大家好，我是邓飞。

前几天一直学习孟德尔随机化的理论知识，写了几篇博客，迷迷糊糊感觉入门了，今天跑代码试了试，看着结果和图表，感觉理解更深入了。果然，看书百遍，不如一练，今天分享一下实操代码。

前几天的博客：

孟德尔随机化的术语理解

孟德尔随机化：工具变量三大假设

从一篇孟德尔随机化文章看MR常见结果形式

示例数据使用官网的数据，进行了一点补充，对结果进行了可视化。（https://mrcieu.github.io/TwoSampleMR/articles/introduction.html）

整个步骤：

图片

步骤1：提取暴露数据的GWAS

图片

> ## 1, 安装TwoSampleMR，如果已安装，可以忽略> > # library(remotes)> # install_github("MRCIEU/TwoSampleMR")> > ## 2， 载入TwoSampleMR包> library(TwoSampleMR)> > ## 3，从数据库中提取暴露的GWAS summary数据> exposure_dat = extract_instruments("ieu-a-2")> dim(exposure_dat)[1] 79 15

共有79行15列的暴露数据结果。

步骤2：提取结局数据的GWAS

图片

> ## 4，从数据库中提取结局变量的的GWAS summary数据，SNP用暴露数据的结果> # Get effects of instruments on outcome> outcome_dat = extract_outcome_data(snps=exposure_dat$SNP, outcomes = "ieu-a-7")Extracting data for 79 SNP(s) from 1 GWAS(s)> dim(outcome_dat)[1] 79 16

共79行15列的结局数据，注意，这里直接使用暴露数据质控后的SNP，提取结局数据得到的结果，所以位点数是一样的。

步骤3：合并暴露数据和结局数据

图片

> ## 5，将暴露数据和结局数据合并> # Harmonise the exposure and outcome data> dat = harmonise_data(exposure_dat, outcome_dat)Harmonising Body mass index