孟德尔随机化之Wald ratio方法(三)

本期内容承接往期推送 1. 孟德尔随机化之Wald ratio方法(一)2. 孟德尔随机化之Wald ratio方法(二) 4.1.3  二分类结局 在流行病学应用中,疾病通常是人们关注的结局,而疾病的结局通常??

  • 0
  • 0
  • 米老鼠
  • 发布于 2020-09-13 23:25
  • 阅读 ( 121 )

孟德尔随机化之Wald ratio方法(二)

1.2 连续型结局变量,多分类或连续型工具变量  有时候,IV可能无法将遗传亚组依据不同暴露层次单纯分为两组。这时候,一般会出现3个遗传亚组:AA(主要纯合子,majorhomozygote),AA(杂合??

  • 0
  • 0
  • 米老鼠
  • 发布于 2020-09-13 23:24
  • 阅读 ( 95 )

孟德尔随机化之Wald ratio方法(一)

‍‍ ‍‍‍‍ ‍‍ 系数比率法 ‍‍ ‍‍‍‍‍ ‍ 系数比率法或Wald方法是使用单个IV估算暴露(X)对结局(Y)的因果关系,也是最简单计算方法。如果有一个以上的IV可用,则可以使用该

  • 0
  • 0
  • 米老鼠
  • 发布于 2020-09-13 23:23
  • 阅读 ( 105 )

孟德尔随机化之因果推断的假设(三)

3.3检验因果关系 孟德尔随机化研究主要解决两个问题: (1)暴露和结局是否存在因果关系; (2)如果存在因果关系,那么其大小是多少。 在遗传变异是有效IV的假设下,可以通过检测遗??

  • 0
  • 0
  • 米老鼠
  • 发布于 2020-09-13 23:22
  • 阅读 ( 74 )

孟德尔随机化之因果推断的假设(二)

‍ ‍ ‍ ‍ ‍ ‍ ‍ 3.2‍ 查找有效的工具变量 ‍‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ 工具变量(IV )技术是可用于估算因果效应的几种方法之一,而无需完全了解所有可能影响暴露- 结局??

  • 0
  • 0
  • 米老鼠
  • 发布于 2020-09-13 23:22
  • 阅读 ( 115 )

孟德尔随机化之因果推断的假设(一)

在前几期的内容中,我反复强调孟德尔随机化得出的是“因果”推论。在今天这一期中,我将重点阐明这种“因果推断”的含义。同时,我还将对工具变量理论进行了更详细的解释,并用生物学

  • 0
  • 0
  • 米老鼠
  • 发布于 2020-09-13 23:21
  • 阅读 ( 122 )

孟德尔随机化之基础概念与研究框架

在本期中,我将说明孟德尔随机化的基础概念与研究框架,并解释如何使用孟德尔随机化去解决常规流行病学问题。 2.1 什么是孟德尔随机化? 孟德尔随机化是在非实验数据中使用遗传变异

  • 0
  • 0
  • 米老鼠
  • 发布于 2020-09-13 23:20
  • 阅读 ( 92 )

孟德尔随机化之遗传学概述

为了理解孟德尔随机化,我们有必要对遗传学有一个粗略的了解。 1. 读取遗传密码 许多生物的遗传信息(或基因组)由长长的一串遗传密码组成,这些遗传密码以DNA(脱氧核糖核酸)的形式?

  • 0
  • 0
  • 米老鼠
  • 发布于 2020-09-13 23:18
  • 阅读 ( 86 )

孟德尔随机化之研究背景

久违的孟德尔随机化开始更新了,在今天的内容中,我将向大家介绍孟德尔随机化的基本概念及其背景知识,并举例说明何时可以使用该方法以及该方法为何能有效解释因果关系。本系列讲解内

  • 0
  • 0
  • 米老鼠
  • 发布于 2020-09-13 23:17
  • 阅读 ( 72 )

肿瘤TMB的计算原理及数学模型

一种肿瘤TMB的计算原理及数学模型的方法

  • 0
  • 0
  • chendz
  • 发布于 2019-12-09 11:07
  • 阅读 ( 1428 )

R语言生物信息大数据分析与深度挖掘及论文呈现

随着高通量测序以及生物信息学的发展,R语言在生物大数据分析以及数据挖掘中发挥着越来越重要的作用。想要成为一名优秀的生物数据分析者与科研团队不可或缺的人才,除了掌握对生物大数据挖掘与分析技能之外,还要具备一定的统计分析能力与SCI论文质量绘图能力

  • 0
  • 0
  • 至尊宝
  • 发布于 2019-03-14 11:32
  • 阅读 ( 1878 )

