- 博客(7)
- 收藏
- 关注
RSS订阅原创 3 计算F值
dat=transform(dat,F=(N-2)*R2/(1-R2)) #计算F检验值。N=dat[1,“samplesize.exposure”] #获取样品的数目。inputFile=“exp_LD.csv” #输入文件。setwd(“*********”) #设置工作目录。(1-eaf.exposure)) #计算R2。Ffilter=10 #F值过滤条件。#根据F值>10进行过滤, 删除弱工具变量。#去除弱工具变量（F检验值）-----
2023-12-28 00:04:13
525
1
原创 学习笔记-孟德尔随机化代码
1、暴露数据和结局数据的SNO所对应的效应等位基因不一致（A/G vs. G/A）?1、是否有样本重叠(sample overlapping)？2、一部分暴露-SNP在结局中找不到，怎么办？3、代理SNP（proxies）如何确定。2、结局数据中SNP量是否足够多？孟德尔随机化-----本地数据。4、如果解决异质性？
2023-09-13 18:18:19
8461
11
原创 学习笔记--GWAS
在plink目录运行：plink.exe --ped test.ped --map test.map --maf 0.05 --assoc。进行GWAS：提取出合格的样本和SNP后，使用plink进行GWAS分析。SNP注释: http://wannovar.usc.edu/cmd进入plink工作目录（dir可查看目录信息）在工作路径可查看结果文件：plink.assoc。将整理好的输入文件放入plink工作路径下。整理数据—gwasResults.txt。
2023-03-27 22:49:39
214
原创 学习笔记-Python最近邻算法（KNN）
笔记行业应用:客户流失预测欺诈侦测（更适合于稀有事件的分类问题）近朱者赤，近墨者黑。一个样本在特征空间中，总有k个与之最相似（即特征空间中最邻近）的样本。其中，大多数属于某一类别，则该样本也属于这个类别。计算步骤:1.算距离:算出测试样本到训练集中每个样本的距离。（例如:欧氏距离）2.找邻居:找出距离最近的k个训练对象。（k值的选取:交叉验证）3.做分类:将这k个对象的主要类别作为测试数类别。（少数服从多数/根据距离的远近，距离越近权重越大，权重为距离平方的倒数）算法流程1.计算已
2021-03-07 23:24:13
2151
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人