个模型的啊，四个模型的多变量梦的学计划。第一个模型 啊，第一个模型是既不较真变白，也不较真 smoking 啊。所做的多变量梦的水计划。世上这就是个单变的梦的水计划 啊。他的暴露是教育，结局是骨关节炎啊。第二个模型是矫正了 bmi 的多变量木的合计化啊，矫正了 bmi 的 多变了。梦到学习化，他的暴露式教育，结局还是骨关节炎啊。第三个模型是矫正了 smoking 的 暴露教育对结局啊，骨关节炎等多变量梦的水汽化。 第四个模型是叫声的 bmi 和 smoking 啊，这两个因素的啊。叫声的这两个因素的多变量梦的学计划暴露还是教育结局还是无关节炎。 最后一个图，图三。图三反映的是 bmi 作为中介和 smoking 作为中介，以及 bmi 和 smoking 两者作为 中介啊。他们的中介效应在教育对骨关节炎的 因果关系的效应中所占的百分占比啊，百分占比，百分比啊。看横坐标，横坐标横坐标的点对应的啊，数值就是他们各自的百分占比。 好。呃，我要讲究这些啊，谢谢。
04:15查看AI文稿AI文稿上一期我们介绍了孟德尔随机化模块的使用方法，应广大用户需求，作者对孟德尔随机化进行了功能升级。今天我们就来介绍一下更新的内容和使用方法。首先我们新增了一个工具变量模块，帮助大家筛选暴露， 这里包含丰富对工具变量资源，包括 q t l 基因功能实验、药物互做等。今天我们直演是其中 gos 相关的两个数据库。首先是 open goals 数据库，我们可以更方便的在这里查询，这样就不需要去网站上进行搜索了。 例如我们搜索吸烟，就可以看到所有吸烟相关的 g 我自研究内容和网站上是一样的，只不过整理成表格更方便检索和比较。每个研究的暴露内容、样本个数、 s m p， 一棵树、发表年份等等信息都在这里。 如果说 open galos 这个数据库还可以选择去网站上检索，那么 g was catalog 数据库恐怕就要圈退很多人了， 因为这个网站打开非常慢，需要翻墙才能看到数据。但同时 g 我开的 log 又是一个非常全面的工具变量资源。 我们网站为大家提供了查询 g watt cat log 的方法，在工具变量选择 g watt cat log， 然后输入关键词。例如我们仍然以吸烟作为工具变量，可以看到 g watts cat log 网站上和吸烟有关的 g watt 研究都检索出来了， 表格里详细记录了研究的内容、样本、个数、编号等信息。 我们就拿第一个研究为例，把编号粘贴到孟德尔随机化分析模块这里，我们顺便演示第二个更新的功能， 也就是多暴露分析，方法很简单，只需要用分号分割不同一个即可。那么这里我们就纳入了两个暴露，分别来自 open g was 和 g was catalog 结局我们仍然用肺癌。第三个更新模块是新增了 m r press 算法， 这个算法适用于做敏感性分析，评价模型水平多效性，但他的计算速度非常慢，我们默认用 moplin ultra p taste 来计算。结果出来了，除了暴露和结局的散点回归图，我们还说 出了森林图，这样可以更直观的评价暴露和结局是否有因果关系。例如我们开异味模型，对两个暴露的批值都是显著的，代表这两个吸烟的暴露都会导致肺癌。我们再来看一下其他结果文件。 首先是 s m p 的 f 值，一般认为 f 值大于十代表强相关。 因为我们纳入了两个暴露，所以模型会自动计算多变量 m 二、分析最后一列批值，可以看出吸烟是和肺癌有关的。 然后森林图和散点图等其他图片结果也都在这里。森林图展示了我们选择的三个模型， o 值和 p 值。 因为我们纳入了两个暴露，所以散点图也对应有两个图。这个是 open g 我数据库的暴露和结局回归结果。这个是 g was catalog 数据库的暴露和结局回归结果。 这个就是水平多效性分析，可以看出批值大于零点零五，代表不存在多效性。最后我们把每个暴露分析的结果会总到一个 h t m l 文件，孟德尔随机画的每一步分析结果都会总在这里啦。 以上就是本次孟德尔随机化更新内容，不知道有没有戳到你呢？快来领取账号嗨起来吧！
