孟德尔随机化（四）—— 终于搞定！遇到 Error in if (nrow(d) == 0) return(NULL) : 参数长度为零 该怎么办！帮你完美解决！

俺要要要终于回来啦！！！今天！咱就帮助大家解决一个困扰多日的问题！是什么呢！铛铛铛铛！就是近期大家在孟德尔随机化分析中最常遇到的Error in if (out == "[]") { : argument is of length zero或Error in if (nrow(d) == 0) return(NULL) : 参数长度为零！相信大家一定遇到过！因为我发现，私信和留言，还有交流群内，都快被这个问题刷屏了，而且似乎也没有什么好的解决方案出现！这是咱们使用之前在看完不会来揍我 | 孟德尔随机化万字长文详解（二）—— 代码实操 | 附代码注释 + 结果解读中的方法在线从 GWAS 数据库下载数据时会遇到的情况，真是让我们一筹莫展、二脸懵逼、三阳开泰、四处碰壁、「五」可奈何、六六不顺、七上八下、「八」酒消愁、「九」命呀！

咱不慌！今天！一个偶然的情况下，我突然灵光乍现！就那么一试！哎呀！果然！居然搞定了！谢天谢地！可歌可泣啊！来！咱们一起看看！

---

• 如果小伙伴们有需求的话，可以加入我们的交流群：一定要知道 | 永久免费的环境友好型生信学习交流群又双叒叕来啦！| 伴随不定期群友好物分享！在这里，你可以稍有克制地畅所欲言！

• 超级建议大家在入群前或入群后可以看一下这个：干货满满 | 给生信小白的入门小建议 | 掏心掏肺版！绝对干货满满！让你不虚此看！

• 如果有需要个性化定制分析服务的小伙伴，可以看看这里：你要的个性化生信分析服务今天正式开启啦！定制你的专属解决方案！全程1v1答疑！！绝对包你满意！

---

首先检查token是否设置成功

有时候在线从 GWAS 数据库下载数据失败，我们都会以为是服务器或网络等的问题，有时候确实是哈，后来查询（https://github.com/MRCIEU/TwoSampleMR/issues/448）才发现，从 2024 年 5 之后都需要设置 token 才可以继续访问服务器。那如果咱们还没有设置过 token 的话，记得要先设置哟！详见：https://mrcieu.github.io/ieugwasr/articles/guide.html

咱们这里简单介绍一下：

要进行身份验证，您需要从 OpenGWAS 网站生成一个令牌。这个令牌就像密码一样，用于授权您对 OpenGWAS API 的请求。以下是生成令牌并让其自动用于查询的步骤：

1. 登录 https://api.opengwas.io/profile/
2. 生成一个新令牌
3. 将 <token> 添加到您的 .Renviron 文件中。此文件可以在您的主目录中，也可以在您的 R 会话的工作目录中。您可以通过在 R 中运行 Sys.getenv("R_ENVIRON_USER") 来检查 .Renviron 文件的位置。
4. 重启您的 R 会话
5. 要检查您的令牌是否被识别，请运行 ieugwasr::get_opengwas_jwt()。如果返回一个长的随机字符串，则表示您已通过身份验证。
6. 要检查您的令牌是否正常工作，请运行 user()。它将使用您的令牌向 API 发出请求以获取您的用户信息。它应该返回一个包含您的用户信息的列表。如果返回错误，则表示您的令牌无法正常工作。

现在，任何对 OpenGWAS 的查询都会自动包含您的令牌以授权请求。

咱们设置完之后，就像这样：

红框框就是 OpenGWAS 网站生成的 token 啦！绿框框是 GitHub 的 token 哈哈哈哈哈哈！

彻底解决那个讨厌的报错

来！现在！咱们来现场从 GWAS 数据库在线下载一个暴露数据试试看！

# 加载包包
library(TwoSampleMR)

# 从 GWAS 数据库下载数据
exposure_data <- extract_instruments(
  outcomes = "ukb-b-16639",         # 指定 GWAS 数据集
  p1 = 5e-08,                       # 过滤 SNP 的 p 值阈值
  clump = TRUE,                     # 进行 SNP clumping
  r2 = 0.001,                       # clumping 的 r^2 阈值
  kb = 10000                        # clumping 的窗口大小
)

看！果不其然！报错了吧！报错如下！是不是看到它就头秃！放心！今天过后，它就是咱们的手下败将！！！

Error in if (out == "[]") { : argument is of length zero

呐！咱把 P 值阈值设宽松一点试试呢？比如像下面这样，把p1 = 5e-08改成p1 = 5e-06。

exposure_data <- extract_instruments(
  outcomes = "ukb-b-16639",  # 指定 GWAS 数据集
  p1 = 5e-06,                       # 过滤 SNP 的 p 值阈值
  clump = TRUE,                     # 进行 SNP clumping
  r2 = 0.001,                       # clumping 的 r^2 阈值
  kb = 10000                        # clumping 的窗口大小
)

exposure_data
#   pval.exposure pos.exposure beta.exposure se.exposure samplesize.exposure chr.exposure id.exposure       SNP effect_allele.exposure
# 1   4.70002e-06     80464745   -0.00336713 0.000735449               64949           12 ukb-b-16639 rs7315575                      A
#   other_allele.exposure eaf.exposure           exposure mr_keep.exposure pval_origin.exposure data_source.exposure
# 1                     C      0.65584  || id:ukb-b-16639             TRUE             reported                  igd

哎呀呀！成功了呢！哎嘿嘿！

看看看看！咱都把 P 值阈值设为 5e-06了，才筛到一个符合的 SNP，可想而知！5e-08 的 P 值阈值，那可不什么都得不到嘛！自然它就报错啦！应该是它的源代码内部的编写问题，有兴趣的小伙伴也可以自己去修改一下源代码哈哈哈哈哈，让它即使没筛到 SNP 也可以继续运行下去！不过咱们现在已经知道这个报错的原因啦！是否需要它不报错是不是也就不重要啦哈哈哈哈哈！

那以后咱们如果遇到Error in if (out == "[]") { : argument is of length zero或Error in if (nrow(d) == 0) return(NULL) : 参数长度为零这类报错，是不是就知道该怎么办啦！哎对！没错！把过滤 SNP 的 P 值阈值默认参数p1 = 5e-08改成p1 = 5e-06试试！如果还不行，建议换数据集哈哈哈哈哈哈！因为这算是公认的底线！好多文章最宽松的 P 值阈值也就是 5e-06 而已！不建议更宽松啦！

文末碎碎念

那今天的分享就到这里啦！我们下期再见哟！

最后顺便给自己推荐一下嘿嘿嘿！

如果我的分享对你有用的话，欢迎关注点赞在看转发分享阿巴阿巴阿巴阿巴巴巴！这可是我的第一原动力！

蟹蟹你们的喜欢和支持！！！