config.yaml 逐字段详解

换课题跑 MR，主要就是改这一个文件（单条分析用 run_all.R）。本页把 config.yaml 每个字段讲清楚：作用、可选值、怎么填。批量筛查（analysis/01_screen.R）的结局清单在 outcome_manifest.csv，见文末 §B。

0. 先记住三件事

换课题 = 改 config.yaml 的 exposures: 和 outcomes: 两段 + 把数据文件放进 data/。
方法引擎（R/ 里的代码）永远不用动——参数都在 config 里调。
改完运行：Rscript run_all.R（或 Rscript run_all.R 你的配置.yaml）。

A. 全局参数（`config.yaml` 顶层）

`project` 项目设置

yaml

project:
  name: "MR_generic"      # 项目名（随便起，进报告标题）
  output_dir: "results"   # 结果输出目录
  seed: 12345             # 随机种子（保证可复现，别改）
  resume: true            # 断点续跑：已算好的中间结果直接复用（当前 config 即为 true）

断点续跑

resume: true 时，改一处重跑不会全部重来，已算的 .rds 直接读。想全新跑：删掉对应中间目录，或设 resume: false。

`analysis_mode` 分析模式（最重要的开关）

yaml

analysis_mode: "cis"      # cis | genome_wide

值	用途	行为
`cis`	分子暴露（cis-pQTL / cis-eQTL）	按基因 TSS/TES ±窗口取 SNP，阈值 `5e-6`，强制做共定位
`genome_wide`	普通风险因子（如 LDL）	全基因组显著 `5e-8`，跑全套敏感性

`defaults` 匹配与校验

yaml

defaults:
  match_by: "rsid"                 # rsid(默认) | position(无rsID数据,如Mahajan)
  require_rsid: true               # 强制两侧都有 rsID
  require_build_consistency: true  # 强制 build 一致(除非开 liftover)

match_by: rsid：按 rsID 对齐（最稳，默认）。
match_by: position：按 染色体:位置:等位 对齐——用于无 rsID 的数据集（如 Mahajan T2D）。此时要求两边同一 build。

`iv` 工具变量参数

yaml

iv:
  pval_genome_wide: 5.0e-8   # genome_wide 模式显著性阈值
  pval_cis: 5.0e-6           # cis 模式显著性阈值
  cis_window_kb: 500         # cis 窗口 ±500kb（可改 1000=±1Mb）
  clump_r2: 0.001            # LD clumping r² 阈值
  clump_kb: 10000            # LD clumping 距离
  clump_pop: "EUR"           # api 模式 LD 人群（须与暴露祖先一致）
  f_stat_min: 10             # 弱工具阈值，F<10 剔除
  steiger_filtering: true    # 是否做 Steiger 方向过滤
  harmonise_action: 2        # 回文处理：1假设正向 2按MAF推断 3丢弃回文

`ld` LD 参考面板（clumping 用）

yaml

ld:
  method: "local"                  # local(本地PLINK) | api(OpenGWAS在线)
  plink_bin: "plink1.9"            # plink 二进制（本机 apt 装在 PATH 上；留空则回退 genetics.binaRies）
  bfile: "/mnt/d/mrdata/ldpanel/EUR"  # LD 面板 bfile 前缀（1000G EUR, GRCh37, 按 rsID 匹配）
  ancestry: "EUR"                  # 面板人群，须与暴露 ancestry 一致

人群祖先必须匹配

clumping 的 LD 结构必须与暴露的人群一致。换非欧暴露（如东亚 pQTL）要同时改 bfile（指向对应人群面板，如 /mnt/d/mrdata/ldpanel/EAS）和 ancestry: EAS，否则会报错拦截。见工具变量选择。