27学术渣在欧洲
02:06查看AI文稿AI文稿孟德尔随机化是据迈特分析，纯生性之后新兴起的一种发文方法，由于不用补实验，只要一台电脑就可以完成所有操作， 受到了无数临床医生、医学研究生、博士的追捧。于是网上就有很多宣称发表孟德尔随机化 sci。 有手就行其实在现实中，发表孟德尔随机化不是有手就行，还需要你有脑。 孟德尔随机化还是有一定的门槛，需要找到一个有研究价值的临床问题，体现出其临床意义，才容易发表。 如果不考虑选题，只考虑操作，还真的就是有手就行。但是不会选题，一般都不容易发表，或者只能发一些低分的水看。 如果你对期刊要求比较高的话，更需要认真选题，需要消耗更多的脑力。怎么样才算是对期刊要求高呢？例如，有些单位是不能发 fmh 三大系列 oa 期刊的，这样就算要求高了。 此外，还有些人是给不起版面费的，例如有很多放养型研究生是需要自己支付版面费的， 这情况是需要发表非 oa 期刊的。你可以在 papmad 上找到很多发表在非 oa 期刊上的孟德尔随机画文章，这些文章看起来都是很简单，基本不会超过三张图， 很多高分的文章甚至只有一张森林图。其实你看到人家文章表面是很简单，基本上都是有手就行， 但是你认真看看人家的选题，可能就不简单了，可能人家选题花了一个月、两个月、半年查阅了无数文献才找到的课题。 一篇高分的孟德尔随机化文章往往都是在选题上花了最多时间的那些孟德尔随机化文章，总是被秒拒的同学，可以回忆一下自己的选题，看看花了多少时间。
14生信狂人团队
12:30查看AI文稿AI文稿各位同学大家好，欢迎来到深信师学，我是文云博士，这一课我们来学一下幺五八点孟德尔手机画选题指导， 那我们总共从四个方面来讲，那我们的课程呢？来源于生性师学，大家关注微信公众号 b f s c i， 回复 m 四，即可以获得我们的这节课的课程讲本和视频啊。那我们先讲一下这个选题指南，我们可以分为四个方面，就是我们所选取的我们的课题，也就是我们的题目，对吧？就是一定要是能够需要解决的临床问题。 我的目的是查查找我们的药物跟我们的这个疾病他是否存在关联啊，是否能够呃治愈我们的这个疾病，这是我们要查找的因果关系， 他相当于一种特殊的 mate 分析啊，就是查证据啊，也是跟以前的 mate 分析是一类类似的，只是他的这个用的是墨道学会的方法啊。那么第二呢，就是我们寻找的这些问题呢，应该是有争议的问题 啊，有争议的临床问题，就是有的人认为这个药能治疗这个疾病，也有人认为这个药不能治疗这个疾病，那么这个呢，就需要我们通过这个来，对吧？大数据来 来这个分析一下，如果本身是切切的问题，这个药能治疗这个疾病，那就完全没有必要再去做梦到实际化研究，那么所以说我们这个也是我们需要考虑的问题。那还有一点呢，就是呃，可以针对一些热点的一些疾病去研究， 大家可以看到在我们前两年的话，我们的新冠的消炎是非常非常好发的稳当的就是简单 的这个身心分析啊，发新冠的文章都非常容易，但是呢，这两年这个热点已经过去了，尤其是今年这个热点已经过去了，你再去写这样的文章，就可能就没有找到愿意收你。所以我们要先选一些新的一些热点问题啊，啊，不要去搞一些旧的问题去研究。 那第三呢？第四就是我们需要有这个创新性啊。创新性？那创新性体现在哪里呢？就是比如说我们本身是有争议的，那么我们通过这个方法来呃 答疑，对吧？解决，那么这也是创建性。还有呢，就是别人通过一个数据，我们可以通过多个数据，对吧？