用TCGA数据不用编程轻轻松松构建CeRNA网络

TCGA数据据是由美国国家癌症研究所(NCI)及国家人类基因组研究所(NHGRI)联合建立,其包含丰富的肿瘤数据类;ceRNA其主要基于竞争性内源RNA假说解释mRNA、假基因、长链非编码RNA之间如何通过miRNA反应元件进行“对话”。

  • 5
  • 2
  • 调研图
  • 发布于 2018-11-23 18:02
  • 阅读 ( 2883 )

CeRNA终篇-生存分析优化CeRNA网络

TCGA数据据是由美国国家癌症研究所(NCI)及国家人类基因组研究所(NHGRI)联合建立,其包含丰富的肿瘤数据类;ceRNA其主要基于竞争性内源RNA假说解释mRNA、假基因、长链非编码RNA之间如何通过miRNA反应元件进行“对话”。作为本系列的最后一讲,给大家介绍工具盒中批量生存分析和MRE统计算法,对ceRNA网络进行最后优化。

  • 0
  • 0
  • 调研图
  • 发布于 2018-11-16 17:30
  • 阅读 ( 1937 )

CeRNA网络美化篇

TCGA数据据是由美国国家癌症研究所(NCI)及国家人类基因组研究所(NHGRI)联合建立,其包含丰富的肿瘤数据类;ceRNA其主要基于竞争性内源RNA假说解释mRNA、假基因、长链非编码RNA之间如何通过miRNA反应元件进行“对话”。本节主要通过相关性优化ceRNA网络,去除大量假阳性位点。

  • 0
  • 0
  • 调研图
  • 发布于 2018-11-16 16:14
  • 阅读 ( 1970 )

miRNA与lncRNA的关系网络构建

TCGA数据据是由美国国家癌症研究所(NCI)及国家人类基因组研究所(NHGRI)联合建立,其包含丰富的肿瘤数据类;ceRNA其主要基于竞争性内源RNA假说解释mRNA、假基因、长链非编码RNA之间如何通过miRNA反应元件进行“对话”。本节主要lncRNA与miRNA的关系对构建。

  • 5
  • 0
  • 调研图
  • 发布于 2018-11-16 14:48
  • 阅读 ( 4392 )

miRNA-mRNA网络构建

TCGA数据据是由美国国家癌症研究所(NCI)及国家人类基因组研究所(NHGRI)联合建立,其包含丰富的肿瘤数据类;ceRNA其主要基于竞争性内源RNA假说解释mRNA、假基因、长链非编码RNA之间如何通过miRNA反应元件进行“对话”。本节主要mRNA-miRNA的互作网络构建。

  • 2
  • 3
  • 调研图
  • 发布于 2018-11-16 14:27
  • 阅读 ( 3437 )

零代码对不同类型的RNA Seq数据进行差异分析

TCGA数据据是由美国国家癌症研究所(NCI)及国家人类基因组研究所(NHGRI)联合建立,其包含丰富的肿瘤数据类;ceRNA其主要基于竞争性内源RNA假说解释mRNA、假基因、长链非编码RNA之间如何通过miRNA反应元件进行“对话”。本节主要讲解TCGA中不同类型RNA-Seq数据差异分析方法。

  • 1
  • 0
  • 调研图
  • 发布于 2018-11-16 13:31
  • 阅读 ( 2728 )

数据挖掘CeRNA网络构建数据预处理

TCGA数据据是由美国国家癌症研究所(NCI)及国家人类基因组研究所(NHGRI)联合建立,其包含丰富的肿瘤数据类;ceRNA其主要基于竞争性内源RNA假说解释mRNA、假基因、长链非编码RNA之间如何通过miRNA反应元件进行“对话”。本节主要数据准备和预处理。

  • 1
  • 1
  • 调研图
  • 发布于 2018-11-16 12:58
  • 阅读 ( 1566 )

数据挖掘系列二开篇如何构建CeRNA

TCGA数据据是由美国国家癌症研究所(NCI)及国家人类基因组研究所(NHGRI)联合建立,其包含丰富的肿瘤数据类;ceRNA其主要基于竞争性内源RNA假说解释mRNA、假基因、长链非编码RNA之间如何通过miRNA反应元件进行“对话”。本讲非常详细解读基本TCGA数据库为后续分析打下一个坚实基础。

  • 0
  • 0
  • 调研图
  • 发布于 2018-11-16 11:14
  • 阅读 ( 1881 )

Nature综述|整合组学分析护航健康,推动精准医学时代的到来!

 导读 Konrad J. Karczewski, and Michael P. Snyder 撰写的关于整合多组学在疾病研究中的应用一文《Integrative omics for health and disease》,于 2018年2月26日发表在 nature reviews genetics  (Nature系列综述, 2018