`coloc` 共定位

yaml

coloc:
  engines: ["coloc_abf", "hyprcoloc"]  # 跑哪些共定位引擎
  enabled_cis: true                    # cis 模式开
  enabled_genome_wide: false           # genome_wide 模式默认关
  min_region_snps: 50                  # 区域 SNP 少于此值→跳过并标注"数据不足"
  pp_h4_threshold: 0.8                 # PP.H4>此值 判共享因果变异
  prior_p1: 1.0e-4                     # coloc 先验（一般不动）
  prior_p2: 1.0e-4
  prior_p12: 1.0e-5

`multiple_testing` 多重检验

yaml

multiple_testing:
  grouping: "by_outcome"    # by_outcome(每结局内) | global(全部对一起)
  method: "BH"              # Benjamini-Hochberg FDR
  alpha: 0.05               # 显著性阈值

其他开关

yaml

bidirectional:
  enabled: false           # 是否做反向 MR（需暴露有全量sumstats）

liftover:
  enabled: false           # 是否做 build 转换(hg19↔hg38)
  chain: ""                # liftover chain 文件路径

report:
  title: "..."             # 报告标题
  author: "..."            # 报告作者
  dpi: 600                 # 图片 PNG 分辨率(≥600 供印刷)；每张图另存矢量 PDF
  data_availability: "..." # 数据可及性说明(进报告)
  code_availability: "..." # 代码可及性说明

run:
  stages: ["read","iv","harmonise","mr","sensitivity","coloc","mt","report"]
  # 想只重出报告不重读数据，就裁剪这个列表

B. 暴露怎么写（`exposures:`）

情况 A：工具表（如 UKB-PPP，一行一个已选 pQTL）

yaml

exposures:
  - id: "IL6R"                          # 短名，用于结果目录
    format: "instrument_table"          # 工具表模式
    file: "data/exposure/ukbppp.csv"
    build: "GRCh38"                      # 基因组版本（必填）
    ancestry: "EUR"                      # 样本祖先（必填，须与 ld$ancestry 一致）
    trait: "IL6R protein"
    type: "continuous"
    gene: "IL6R"                         # cis 模式用它定位窗口
    chr: 1                               # 或直接给坐标
    tss: 154377669
    tes: 154441926
    sample_size: 34557               # UKB-PPP discovery(欧裔)；须与所取的 discovery 效应量列一致
    pval_encoding: "neglog10"            # UKB-PPP 的 log10p 是 -log10
    effect_type: "beta"
    variant_id_split:                    # 复合变异ID拆列(没有就删)
      column: "Variant.ID"
      pattern: "chr:pos:OA:EA"
    filter: { "cis.trans": "cis" }       # 只取 cis 行

情况 B：全量 GWAS（一个风险因子一个文件，如 LDL）→ 用 format: "tsv"，写法和结局一样（type: continuous），流水线自己按阈值选显著 SNP。

C. 结局怎么写（`outcomes:`）

yaml

outcomes:
  - id: "DR_finngenR13"
    format: "tsv"                        # 扁平表(tsv/csv/.gz)
    file: "data/outcome/finngen_R13_DR.gz"
    build: "GRCh38"
    ancestry: "EUR"                      # 与暴露不同=跨人群MR，报告会警示
    trait: "Diabetic retinopathy (FinnGen R13)"
    type: "binary"                       # binary→出OR；continuous→出beta
    sample_size: 312000
    ncase: 12000                         # binary 才需要
    ncontrol: 300000
    prevalence: 0.038                    # binary 共定位用
    pval_encoding: "raw"                 # raw | neglog10(如FinnGen mlogp)
    effect_type: "beta"                  # beta | OR | HR(后两者自动取log)
    column_map:                          # 列名映射(留空则自动探测)
      SNP: rsids
      chr: "#chrom"
      pos: pos
      effect_allele: alt
      other_allele: ref
      eaf: af_alt
      beta: beta
      se: sebeta
      pval: pval