啊？不同的方法，不同的组合，那么也可以通过方法上的创建性去解决。 那这一部分呢，就是要求我们多去看文献，要站在巨人角度，角度巨人肩膀上去思考问题啊，多看文献，像我们 那个生性思学，我们最低要求就是至少看五篇，五篇相关的 i s i 至少看五篇。 sci 如果是中文的话也要看五篇啊，至少看五篇就是足行足句的读啊，就每一句话你都搞懂啊，尤其他的方法方法的这一块的，这个湿度一定要搞懂。 那么有五篇这个基础之后呢？其他的目的是句话，其实你略读就可以了，对吧？因为大概的他的套路都是一样的，那么其他的话，你就重点关注他是用的什么药物，用哪哪些数据，对吧？那用哪些方法就可以了。 呃，所以我们是有要求的。然后呢，学习这个目的，这句话也是一样的，那么学习他最好的时间是啊，一年前，其实是现在，所以同学们现在要趁早学习。像我们的生性分析的话， 学习生性分析最好的时间是五年前，那么其实是现在，那么我们的梦到虚化分析也会跟那个身体分析一样呢？他的热度呢啊，随着这个会的人越来越多啊，热度越来越高，那么 写文章也会越来越难，那目前来说还是比较简单的，目的是句话，分析就可以发文章，所以大家一定要趁早学习。第二呢，不要自己到网上自己学一点，内地学一点，因为不系统，不系统的话你也不知道这个方法对还是不对。 呃，尤其是就是不同的课程之间呢，他这个数据啊，他的他的分析的方法不一样，结果呢？你自己处理来处理去， 就搞不清楚他为什么这样处理，那么就会浪费你大量的时间，所以一定要找人来手把手的指导你，对吧？就是你遇到问题能够马上给你答疑的，这样的话可以节省你的时间，才能先人一步。转发 s c i 学习梦到这句话研究也是一样的，就是你会的这个方法之后呢，你从零到一能写出一篇文章，能发 ici 的话，你就能写十篇，对吧？只要你你有经费，你能发，对吧？你就能写十篇。所以掌握套路，掌握方法 比我们啊掌握具体的知识点更重要。就是你把这个自己这个药物是啥，这个疾病是啥，其实不是很重要，重要的是你要掌握这个方法，也就说你目前为止你还没有找到很好的题目，也没有关系，你先掌握好这个方法，对吧？然后你去看相应的这个文件的时候，你就知道， 哎，这个文章，文章有没有创新性，那个文章有没有创新性，对吧？然后呢他的创新不不足，我就可以干嘛增加我的创新性，那么也可以放文章，我可以换一个药物，对不对？我可以换个疾病，对不对？我马上就可以通过这个方法又把它做出来，然后一壶 画瓢，把我们的文章把它写出来。所以说我们学习的话主要是学套路，学完套路之后呢，学选题，然后有，然后看完文献之后呢，有好的题目就马上套这个套路去写。 那么针对这个药物梦的实际化分析的话，我们是有相应的课程的，对吧？我们总共有四个课，一个是这个零基础八小时中的实际化分析，那么这是基础课，那么他 就没有幺五八点，就是简单的两两样本，或者说双样本。大家点击这个链接就可以看到我们的课程啊，在 b 站里面大家去搜索也可以， 那么大家关注微信公众号 b f s a， 回复 m 一就可以获得这个课程。那么关注微信公众号， b f s a， 回复 m 二就可以获得肠道菌群的，肠道菌群呢？就是到这个数据来源不一样啊，数据来源不一样。还有就是多变量双项目的手机化课程，这是 m 三课程， 那么他的变量就有暴力数，他的暴露变量是有多个的，那么这个前面两个都是一个的啊，而且是逆向的，双向的，就是暴露和这个结局互相换位置来研究啊。然后第四个呢是药物，药物八点末，到时有，我分析就是在第一个基础上呢，我们在 挑选药物周围的 snp， 通过他们作为工具变量来探索我们的。呃，这个疾病和八点啊，就是我们暴露和我们的结局是否有因果关系？ m 四的话，我们发我们的发文章的话，有的学员他发文章就能发到十分以上啊，温度特别高，当然越早发就是越好，而且他的选题的范围是越来越广的，对吧？