做孟德尔随机化获取在线数据时发生了下面的问题

Question

做孟德尔随机化获取在线数据时发生了下面的问题，麻烦各位教一下怎么解决。

bmi <-extract_instruments(outcomes='finn-b-O15_PREECLAMPS',access_token = NULL,p1=5e-8)
Requesting default values. Extracting from pre-clumped data
0 out of 1 requested outcomes have pre-calculated instruments.
Extracting data from 1 GWAS(s)
and performing LD clumping
[>] 1 of 1
None of the requested outcomes had GWAS hits at the specified threshold.

Answer 1

引自免费微信小程序：皆我百晓生

在R语言中，如果你想进行孟德尔随机化获取在线数据并处理缺失值、异常值以及进行LD（离群值）消减，可以遵循以下步骤进行操作：

1. 加载数据：

# 加载在线数据到名为`bmi`的数据框
data(bmi) %>%
  filter(instrument == "finn-b-O15_PREECLAMPS", access_token == NULL)

1. 处理缺失值：

# 检查是否存在缺失值
is.na(bmi)

# 如果存在缺失值，我们可以考虑填充这些缺失值为默认值。在这种情况下，我们选择均值作为填充值，因为这通常被认为是合理的。
if (is.na(bmi)) {
  bmi <- bmi %>% na.omit()
}

1. 处理异常值：

# 寻找可能存在的异常值
outliers <- find_outliers(data=bmi, metric="min")
outliers

1. 消除异常值：

# 对于异常值，我们可以尝试对其进行删除。在这种情况下，我们选择异常值所在的行和列，然后选择一个新的数据点来覆盖它们。
if (any(is.outlier(bmi))) {
  bmi <- bmi %>% group_by(id) %>%
    summarise(min = min(values), max = max(values))
  outliers <- bmi %>% pull(outlier_id)
  bmi$remove_outlier = subset(bmi, outlier_id %in% outliers$id)
}

1. 计算LD（离群值）：

# 获取所有连续变量（可以是数值型或逻辑型）
var_names <- colnames(bmi)

# 初始化一个变量来存储ld异常值
ld_values <- numeric(length(var_names))

# 遍历每个连续变量
for (i in 1:length(var_names)) {
  # 计算连续变量在ld列表中的值
  ld_values[i] <- bmi$bmi_value[i] - mean(bmi$bmi_value[i])
}

# 创建一个向量表示ld异常值
ld_vectors <- lapply(var_names, function(x) as.numeric(ld_values[x]))

1. 应用统计方法：

# 使用适当的统计方法处理LD异常值
library(dplyr)
# 定义箱线图函数
boxplot(ld_vectors, xlab = "Continuous Variable", ylab = "LD Value")

1. 绘制模拟图：

# 根据处理后的结果创建一个模拟图
if (!is.null(access_token)) {
  library(ggplot2)
  
  # 设置绘图比例
  ggplot(aes(x = "Continuous Variable", y = "LD Value"), 
         fill = bmi_variable, 
         color = 'blue') +
    geom_line(position = position_dodge(width = 0.9)) +
    labs(title = "Simulated Plot of Pre-clumped BMI Data with LD",
         x = "Continuous Variable", y = "LD Value") +
    theme_minimal() +
    theme(panel.background = element_blank(),
          axis.text.y = element_text(angle = 90, vjust = 0.5),
          legend.position = c("top", "bottom")) +
    scale_fill_manual(values = "blue") +
    annotate("rect", xy = c(0, 0), x = var_names[which.max(ld_vectors)], y = 0, 
              fill = "red", width = 1, height = 1, label = str_remove(LDviolations(bmi)))

  print()

} else {
  cat("Access token is not set for this analysis.")
}

上述代码将首先从bmi数据框中提取需要的数据，并处理缺失值、异常值以及消除它们。然后，它计算并可视化bmi数据集中连续变量(continuous_variable)的LD值，并根据设定的阈值（例如，平均值为5e-8单位）来筛选出异常值。最后，它绘制了一个模拟的箱线图，显示了经过处理的bmi数据集中的LD值分布情况，其中红色点表示LD大于5e-8的异常值。

注意：这个示例使用了dplyr包来处理数据、绘制图形和分析统计信息，如果你需要实现其他特定的功能或使用其他库，可能会根据实际需求进行修改。此外，这个代码假设bmi数据集已经预合并为bmi数据框，且包含access_token字段用于访问在线数据。在实际情况中，可能需要额外处理数据预处理，例如标准化数据或对处理后的LD值进行规范化等。