关键字段速查

字段	作用	常见取值
`format`	输入类型	`tsv` / `instrument_table` / `vcf`
`build`	基因组版本	`GRCh38` / `GRCh37`（暴露结局必须一致）
`ancestry`	样本祖先	`EUR`/`EAS`/`AFR`（暴露须与 LD 面板一致）
`pval_encoding`	p 值编码	`raw` / `neglog10`（-log10p，如 FinnGen mlogp、UKB log10p）
`effect_type`	效应量类型	`beta` / `OR` / `HR`
`type`	结局性质	`binary`（出OR）/ `continuous`（出beta）
`column_map`	列名映射	留空=自动探测；探测不到再显式写

列名不确定？

先不写 column_map，让它自动探测（内置 FinnGen/UKB/GWAS-SSF 常见别名）。探测不到会明确报错告诉你缺哪列。

D. 批量筛查用 `outcome_manifest.csv`

analysis/01_screen.R（一个蛋白扫几十个病）不读 config 的 outcomes:，而是读 outcome_manifest.csv。一行一个结局：

列	说明
`release`	版本（R9 / R13），运行时用 `Rscript analysis/01_screen.R R9` 选
`id`	结局短名
`file`	文件名（放在 `data/outcome/`）
`phenocode`	官方 endpoint 编码
`ncase` / `ncontrol`	病例/对照数（进报告，必须准确）
`match_mode`	`rsid` / `position`（Mahajan 用 position）
`effect_type`	`beta` / `OR`
`pval_encoding`	`raw` / `neglog10`（该结局文件的 p 值编码）
`se_from_ci`	是否从 CI 重构 SE（GCST 那种）
`group`	分组（eye/neuro/renal/systemic/base）
`notes`	备注（中文病名，不参与计算）

config.yaml 里的 iv/ld/参数仍然生效（screen 也读 config 拿这些）。所以批量筛查 = 改 outcome_manifest.csv（结局）+ config.yaml（参数）。

E. 总结：换课题的最小改动

这一节只覆盖 run_all.R

批量筛查主线（analysis/01→16）换数据要动的是别的文件，见 换数据重新开始。

场景	改什么	运行
换一个疾病结局	config `outcomes:` 复制一块改 `id/file/trait/ncase/ncontrol`	`Rscript run_all.R`
换一个蛋白暴露	config `exposures:` 加一块	`Rscript run_all.R`
换 FinnGen 版本	只改 `file` 和 `sample_size/ncase/ncontrol`	`Rscript run_all.R`
批量扫多个病	改 `outcome_manifest.csv`	`Rscript analysis/01_screen.R R9`
换非欧人群	`ld$bfile` + `ld$ancestry` + 暴露 `ancestry` 一起改	见工具变量选择页

相关：使用教程（完整流程）· 代码结构详解（每个文件干嘛）· 流水线架构

config.yaml 逐字段详解 ​

0. 先记住三件事 ​

A. 全局参数（config.yaml 顶层） ​

project 项目设置 ​

analysis_mode 分析模式（最重要的开关） ​

defaults 匹配与校验 ​

iv 工具变量参数 ​

ld LD 参考面板（clumping 用） ​

coloc 共定位 ​

multiple_testing 多重检验 ​

其他开关 ​

B. 暴露怎么写（exposures:） ​

C. 结局怎么写（outcomes:） ​

关键字段速查 ​

D. 批量筛查用 outcome_manifest.csv ​

E. 总结：换课题的最小改动 ​

config.yaml 逐字段详解

0. 先记住三件事

A. 全局参数（`config.yaml` 顶层）

`project` 项目设置

`analysis_mode` 分析模式（最重要的开关）

`defaults` 匹配与校验

`iv` 工具变量参数

`ld` LD 参考面板（clumping 用）

`coloc` 共定位

`multiple_testing` 多重检验

其他开关

B. 暴露怎么写（`exposures:`）

C. 结局怎么写（`outcomes:`）

关键字段速查

D. 批量筛查用 `outcome_manifest.csv`

E. 总结：换课题的最小改动