比如你药物有的新的一个药物，是不是可以试一下新发现的一个药物对不对？是不是可以试一下对不对？还有就是比如说我们之前 发现，哎，某个药物治疗这个新冠肺炎是不是有效啊？我们是不是可以把那个药物拔掉来试一下？新发现一个药物来试一下，私信发现一个药物试一下，哪怕这个药物是无效的，对不对？我们证明这个药物是无效的，对不对？没有英文关系， 哎，也可以的吧。那是这样的，还有这个疾病也是不可以不停的换的，所以幺五八点半到十一号分析，他的可选的范围是特别广的 啊，尤其是我们临床的同学，还有学药物的同学，你们的药物是很熟悉的，那么临床同学，你对临床疾病是很熟悉的，对吧？这个临床疾病不行，我就换一个临床疾病，或者这个大类的临床临床疾病不行，我换个小类的临床疾病也是可以的。那么接下来我们来看一下这个选定方法，那选定方法呢？呃， 我们的题目分为两类，对吧？前面是药物，然后后面是疾病，然后他们的之间的一个药物 治疗某个疾病，然后疾病和这个疾病的一个一个一个疾病都有暴露，然后另外就多多结局来看他们的一个因果关系。那么我们所用的网站就怕不慢的网站，大家可以点开这个网站， 因为我们主要是因为药物和疾病之间的一个相互关系，对吧？所以我们把握好这两个词就行了。药物可以换，疾病可以换，那么我们要寻找这个药物呢，跟这个疾病呢，他是 有争议的，对吧？如果都已经怯怯的，怯怯的能在这个疾病，那么我们就不需要去再做了，所以我们这里还有个关键词，就是有个争议的关键词，对吧？然后这是药物抑制剂，对不对？这个八点抑制剂，所以我们第一个当时要说这个 第二个单词呢，我们就说我们的这个疾病，这个疾病你也可以换，如果这个疾病没有争议的话，我们就换个疾病啊，或者说我们换个药物都是可以的。然后这个 ctrl version 这个词呢，就是正义的意思，那么在我们的文章里面，他可能不是用这个词，也可能就是用其他的词，所以我们把握这个原则之后，我们就可以啊，千变万化。那么这是他的网址啊，这是他的网址，然后这里的话就可以搜索我们的疾病的这个， 比如说我们先搜搜搜索这个药物，对吧？抑制剂我们可以往这里来，然后这里呢我们肯定选择他的题目或者摘药，对吧？我们扫到这里 after jacks 啊这些 id， 好，接下来我们再搜索他这个疾病是否有争议，对不对？ 可以换个词，那么这个词可能是别的词啊，大家只要百度一下就可以找到其他的词啊，等于 id， 哎，我们就可以 摄取一下这个药物的一些争议的。有这么多，有四个文章，大家一起可以看一下这个药物治疗哪些疾病有有争议，对不对？那我就去，我就去干嘛？做这个疾病？有，这里恰好是我们收到这个文章，这个药物治疗这个免疫性的这个疾病有争议，对不对？那我们就对吧，可以做出免疫性的这个， 对吧？这是个极品的一个关系吗？对吧？当然他这个是已经做的木头这句话分析，对吧？大家可以去看其他的一些，摘掉一些，那个大家可以看看这个，对吧？ d 密度是蛋白的，类似这样的， ok， 那么我们可以再回过来，那么我们也可以啊，这是 我们也可以干嘛？就是他这有有告诉你你说的这个单词，对吧？有多少有多少，那个啊，我再看，也可以添加这个疾病，因为我们添加这个疾病的话，就恰 好就是定位到我们这个文章去了，对吧？定位到我们文章去了，就这个意思，那么这是一种方法，就是通过药物，从药物的这个 大家看一下啊，在社区就定位到我们刚刚那个那个文章去了啊，对吧对吧？问到手机号本系的文章， 那么也有种方法，就是从疾病入手喽，对吧？第三种我就从疾病入手，我就先说这个疾病，那么这个疾病的治疗某个药物是否有，对某个药物他是否有争议？也可以喽，这里是点击这个摘药啊，我的题目， 然后他是否存在争议？某些药物是否存在争议，大家也可以换这个词，对吧？ 