用UKBB数据库做孟德尔随机化之前要做的事情

点进来看的人都知道利用UKBB数据库做MR研究，不像GWAS数据库那么丝滑

首先，这是一个巨无霸文件，压缩的就3+G，解压以后更是到了10+
G。

对了，给文件解压也是个问题。因为UKBB数据库下载来的是 .bgz 格式的压缩文件。

要问有没有针对这种文件的解压软件，答案是有，但是懒得用。要是非得用，上链接↓

https://fileinfo.com/extension/bgz

懒的用的原因也很简单：不想把时间浪费在探索是否免费，软件多大，含不含广告之类之类的事情上，况且不用也能解决问题，还解决的很好。

解决方案：

1.重命名文件，把 .bgz 改成 .gz

这个方法在Windows Ubuntu Mac都适用

2.然后用各系统对应的解压缩方式解压文件。

这里，有必要说一下，对于R处理这样的数据文件来说，重命名是必须的，解压缩不是必须的。因为R有读入压缩文件的函数。当然，快速读大文件的函数也有。做法取决于自己高兴用哪种。

想要快速读 tsv 大文件，可以用 fread 函数。

读进来以后要做的是根据自己的研究需要建立子集，比如提取effect_allele列这样的操作，如果只是做到这一步就另存文件的话，大约能把9-10G的文件提取成 3-4G的文件。

当用本地数据跑MR的时候，系统还是会报错，说是 “栈溢出”
也就是说，算力不够。

解决方案也有两种

用超算服务器。租的蹭的攒的。。。各种能弄到超算的途径。

跟我一样没钱的话，这是我的解决方案

首先，10G的数据，单纯读入R，虽然慢点，也是能完成的，咱还能做提取列，改列名之类的操作不是?

那么，可以根据你对研究设定的P值，提取P值符合标准的SNP，也就是比刚才提取指定的列多一步操作：提取P值合格的SNP。这样的子集保存下来大约400M。顿时比GWAS数据都还小，基本跑起来就没压力了。

需要注意的是，MR的研究，P值说的是暴露，这样的处理是针对暴露的。

转念一想，超算在这个阶段的研究固然是有用的，也并不是不可或缺的。抖音上有个梗：写字对笔的要求一定要高。。。

如果你的科研环境非常恶劣。做能做的事情，并且想办法解决困难，毕竟，脑子是第一位的，条件是第二位的。新中国成立的时候咱们多么穷，原子弹不是照样儿造出来了么！