Some tips used during learning
1、去除含有缺失值的行 gwas <- na.omit(gwas)
2、在一列中添加字母X gwas$chr <- paste("X",gwas$chr,,sep="")
3、R中通过tidyr将两列数据合成一列 gwas <- unite(gwas,"chr_pos",chr,pos,sep = "-" remove= FALSE) 将gwas中的列chr和列pos合并为一列，名为chr_pos，用-隔开，remove为TRUE表示将原来的两列删除，为FALSE表示将原来的两列保留
4、用coloc进行共定位分析 result <- coloc.abf(dataset1=list(pvalues=input$pval, type="cc", s=0.01164, N=2085803), dataset2=list(pvalues=input$pval_nominal, type="quant", N=nrow(eqtl)), MAF=input$maf) 修改s和N对结果的影响不大，因此就算s和N不准确影响也不大
5、使用R中merge()函数合并数据 input <- merge(eqtl,gwas,by = "rs_id",all = FALSE) all为FALSE的含义是仅返回两数据框中匹配的数据行
6、给R中的列重命名 默认为dplyr中的rename dplyr和plyr中的rename函数是不一样的 dplyr::rename(data,new=old) plyr::rename(data,c(old=new)) dplyr::rename(d, two=old2, three=old3) plyr::renmame(d,c("old2" = "two","old3" = "three")) alp <- rename(alp,rs_id = snpid)
7、用CMplot画多track的曼哈顿图 CMplot(alp_a2_b2_c2, plot.type="m", LOG10=TRUE, ylim=c(0,80), threshold=c(1e-6,1e-4),multracks = TRUE threshold.lty=c(1,2),threshold.lwd=c(1,1), threshold.col=c("black","grey"), amplify=F, file="jpg",memo="",dpi=1200, file.output=TRUE,verbose=TRUE,cex = 0.1)
8、用subset函数提取数据 subset(data,pval <= 5e-8) 格式为subset(data,列名<数值) 注意这里需要用<=不能用<-
9、用separate函数将一列分解为多列，以某种字符为分隔标志 separate函数是dplyr包里的 gwas <- separate(gwas,col = "chr_position",into = c("chr","pos"),sep = "_",remove = FALSE) remove为FALSE表示不去除原来的列
10、提取GWAS数据中显著性位点的上下游区域 #假定显著位点是rs3131972，他的位置是817341，那么我们提取上下游100kb的位点的话，范围就是chr1:717341-917341,代码就是: gwas_coloc=gwas %>% filter(chr %in% "1") %>% filter(pos>717341 & pos<917341)
11、寻找独立显著位点的方法——使用FUMA鉴定独立SNP和LeadSNP 独立显著位点的p小于5e-8，位点之间的r2小于0.6，r2指的是LD的r2值，不是相关性，0.6是主流，但是也有设置成其他数值的 Lead SNP是独立显著位点中r2小于0l的，同样，只是主流是0.1 FUMA(https://fuma.ctglab.nl/snp2gene)
12、 GRCh38相当于hg38，GRCh37相当于hg19
13、从原始数据中提取某一列为缺失值的行 ALP bad.ALP <- is.na(ALP$variant_id) # bad.ALP为和ALP行数一致的对应的布尔值变量 若某一行variant_id这一列为NA则该行对应的布尔值为TRUE 随后提取行 ALP_NA <- ALP[bad.ALP,] # ALP_NA为variant_id这一列为缺失值的行数据 ALP_not_NA <- ALP[!bad.ALP,] # ALP_not_NA为variant_id这一列为非缺失值的行数据
14、R中大小写字母转换 tolower()将大写字母转换为小写字母 toupper()转换为大写字母
15、去除缺失值所在的行 ALP_not_NA_gwas <- na.omit(ALP_not_NA_gwas) na.omit()返回的是去除了缺失值所在的行之后的变量，然后将此变量赋给原变量，即可得到去除了缺失值所在行的变量
16、将两个列完全一致的数据框合并在一起 ALP_not_NA_final <- rbind(ALP_not_NA,ALP_not_NA_gwas)