MiXeR双变量跨性状分析 — MiXeR

本函数利用MiXeR算法对两个输入的GWAS数据集进行双变量跨性状分析，官网：https://github.com/precimed/mixer。 MiXeR软件对CPU要求很高，最低内存要求是可用RAM至少为32 GB。MiXeR能够高效地利用多核CPU，因此建议在至少具有16个物理核心的系统上运行MiXeR。

Usage

MiXeR_Bivariate(
  help = FALSE,
  GWASfile = c("~/Desktop/test/SSGAC_EDU_2018_no23andMe_noMHC.csv.gz",
    "~/Desktop/test/SCZ_qc_noMHC.csv.gz"),
  trait1_save_path = "~/Desktop/test/SSGAC_EDU",
  trait2_save_path = "~/Desktop/test/SCZ",
  bfile = "./1000g",
  mixer_py = "~/mixer/precimed/mixer.py",
  lib = "~/mixer/src/build/lib/libbgmg.so",
  stars_rep = 1,
  end_rep = 20,
  fit2 = TRUE,
  opt_arguments_fit = NULL,
  opt_arguments_test = NULL,
  save_path = "./VS",
  cores = 24
)

Arguments

help: 逻辑值，若为TRUE则显示帮助信息，默认FALSE。
GWASfile: 字符向量，包含两个GWAS汇总统计文件的路径，例如 c("path/to/trait1.csv.gz", "path/to/trait2.csv.gz")。
trait1_save_path: 字符型，保存性状1分析结果的文件夹路径。
trait2_save_path: 字符型，保存性状2分析结果的文件夹路径。
bfile: 字符型，参考数据的文件目录路径，数据下载地址：https://github.com/comorment/mixer/tree/main/reference/ldsc/1000G_EUR_Phase3_plink。
mixer_py: 字符型，MiXeR Python可执行文件的路径，例如 "~/mixer/precimed/mixer.py"。
lib: 字符型，库文件 libbgmg.so 的路径，例如 "~/mixer/src/build/lib/libbgmg.so"。libbgmg.so文件需要预先编译软件获得。
stars_rep: 整数，分析的起始重复编号，范围为1到20。
end_rep: 整数，分析的结束重复编号，范围为1到20。
fit2: 逻辑值，是否对每个重复项进行模型拟合；设为 TRUE 启用。设为 FALSE 表示，仅执行test，对指定的性状文件进行验证。
opt_arguments_fit: 字符型，拟合步骤的附加可选参数，例如DiffEvo算法只循环1次（默认循环20次） '--diffevo-fast-repeats 1'。
opt_arguments_test: 字符型，测试步骤的附加可选参数，默认为 NULL。
save_path: 字符型，保存跨性状分析结果的路径，例如 "./VS"。
cores: 数值型，指定线程数以加速计算，默认为8。

Value

无返回值。