欢迎关注”生信修炼手册”!
在生物信息数据分析中，R语言是必备技能，简洁的语法，丰富的生态，美观的可视化，种种优势使得其成为该领域中使用最广泛的编程语言之一。用R进行meta分析当然也是可以的，本文要介绍的R包, 就是其中之一，可以用于gwas meta分析，支持随机效应模型和固定效应模型，官方文档如下
https://cran.r-project.org/web/packages/rmeta/rmeta.pdf
作为CRAN的一员，其安装方式如下
install.packages(“rmeta”)
首先来看下其输入文件格式，其输入文件并不是常规的GWAS分析结果， 比如, 等统计指标，而是原始的频数分布，而且是二分类数据，比如两种Allele的频数分布,对于每个study, 统计如下所示的表格数据
也就是说，对于每个study,我们需要有4个数值。软件内置的示例数据如下
这个数据列数很多，真正进行分析时，只需要其中的前4列数据。在该R包中，两种模型对应的函数如下
以固定效应模型为例，进行meta分析的代码如下
从代码可以看出，分析时只使用了前4列，对应每个study的2X2表格数据，因为部分study中有缺失值, 有缺失值的数据是没法分析的，所以通过函数选取了其中的部分行。
该R包最大的特点是其可视化功能，对于meta分析的结果，提供了以下两种可视化的函数
1. metaplot
该函数用于展示每个study的名称和对应OR值的分布，以及meta分析后最终计算出的OR值，用法如下
输出结果如下
2. forestplot
该函数用于自定义的展示很多额外的文字信息，用法如下
输出结果如下
通过可以方便个性化的绘制森林图，更多用法请参考官方的帮助文档。
·end·
—如果喜欢，快分享给你的朋友们吧—
往期精彩
自己动手进行逻辑回归，你也可以！
odd ratio置信区间的计算，你学会了吗？
多元回归分析存在多重共线性了怎么办？
基因型与表型的交互作用如何分析，多元回归来搞定
曼哈顿图就够了吗?你还需要LocusZoom
GWAS做完了，下一步做什么？
逻辑回归or线性回归，傻傻分不清楚
没想到你是这个样子的置信区间
线性回归的这些细节，你都搞明白了吗？
3分钟掌握曼哈顿图的绘制
一文搞懂Q-Q plot图的含义
Cochran-Mantel-Haenszel检验在关联分析中的应用
plink中case/control关联分析细节解析
odd ratio值在关联分析中的含义
Cochran-Armitage趋势检验在关联分析中的应用
基因型填充
GWAS中的genotype imputation简介
基因型填充中的phasing究竟是什么
基因型填充前的质控条件简介
使用shapeit进行单倍型分析
gtool:操作genotype data的利器
使用IMPUTE2进行基因型填充
使用Beagle进行基因型填充
使用Minimac进行基因型填充
使用Eagle2进行单倍型分析
X染色体的基因型填充
文献解读|不同基因型填充软件性能的比较
Haplotype Reference Consortium:最大规模的单倍型数据库
Michigan Imputation Server:基因型填充的在线工具
CNV分析
aCGH芯片简介
aCGH芯片分析简介
基于SNP芯片进行CNV分析中的基本知识点