那么建议的话，大家 你去针对这个疾病去查，比如说我先去查他相关的钟数，对吧？这是微生物的，对吧？ 哎，对吧？他是一个相关关系，我去查相关的钟数，然后钟数你们会去抵押他跟哪个药物，对吧？可能有效有争议啊？都都会写啊，对不对？理解吧，这个意思是争议，对吧？ 所以我们这个 先添加一个，哦，这要带我，带我点这个啊，这个搜索再添加另外一个就可以了。 所以选题其实是很简， 就是要有方法，对吧？有方法，疾病有没有之一？这个药也没有进这个姿势跟那个，对吧？就可以看到其他这些疾病，那我治疗这个疾病的药能不能治这个疾病呢？ 对不对？就可以啦，我知道这口费的要求的药能不能在这个局面也可以套他的有关系，对吧？是不是很厉害吧？因为我们找我们的暴露的时候， 比如说我们这边文章，我找这个暴露的时候，那他就是先先找到那个这个疾病 dv 是几张白，对吧？治疗，治疗这个疾病，这个这个这个疾病他是有关联的，我这个药能治疗这个疾病，那是否能不能治疗这个是否能治疗这个疾病呢？这便是未知的，对吧？ 他就通过这个来研究啊，研究好了，这个上这里谢大家。
12文云博士
02:49查看AI文稿AI文稿关注生心人的小伙伴大家好，今天分享的这篇文章是全基因组荟萃分析，确定了九十三个风险危点并实现静脉血栓栓塞的风险预测，发表在 nature genetics 杂志上，影响因此高达四十一点三八分。 在这篇文章中，作者使用了两种非常高级的分析手段，全基因组关联分析 gwas 和孟德尔学计划 mr。 正文开始前，我们先简单介绍一下这两个专业名词。 g w a s 是对多个个体在全基因组范围的遗传变异多肽性进行检测， 获得基因型，进而将基因型与可观测的性状进行群体水平的统计学分析，根据统计量或显著性批值，筛选出最有可能影响该性状的遗传变异，挖掘与形状变异相关的基因 m。 二，一种近年来主要应用于旅游型病学病因 吞断上的一种数据分析方式，实际上就是评估暴露与结局之间是否存在反向因果关系。接下来我们共同学习这篇文章的具体内容。 作者选择了六个大型队列，共计八万一千一百九十粒静脉血栓栓塞症 vte 样本和一百四十一万九千六百七十一名欧洲血统的健康对照样本进行研究。 首先，作者进行了 gwas 荟萃分析，确定了九十三个符合传统全基因组意义的分享微点，其中六十二个被认为是新分享微点。接下来，作者使用四种不同的方法，对每个分享微点一兆内的基因进行优先排序， 将证据进行整合，确定了二十六个候选基因，这些候选基因都至少有两种方法支持。为了进一步了解导致疾病的潜在机制，作者测试 先导变异与二十四个预先定义的血液形状之间的关联，发现大多数 vte 变异与血细胞特征相关。为了探索 vte 与其他形状之间的遗传关系，作者使用 vte 的多基因分享评分 prs， 进行了一项全表性关联研究，检测了 prs 与恶性肿瘤、新陈代谢、自身免疫和呼吸性状等四十九种表情的相关性。作者评估了新的 prs 相对于先前发表的 prs 的优势， 发现 prs 优于所有其他风险因素。在联合分析了所有其他 v t e 危险因素后，引入 p r s， 改善了 v t e 的风险预测。为了评估 p r s 与 f 二和 f 五风险危点之间的相互作用， 作者开发了一种改良的 prs， 发现 prs 位于前百分之十的 f 二或 f 五携带者的风险几乎增加了两倍。 而 pis 位于后百分之十的 f 二或 f 五携带者，其 vt 一风险与人体平均水平相似或更低。最后，作者还基于运动、吸烟、饮食和体重等四项生活习惯，调查了生活方式与 vt 一风险之间的关系。今天的分享就到这里，关注生性人，学习更多有用的知识。
665生信人
