meta分析

教大家如何做一篇meta-3

遗传平衡检验 HWE

一、理论讲解

当我们提取完snp的原始文献的数据后,我们最好对对照组进行哈代温伯格定律(Hardy Weinberg Equilibrium,HWE)检验,以减少病例-对照研究中出现的抽样偏倚(这是由病例-对照研究的设计特点决定的)。

表1  模拟数据如下

Author Year Country Study design Cases/

Controls

C282T C63T
cases controls cases controls
CC CT TT CC CT TT CC CT TT CC CT TT
A 2008 Maroc Case-control 96/222 95 1 0 219 3 0 59 34 3 160 60 2
B 2008 France Cohort 103/198 91 12 0 180 18 0 75 28 0 149 49 0
C 2007 Spain Case-control 196/181 183 12 1 158 23 0 102 85 9 124 52 5
D 2005 England Case-control 144/1508 119 17 8 1331 168 9            
E 2003 Germany Case-control 137/233 120 17 0 223 10 0 108 27 2 177 52 4

HWE检验可在Excel表格设置上表的函数进行检验。

或者

也可在Stata中进行检验,所用的是Stata独有的search功能。

使用Stata计算时,在命令窗口输入“search Hardy Weinberg equilibrium”,就会在结果窗口显示很多相关的资料,并附带有检验HWE的安装包,选择其中一个点击安装即可。

或者在stata中输入

*安装hwe软件包

ssc install genhwcci

*输入对照组 cc  ct tt 数据

*HWE检验

genhwcci  33  118  67, label(cc ct tt)

 

二、统计学原理

意义:群体遗传学基本定律,如果符合H-W定律,表示样本具有代表性,支持分析结论。
内容:如果没有选择、突变和迁移等外在压力,人群随机婚配,基因型分布经几代传递后能够达到平衡。
检验方法:常用拟合优度卡方检验chi ^2= sum ((obs -exp)^2) / exp),自由度为df=m(m-1)/2, m为等位基因数。

 

三、实战分析

1.数据如下

2.哈温平衡算法stata中输入,复制红色部分

ssc install genhwcci

help genhwcci

genhwcci 41 47 21 37 58 18   /*先病例组,后对照组*/

 

Genotype |         Case         Control  |        Total

------------+-------------------------------+-------------

AA |           41              37  |           78

Aa |           47              58  |          105

aa |           21              18  |           39

------------+-------------------------------+-------------

total |          109             113  |          222

 

Case

Allele |     Case     Frequency      Std. Err.

------------+--------------------------------------

A |      129        0.5917         0.0350

a |       89        0.4083         0.0350

------------+--------------------------------------

total |      218        1.0000

------------+--------------------------------------

Estimated disequilibrium coefficient (D) =   0.0260

SE =   0.0232

Hardy-Weinberg Equilibrium Test:

Pearson chi2 (1) =    1.261  Pr= 0.2614

likelihood-ratio chi2 (1) =    1.258  Pr= 0.2620

Exact significance prob   =               0.0796

 

Control

Allele |  Control     Frequency      Std. Err.

------------+--------------------------------------

A |      132        0.5841         0.0318

a |       94        0.4159         0.0318

------------+--------------------------------------

total |      226        1.0000

------------+--------------------------------------

Estimated disequilibrium coefficient (D) =  -0.0137

SE =   0.0227

Hardy-Weinberg Equilibrium Test:

Pearson chi2 (1) =    0.360  Pr= 0.5487

likelihood-ratio chi2 (1) =    0.361  Pr= 0.5481

Exact significance prob   =               0.6983

 

Test H0: cases under HWE: (given controls under HWE)

likelihood-ratio chi2 (2) =    1.285  Pr= 0.5260

我们需要的是对照组的数据就可以了。

根据p值<0.05 与否,整理为如下表格,p <0.05, hwe为0 no—不符合哈温平衡。

 

拓展知识:

SNPmeta

SNPMETA1

SNPMETA2_检索式

SNPMETA3_索要原始文献+数据提取

 

教你如何做一篇meta分析1_

教你如何做一篇meta分析2_

教你如何做一篇meta分析3_哈温平衡的计算

教你如何做一篇meta分析4_NOS量表的制作

 

网状emta分析必备技能

网状emta分析必备技能1

网状meta分析必备技能2_R软件gemtc包

网状Meta分析必备技能3_数据初始值的设定

网状Meta分析必备技能4_Gemtc实现生存分析

网状meta分析必备技能5_HR风险比

网状meta分析必备技能6_R+Rstudio运用meta包做简单meta分析

网状meta分析必备技能7_使用R、GeMTC和STATA软件实现连续变量的网状Meta分析

 

网状meta分析stata简易教程

NMA(网状meta分析)stata简易教程(1)

NMA(网状meta分析)stata简易教程(2)网状图

NMA(网状meta分析)stata简易教程(3)贡献图

NMA(网状meta分析)stata简易教程(4)漏斗图的制作

NMA(网状meta分析)stata简易教程(5)排序图的制作

 

诊断性meta分析简单实现

诊断性meta分析简单实现(1)之revman

诊断性meta分析简单实现(2)

诊断性meta分析简单实现(3)

诊断性meta分析简单实现(4)_meta-disc

诊断性meta分析简单实现(5)_结果的展示和解读

 

其他

meta分析统计方法-随机对照试验的风险评估rob

生物标记物(基因)联合诊断模型的stata实现ROC(AUC)

生物标记物(基因)联合诊断模型的R实现ROC(AUC)

关键词:

热评文章

发表评论