【MR】共定位coloc包

参考：
https://zhuanlan.zhihu.com/p/392589375

https://blog.csdn.net/u013012420/article/details/127697722
https://zhuanlan.zhihu.com/p/477035163?utm_id=0

不明意义的图片，忘记当时为什么截图了

正文开始

简单来说，MR是观察性研究，意义类似于meta，共定位是遗传层次的研究，意义是性状在遗传层次有没有关系

直接上代码咯，随缘

#这代码是我从循环里抓出来的核心内容，主要流程就是
#1. 确定lead snp的locus
#2. 获取两个性状在这个locus相同的snp
#3. 去重后组装，然后就是coloc
#4. 提示coloc的函数注释很管用哦
    snp_range_gene<-range[j,]
    #diff locuses
    index<-
      str_remove(pqtl$Chrom,'chr')==snp_range_gene$chr & 
      pqtl$Pos<snp_range_gene$max & 
      pqtl$Pos>snp_range_gene$min
    pqtl_temp<-pqtl[index,c(4,8,7,10,11,12)]
    
    index<-
      ss_gwas$`#chrom` == snp_range_gene$chr & 
      ss_gwas$pos < snp_range_gene$max & 
      ss_gwas$pos > snp_range_gene$min
    
    ss_gwas_temp<-ss_gwas[index,]
    
    pqtl_temp<-arrange(pqtl_temp,Pval)
    keep<-duplicated(pqtl_temp[,1])
    pqtl_temp<-pqtl_temp[!keep,]
    
    snps<-intersect(ss_gwas_temp$rsids,pqtl_temp$rsids)
    ss_gwas_temp<-subset(ss_gwas_temp,rsids %in% snps)
    pqtl_temp<-subset(pqtl_temp,rsids %in% snps)
    
    ss_gwas_temp<-list('snp'=ss_gwas_temp[[1]],
                       'pvalues'=ss_gwas_temp[[2]],
                       type='cc',
                       s=2735/(2735+399355),
                       N=2735+399355)
    
    MAF<-pqtl_temp[[6]]
    
    pqtl_temp<-list('snp'=pqtl_temp[[1]],
               'pvalues'=pqtl_temp[[2]],
               'beta'=pqtl_temp[[3]],
               'varbeta'=pqtl_temp[[4]]^2,
               'N'=pqtl_temp[[1,5]],
               'type'='quant')
    
    result <- coloc.abf(dataset1=ss_gwas_temp, dataset2=pqtl_temp, MAF=MAF)