Package index • QTLMR

1.R包配置

install_Rtools(): 安装Rtools软件

2.百度网盘下载文件

Baidu_py_install(): 配置百度网盘python环境

Baidu_upload(): 上传文件至百度网盘中

Baidu_download(): 使用百度网盘下载文件

3.内置组学数据

available_outcomes_ieu(): IEU Open GWAS数据库表型汇总表

data_info_ukb_ppp_pQTL(): ukb-ppp pQTL汇总信息数据

data_cispQTL_ukb_ppp_exp(): ukb-ppp cis-pQTL的暴露数据

data_info_decode_pQTL(): decode pQTL汇总信息数据

data_cispQT_decode_exp(): decode cis-pQTL的暴露数据

data_info_fenland_pQTL(): fenland pQTL汇总信息数据

data_cispQT_fenland_exp(): fenland cis-pQTL的暴露数据

data_Gut_microbes_196(): 196种肠道微生物暴露数据

data_Gut_microbes_412(): 412种肠道微生物暴露数据

data_Gut_microbes_473(): 473种肠道微生物暴露数据

data_Immunocytokine_731(): 731种免疫细胞因子暴露数据

data_Inflammatory_factors_41(): 41种炎症因子暴露数据

data_Inflammatory_proteins_91(): 91种血浆循环炎症蛋白

data_IEU_prot_a(): IEU数据库中Sun_BB_protein的3282个蛋白数据

data_IEU_prot_c(): IEU数据库中prot_c的1124个蛋白数据

data_Metabolites_1400(): 1400种代谢产物的暴露数据

data_IEU_exposure_dat(): IEU数据库中7020个临床表型暴露数据

data_info_finngen(): 芬兰R7-R12汇总信息数据

data_info_ukb_neale(): ukb neale汇总信息数据

data_info_GTEx_V8_samplesize(): GTEx_V8样本量汇总信息数据

data_info_GTEx_V8_GENE(): GTEx_V8基因信息汇总数据

data_info_cytoBand(): cytoBand汇总信息数据

4.在线获取xQTL或药靶数据

get_cispQTL_decode_ukb_Online(): 在线获取"decode"或"ukb_ppp"的顺式pQTL数据

get_cispQTL_fenland_Online(): 在线获取fenland的顺式pQTL数据

get_ciseQTL_eQTLGen_Online(): 在线从IEU数据库获取的eQTLGen顺式eQTL数据

get_ciseQTL_GTEx_V8_Online(): 在线获取GTEx_V8顺式eqtl数据

get_Drugs_gene_IVs(): 获取传统药靶基因工具变量

5.获取基因信息

Gene_start_end_info_ensembl(): 从ensembl数据库中获取基因的信息

Gene_start_end_info_GTF(): 从gencodegenes的gtf.gz原始数据获取基因信息

Gene_start_end_info_modified(): 从内置数据中获取Ensembl id与Gene汇总信息数据

6.数据转换

format_dat(): 通用GWAS数据清洗与格式转换

format_data_FinnGen(): 将FinnGen数据库.gz文件数据清洗与格式转换

format_data_Catalog(): 将GWAS Catalog数据库.gz或.tsv文件清洗与格式转换

format_data_ukb_Neale(): 将ukb nealelab数据库tsv.bgz文件清洗与格式转换

format_data_IEU_VCF(): IEU数据库.VCF文件数据格式转换

format_data_METAL(): 将METAL分析结果数据格式转换

format_data_decode(): 将decode原始数据文件重注释与格式转换

format_data_ukb_pQTL_cis(): ukb_ppp项目.gz文件数据提取与格式转换

format_data_fenland(): 将fenland pQTL原始数据格式转换与清洗

GWAS_liftover(): 使用liftover转换GWAS数据的基因组版本

xQTL_cis_dat(): 提取原始本地xQTL数据的顺式区域数据

7.SNP与chrpos互相转换

tran_chrpos_from_SNP(): rsid转chrpos

tran_SNP_from_chrpos(): chrpos转rsid

