本文介绍了如何使用R语言中的rmeta包进行基因组广泛关联研究（GWAS）的Meta分析，支持随机和固定效应模型。通过安装rmeta包，分析二分类数据的4个关键数值，进行meta分析，并利用metaplot和forestplot两个函数进行结果的可视化展示，提供清晰的OR值分布和森林图。此外，文章还提及了数据输入格式和分析中需要注意的细节，如缺失值处理。
欢迎关注”生信修炼手册”!
在生物信息数据分析中，R语言是必备技能，简洁的语法，丰富的生态，美观的可视化，种种优势使得其成为该领域中使用最广泛的编程语言之一。用R进行meta分析当然也是可以的，本文要介绍的R包rmeta, 就是其中之一，可以用于gwas meta分析，支持随机效应模型和固定效应模型，官方文档如下
https://cran.r-project.org/web/packages/rmeta/rmeta.pdf
作为CRAN的一员，其安装方式如下
install.packages(“rmeta”)
首先来看下其输入文件格式，其输入文件并不是常规的GWAS分析结果， 比如pvalue, beta等统计指标，而是原始的频数分布，而且是二分类数据，比如两种Allele的频数分布,对于每个study, 统计如下所示的表格数据
| Allele | A | a |
|---|---|---|
| Case | a | b |
| Control | c | d |
也就是说，对于每个study,我们需要有4个数值。软件内置的示例数据如下
这个数据列数很多，真正进行分析时，只需要其中的前4列数据。在该R包中，两种模型对应的函数如下
以固定效应模型为例，进行meta分析的代码如下
从代码可以看出，分析时只使用了前4列，对应每个study的2X2表格数据，因为部分study中有缺失值NA, 有缺失值的数据是没法分析的，所以通过subset函数选取了其中的部分行。
该R包最大的特点是其可视化功能，对于meta分析的结果，提供了以下两种可视化的函数
1. metaplot
该函数用于展示每个study的名称和对应OR值的分布，以及meta分析后最终计算出的OR值，用法如下
输出结果如下
2. forestplot
该函数用于自定义的展示很多额外的文字信息，用法如下
输出结果如下
通过rmeta可以方便个性化的绘制森林图，更多用法请参考官方的帮助文档。
·end·
—如果喜欢，快分享给你的朋友们吧—
往期精彩
基因型填充
CNV分析
最低0.47元/天 解锁文章
扫一扫
2865
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
