无法复现原文Fig3结果

[realzehuali]

您好，感谢开发csMR!我对csMR非常感兴趣！

我在7.21日完全按照readme安装了csMR（目前Github最新版），在默认参数跑通example数据后，又用默认参数对BMI全染色体数据、8种脑细胞全染色体数据、全脑全染色体数据进行了测试（结局还是example的两套数据）。

但结果与原文Fig3的T2DM和CAD列有不同，具体阳性如下（P为IVW的P值）：
T2DM：全脑（0.049）、星形胶质细胞（0.022）、ODC（0.016）、OPC（0.022）、InN（0.049）
冠心病：星形胶质细胞（0.017）、ODC（4.96e-11）、小胶质细胞（0.045）、周皮细胞（0.016）、ExN（0.009）

想请教：
1、参数对于结果影响是否显著？
2、是否需要使用早期csMR版本？
3、csMR鲁棒性如何？

期待回复，谢谢~

[realzehuali]

是的，FDR也和原文结果不符，主要怕我哪步出错

[rhhao]

抱歉没有及时回复。

请问你用的reference genome是1000G吗？原文中我用的ref是来自uk biobank的，method部分有说明。由于ukb的数据不是公开的，所以我只提供了1000G的数据来测试软件。我猜测是由于ref不同，导致LD矩阵会有差异，coloc计算过程需要用到LD，因此coloc的结果也会不一致。你可以看看coloc pph4>0.8的点是否与supplementary data 2中的一致？

[realzehuali]

@rhhao 感谢回复！
是的，我用的1000G。我的COLOC/Susie_coloc.BMI_Giant_UKB.results.coverage.0.9.PPH4.0.8里确实只有666个点，SPdata2里有4206个点，肯定不一样的。

@ariczhou1989 1.5h测试example（40 threads），36h测试完整数据（40 threads）

[rhhao]

抱歉没有及时回复。
请问你用的reference genome是1000G吗？原文中我用的ref是来自uk biobank的，method部分有说明。由于ukb的数据不是公开的，所以我只提供了1000G的数据来测试软件。我猜测是由于ref不同，导致LD矩阵会有差异，coloc计算过程需要用到LD，因此coloc的结果也会不一致。你可以看看coloc pph4>0.8的点是否与supplementary data 2中的一致？

如果你这个回答被杂志社知道了，会不会被撤稿，以及被ukb知道了，会不会被撤稿

感谢提问。

你可以再仔细看一下原文，在Method部分“Colocalization analyses”这一节中我们明确说了文章使用uk biobank的数据来计算LD matrix，并不存在隐瞒。我们拥有ukb数据的使用权限，Acknowledgements部分有引用我们的申请号。但ukb数据不是公开获取的，我们并没有权力将基因型数据公开。

[jasmine327]

您好，感谢开发csMR!我对csMR非常感兴趣！

我在7.21日完全按照readme安装了csMR（目前Github最新版），在默认参数跑通example数据后，又用默认参数对BMI全染色体数据、8种脑细胞全染色体数据、全脑全染色体数据进行了测试（结局还是example的两套数据）。

但结果与原文Fig3的T2DM和CAD列有不同，具体阳性如下（P为IVW的P值）： T2DM：全脑（0.049）、星形胶质细胞（0.022）、ODC（0.016）、OPC（0.022）、InN（0.049） 冠心病：星形胶质细胞（0.017）、ODC（4.96e-11）、小胶质细胞（0.045）、周皮细胞（0.016）、ExN（0.009）

想请教： 1、参数对于结果影响是否显著？ 2、是否需要使用早期csMR版本？ 3、csMR鲁棒性如何？

期待回复，谢谢~

@rhhao 感谢回复！ 是的，我用的1000G。我的COLOC/Susie_coloc.BMI_Giant_UKB.results.coverage.0.9.PPH4.0.8里确实只有666个点，SPdata2里有4206个点，肯定不一样的。

@ariczhou1989 1.5h测试example（40 threads），36h测试完整数据（40 threads）

您好，请问你是使用了1000G作为ref来测试example数据吗，有出现如下的报错吗：运行 susie_finemap.py出现错误：Error in susie_suff_stat(XtX = XtX, Xty = Xty, n = n, yty = (n - 1) * :
susie_suff_stat(XtX = XtX, Xty = Xty, n = n, yty = (n - 1) * 中的错误：
The estimated prior variance is unreasonably large.
估计的先验方差过大。
This is usually caused by mismatch between the summary statistics and the LD matrix.
这通常是由于汇总统计量与 LD 矩阵之间不匹配造成的。感谢您的回复

[ANGUR1]

你好，原始的脑单细胞eqtl数据，是没有MAF和SE数据的，但是代码要求MAF和SE数据，对于这么大量的snp再加上这么多文件，MAF和SE数据是如何处理出来的呢？我想问下你们是怎么解决的呢

[Mokiya522]

您好，感谢开发csMR!我对csMR非常感兴趣！

我在7.21日完全按照readme安装了csMR（目前Github最新版），在默认参数跑通example数据后，又用默认参数对BMI全染色体数据、8种脑细胞全染色体数据、全脑全染色体数据进行了测试（结局还是example的两套数据）。

但结果与原文Fig3的T2DM和CAD列有不同，具体阳性如下（P为IVW的P值）： T2DM：全脑（0.049）、星形胶质细胞（0.022）、ODC（0.016）、OPC（0.022）、InN（0.049） 冠心病：星形胶质细胞（0.017）、ODC（4.96e-11）、小胶质细胞（0.045）、周皮细胞（0.016）、ExN（0.009）

想请教： 1、参数对于结果影响是否显著？ 2、是否需要使用早期csMR版本？ 3、csMR鲁棒性如何？

期待回复，谢谢~

你好，请问可以发我一份example的数据吗？现在去下载这个链接已经失效了。还有我想请问一下原始的eqtl数据是没有maf值的，请问你们是怎么处理的呢？

[Mokiya522]

你好，原始的脑单细胞eqtl数据，是没有MAF和SE数据的，但是代码要求MAF和SE数据，对于这么大量的snp再加上这么多文件，MAF和SE数据是如何处理出来的呢？我想问下你们是怎么解决的呢

你好，请问你有下载example数据吗，可以发我一份吗，谢谢