tran_SNP_python(): 使用python实现chrpos转rsid

8.xQTL相关孟德尔随机化分析

remove_MHC_data(): 移除MHC区域的SNP数据

calculation_Fvalue_R2(): 计算F值与R2

clump_data_local_Online(): 本地或在线方式去除连锁不平衡

modified_harmonise_proxy_Ensembl(): 本地数据harmonise并基于Ensembl数据库代理SNP

modified_proxy_1000G(): 本地数据提取结局数据并基于1000G代理SNP

modified_Proxy_SNP_LDlink(): 本地数据提取结局数据并基于LDlink代理SNP

xQTL_mr(): xQTL数据进行MR分析

xQTL_volcano_plot(): 绘制xQTL孟德尔随机化结果火山图

xQTL_forest(): 绘制xQTL森林图（Forest Plot）

9.共定位分析

coloc_format_dat(): 共定位基因组区域数据提取

coloc_abf(): coloc共定位分析并绘制locuscomparer图

coloc_susie(): SuSiE（单一效应之和）共定位分析

PWCOCO_run(): 使用PWCOCO进行成对条件与共定位分析

coloc_stack_assoc_plot(): 绘制stack_assoc_plot图

10.SMR分析

SMR_format_BESD(): 构建SMR分析所需的BESD二进制数据文件

SMR_multi_HEIDI(): 基于SMR软件的孟德尔随机化分析

SMR_Locus_Effect_Plot(): 绘制SMR locus与Effect Plot图

11.GSMR分析

GSMR2_QTLMR(): 使用GSMR基于广义汇总数据的孟德尔随机化分析

12.LDSC分析

LDSC_MRlap(): 使用MRlap包矫正样本重叠引起的IVW-MR分析的偏差

LDSC_ldscr_h2(): 使用ldscr包计算遗传力

LDSC_ldscr_rg(): 使用ldscr包计算交叉性状遗传相关性

LDSC_py_install(): 配置ldsc软件环境

LDSC_py_sumstats(): 使用ldsc软件生成.sumstats.gz格式文件

LDSC_py_h2(): 使用ldsc软件进行临床性状遗传力

LDSC_py_ph(): 使用ldsc软件进行分区遗传力计算

LDSC_py_rg(): 使用ldsc软件进行遗传相关性分析

LDSC_py_SEG(): 使用ldsc软件进行组织或细胞类型特异性分析

13.HDL分析

HDL_h2(): 使用HDL包基于SNP的遗传力的高精度似然推断

HDL_rg(): 使用HDL进行高精度似然推断遗传相关性分析

HDL_rg_parallel(): 使用HDL包多核进行遗传相关性的高精度似然推断

HDL_L(): 使用HDL包进行局部遗传相关性分析

14.LAVA分析

LAVA_sample_overlap(): 创建 LAVA 分析输入的sample overlap文件

LAVA_run(): 使用 LAVA 包对所有基因组位点执行双变量遗传相关性分析

LAVA_bivarplot(): 绘制双变量LAVA分析结果的散点图

15.GNOVA分析

GNOVA_py_install(): 配置GNOVA软件环境

GNOVA_run(): 使用GNOVA进行遗传协方差分析

16.SUPERGNOVA分析

SUPERGNOVA_py_install(): 配置SUPERGNOVA软件环境

SUPERGNOVA_format_data(): 将TwosampleMR格式转换成SUPERGNOVA分析输入格式数据

SUPERGNOVA_run(): 使用 SUPERGNOVA 进行局部遗传相关性分析

17.HESS分析

HESS_install(): 配置HESS软件环境

HESS_format_data(): 将TwosampleMR格式转换成HESS分析输入格式数据

HESS_estimate_heritability(): 使用HESS软件计算单一性状局部SNP遗传力及标准误差

HESS_estimate_correlation(): 使用HESS软件计算性状遗传协方差和相关性(ρ-HESS)

HESS_estimate_phenocor(): 使用HESS软件计算性状表型的相关性

HESS_estimate_lambdagc(): 使用HESS软件计算基因组控制因子

HESS_Visualizing_estimates(): 使用HESS软件绘制SNP遗传度或协方差的曼哈顿图

HESS_putative_causality(): 使用HESS软件推断性状特征之间因果关系并绘图

HESS_Contrast_polygenicity(): 使用HESS软件绘制性状之间多基因性对比度的图

18.MiXeR分析(Linux系统)