03:57查看AI文稿AI文稿大家好，上一次给大家分享了孟德尔学计划分析中常见的结果解读，今天给大家分享一下双硬本孟德尔学计划的分析流程。 嗯，首先第一步就是要获取暴露和结局的 javasce 数据。数据可以通过文献或数据库获取，目前常用的数据库有 javascatlog、 i e u uk、 bearbunk 等等。此外，我们可以根据相关的 javass 研究和孟道尔学习化研究来获取 可以利用的 javas 数据。在我们获取数据之后，就需要对数据进行整理。莫德尔学优化所需要的数据是三门数据，通常数据中的变量包括 snp 效应、等位基因以及其他等位基因效应值、标准差、 p 值、 像有一点频率等等。不同的数据命名可能是有所差异的，这个时候我们就需要详细的阅读数据说明，明确变量类型。当我们整理好这个挖丝数据之后，就需要挑选工具变量 好了，一般通过 p 质连锁不平衡分析以及 f 统计量筛选与暴露因素相关的 snp， 也就是工具变量。连锁不平衡是指在某一个群体中不同的染色体位置上，某两个基因同时遗传的频率明显高于预期的随机频率的现象。 连锁不平衡分析中常用的两个过滤指标是二方和 kb。 二方是一个零到一之间的数据，二方等于一，表示两个 snp 之间是完全的连锁不平衡关系。二方等于零， 表示两个 snp 是完全连锁平衡的。 kb 就是指考虑连锁平衡的区域长度。在孟德尔学习化研究中，有一个重要的问题就是若工具变量偏移， 弱工具变量是指的是暴露因素中效率较低的遗传变异，它和暴露因素关联，但是关联性又不是特别强。弱工具变量与无效工具变量是有本质性区别的。一般情况下，弱工具变量偏移的 主要原因就是因为样本量不足。因此就有学者提出用 app 统计量来评估，若工具效应，挑选工具变量，若里常用的预值 是 p 小于五乘以十的负八次方，阿方等于零点零零一 kb 等于一万 f， 统计量大于十。挑选完工具变量之后，我们就可以进行一致性分析了。一致性分析是指通过暴露数据和结局数据中共有的工具变量， 将暴露结局数据进行合并。一致性分析其实就是将暴露因素与结局因素中 chaos 数据中的现有等位基因统一。比如暴露因素中某一个 s、 n、 p 的现有等位基因是 a， 其他等位基因是 j， 而结局数据中的相应等位基因是 g， 其他等位基因是 a， 那他们就矛盾了，因此需要一致化。此外，一致性分析还会删除回文结构。在一致性分析结束之后，我们需要进行敏感性分析。 敏感性分析主要是有三个作用，评估结果是否稳健，结论是否可靠。二、评估结果是否有潜在的偏移，比如 snp 的多效性、数据的抑制性等等。三、评估是否存在一个工具变量严重影响结局。敏感性分析主要包含以下三项，一是水平多效性检验。 二、抑制性检验。三、留意法。在孟德尔学计划分析中有三个假设，其中一个假设就是工具变量必须通过暴露因素影响结局。如果工具变量可以不通过暴露因素直接影响结局，那么就违反了孟德尔学计划的思想， 也就是检验结果存在水平多效性。检测水平多效性的方法最常用的就是阿格以及 preso， 来自不同的分析平台实验以及人群的工具变量可能存在抑制性，最终影响结局。抑制性检验一般是用 q 统计，如果 q 统计的 p y 六大于零点零五，说明纳入的 工具变量不存在抑制性。如果 p 值小于零点零五，则之后的 m 二分析就需要将分析方法指定为随机效应模型。铝法式指出不顾剔除每个 s n p， 计算剩余 s n p 的 mate 效应，观察剔除每个 s n p 后结果是否发生改变， 理想的情况是应该是逐步提出某个 s n p 后结果变化不大。最后就是孟德尔学习化分析了。 mr 分析默认的适用五种算法通常只采用 i v w 的分析结果，而其他的方法结果作为 i v w 方法的补充。至此，今天的分享就结束了，感谢大家的关注！
200生信人