MiXeR_install(): 配置MiXeR软件环境

MiXeR_format_dat(): MiXeR分析输入数据格式转换

MiXeR_Univariate(): MiXeR单变量分析

MiXeR_Univariate_visualize(): MiXeR单变量分析可视化

MiXeR_Bivariate(): MiXeR双变量跨性状分析

MiXeR_Bivariate_visualize(): MiXeR双变量跨性状分析可视化

MiXeR_run(): MiXeR分析

19.FUSION分析

TWAS_fusion_format_data(): Fusion分析输入格式数据转换

TWAS_fusion_assoc_test(): 使用FUSION软件进行TWAS分析

TWAS_fusion_Multi_test(): 使用FUSION软件进行循环多种组织分析

TWAS_fusion_conditonal_test(): 使用FUSION软件进行Joint/conditional分析

20.UTMOST分析

TWAS_UTMOST_install(): 配置UTMOST软件环境

TWAS_UTMOST_single_tissue_test(): 使用UTMOST软件进行单一组织TWAS分析

TWAS_UTMOST_cross_tissue_test(): 使用UTMOST软件进行跨组织联合TWAS分析

21.MR-JTI分析

MetaXcan_install(): 配置MetaXcan软件环境

JTI_predixcan_test(): 使用predixcan软件进行TWAS分析

JTI_SPrediXcan_test(): 使用S-PrediXcan软件进行TWAS分析

MR_JTI_Beta(): 计算MR_JTI结果的beta值及95% CI

22.SMulTiXcan分析

MetaXcan_Harmonization(): 对 GWAS 基因组版本转换以适配 MetaXcan 分析

MetaXcan_imputation(): 对 GWAS 结果的基因型插补（Imputation）以适配 MetaXcan 分析

SPrediXcan(): 使用GTEX v8 MAHR 预测模型进行S-PrediXcan分析

SMulTiXcan(): 使用SMulTiXcan进行跨组织TWAS分析

23.FOCUS分析

TWAS_FOCUS_install(): 配置FOCUS软件环境

TWAS_FOCUS_import(): 使用FOCUS软件创建权重数据

TWAS_FOCUS_format_data(): FOCUS分析的输入格式数据转换

TWAS_FOCUS_test(): 使用FOCUS软件进行精细定位分析

TWAS_FOCUS_Multi_test(): 使用FOCUS软件进行多种组织精细定位分析

24.MAGMA分析

MAGMA_gene_based(): 使用MAGMA软件进行gene-based & gene-set-based关联分析

MAGMA_Tissue_specific(): 使用MAGMA进行交叉组织特异性分析

MAGMA_genes_Manhattanplot(): 对MAGMA软件gene_based分析结果的基因注释及曼哈顿图绘制

MAGMA_gsa_barplot(): 绘制MAGMA分析结果柱状图

25.PoPS分析

PoPS_py_install(): 配置PoPS软件环境

PoPS_munge_feature(): PoPS特征预处理函数

PoPS_MAGMA(): 使用MAGMA软件生成MAGMA分数

PoPS_py_run(): 使用PoPS进行基因优先评分分析

PoPS_run(): PoPS分析

26.GCTA分析

GCTA_fastBAT(): 基于GCTA_fastBAT的gene-based关联分析研究

27.GWAS-meta分析

MTAG_install(): 配置MTAG软件环境

MTAG_cross_gwas(): 使用MTAG进行跨性状表型meta分析

METAL_gwas(): 使用METAL软件对GWAS进行meta分析

CPASSOC_meta_gwas(): 使用cpassoc跨性状关联分析

cond_conjFDR(): cond/conjFDR分析

PLACO_analysis(): 使用PLACO进行复合零假设下的多效性分析

28.gsMap分析

gsMap_py_install(): 配置gsMap软件环境

gsMap_format_sumstats(): 将GWAS数据格式化成gsMap分析输入数据

gsMap_quick_mode(): 使用gsMap进行遗传信息的细胞空间映射分析

29.FM_summary分析

FM_summary(): 简化的贝叶斯精细定位方法（FM-summary）

30.其它分析功能

LCV_run(): 潜在因果变量分析(LCV)

find_Confounders_ensembl(): 从ensembl数据库获取混杂因素

MRPRESSO_outliers_snp(): MR-PRESSO逐一剔除水平多效性的SNP

clump_LD_R2(): 获取连锁的SNP

get_EAF_local(): 本地文件获取EAF值（不推荐）

venn_plot(): 绘制韦恩图

Visualizing_MR_forest(): 绘制MR分析森林图

Visualizing_Manhattan(): 绘制曼哈顿图

Visualizing_bidir_plot(): 绘制双向柱状图