🏅 Genetics A.S 🏅
⚡️ Genetics A.S ⚡️ 🧬 نکات ژنتیک پزشکی 🧬 ✏️ تستهای ژنتیک ✏️ 📖 لغات زبان 📖 📺 ویدیوهای آموزشی 📺 📝 نکات مشاورهای و برنامهریزی 📝 🔍 راهنمای استفاده از مطالب کانال : https://t.me/GeneticsAS/689 ارتباط با بنده : @Cyaxares ادمین تبادل : @starh20
Show more📈 Analytical overview of Telegram channel 🏅 Genetics A.S 🏅
Channel 🏅 Genetics A.S 🏅 (@geneticsas) in the Farsi language segment is an active participant. Currently, the community unites 11 913 subscribers, ranking 2 247 in the Medicine category and 26 762 in the Iran region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 11 913 subscribers.
According to the latest data from 29 September, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 162 over the last 30 days and by 16 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 1.23%. Within the first 24 hours after publication, content typically collects 2.07% reactions from the total number of subscribers.
- Post reach: On average, each post receives 146 views. Within the first day, a publication typically gains 246 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 18.
- Thematic interests: Content is focused on key topics such as علم, بهداشت, ژنتیک, دکتری, جزوه.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“⚡️ Genetics A.S ⚡️
🧬 نکات ژنتیک پزشکی 🧬
✏️ تستهای ژنتیک ✏️
📖 لغات زبان 📖
📺 ویدیوهای آموزشی 📺
📝 نکات مشاورهای و برنامهریزی 📝
🔍 راهنمای استفاده از مطالب کانال :
https://t.me/GeneticsAS/689
ارتباط با بنده : @Cyaxares
ادمین تبادل : @starh...”
Thanks to the high frequency of updates (latest data received on 30 September, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Medicine category.
remotes::install_github("MRCIEU/TwoSampleMR")
library(TwoSampleMR)
library(data.table)
library(dplyr)
library(ggplot2)
library(forestploter)
library(MRPRESSO)
library(ieugwasr)
2️⃣ اتصال به OpenGWAS؛ برای اتصال به دیتابیس OpenGWAS به ساخت اکانت و تولید یک API نیاز دارید. برای این کار ابتدا وارد سایت api.opengwas.io/profile/ بشید و با یک ایمیل آکادمیک، ثبتنام کنید؛ لینک تأیید به ایمیلتون ارسال میشه و با زدن این لینک، میتونید وارد پروفایلتون در OpenGWAS بشید. در قدم بعد، از قسمت Token (JWT)، توکن مخصوص خودتون رو کپی کنید. بعد با کد زیر، یک .Renviron بسازید و مراحل گفته شده رو انجام بدید.
file.edit("~/.Renviron")
OPENGWAS_JWT=copy your token!
Save!
Restart R!
میتونید توکن خودتون رو چک کنید.
ieugwasr::get_opengwas_jwt()
ieugwasr::user()
3️⃣ انتخاب GWAS مناسب؛ در این آموزش، BMI به عنوان Exposure و Coronary Artery Disease (CAD) به عنوان Outcome در نظر گرفته شده.
ao <- available_outcomes()
bmi_gwas <- ao[grepl("body mass index|BMI", ao$trait, ignore.case = TRUE), ]
cad_gwas <- ao[grepl("coronary artery disease | coronary heart disease", ao$trait, ignore.case = TRUE), ]
4️⃣ انتخاب SNPهای Instrument؛ تو این مثال SNPهای مرتبط با BMI انتخاب میشن.
exposure_dat <- extract_instruments(outcomes = "ieu-b-40", p1 = 5e-8, clump = 1, r2 = 0.001, kb = 10000)
5️⃣ استخراج اثر SNPها روی Outcome؛ تو این مرحله اثر همون SNPهای انتخابشده روی Outcome استخراج میشه.
outcome_dat <- extract_outcome_data(snps = exposure_dat$SNP, outcomes = "ieu-a-8", proxies = TRUE)
6️⃣ هماهنگ کردن آللها یا Harmonisation؛ این مرحله خیلی مهمه، چون باید اثر SNP روی Exposure و Outcome نسبت به یک آلل یکسان تعریف شده باشه.
dat <- harmonise_data(exposure_dat = exposure_dat, outcome_dat = outcome_dat, action = 2)
dat_mr <- dat[ dat$mr_keep == TRUE, ]
7️⃣ اجرای MR.
mr_results <- mr(dat = dat_mr, method_list = c( "mr_ivw", "mr_egger_regression", "mr_weighted_median", "mr_weighted_mode"))
mr_results
8️⃣ تبدیل β به Odds Ratio.
mr_results$OR <- exp(mr_results$b)
mr_results$OR_lower <- exp( mr_results$b - 1.96 * mr_results$se)
mr_results$OR_upper <- exp( mr_results$b + 1.96 * mr_results$se)
9️⃣ آنالیز Sensitivity؛ برای اینکه فقط به نتیجه اصلی MR اکتفا نکنیم، چندتا آنالیز حساسیت مهم انجام میدیم.
# Leave-One-Out (LOO)
loo <- mr_leaveoneout(dat_mr)
mr_leaveoneout_plot(loo)
# Heterogeneity
mr_heterogeneity(dat_mr)
# Horizontal Pleiotropy
mr_pleiotropy_test(dat_mr)
0️⃣1️⃣ روش MR-PRESSO و بررسی Outlierها.
mr_presso_result <- mr_presso(BetaOutcome = "beta.outcome", BetaExposure = "beta.exposure", SdOutcome = "se.outcome", SdExposure = "se.exposure", OUTLIERtest = TRUE, DISTORTIONtest = TRUE, data = dat_mr, NbDistribution = 1000, SignifThreshold = 0.05)
🔴 دوستان آنالیز MR پیچیدگیها و مفاهیم خاص خودش رو داره که تو این پست کاور نشد؛ اما این ورکفلو برای یه آنالیز استاندارد، کافیه. با این حال اگه به ارور خاصی برخورد کردید یا سوالی در مورد انتخاب دیتاست GWAS، گرفتن توکن OpenGWAS یا مفاهیم آنالیز حساسیت داشتید، میتونید از من بپرسید.
✨ جهت ثبتنام در دوره برنامهریزی و مشاوره ۱۴۰۶ و تهیه جزوات جامع و جمعبندی ژنتیک پزشکی امری، جرد، تامپسون و جزوه لغات زبان پزشکی پیام دهید: @Cyaxares
💎 جهت مشاهده مصاحبه و کارنامه رتبه برترهایی که از مشاوره و جزوات من استفاده کردن، از این لینک استفاده کنید: 🏆 رتبهها - مصاحبهها 🏆
😢 کپی کردن مباحث و پستهای کانال، تنها با ذکر نام کانال بلامانع است!
➕ پستها رو برای دوستانتون فوروارد کنید.
#بیوانفورماتیک
کانال آموزشی آرش صفرزاده (@GeneticsAS 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠 ⚡️ 🔠🔠GeneticsAS
موفق باشید 🥇
✨ جهت ثبتنام در دوره برنامهریزی و مشاوره ۱۴۰۶ و تهیه جزوات جامع و جمعبندی ژنتیک پزشکی امری، جرد، تامپسون و جزوه لغات زبان پزشکی پیام دهید : @Cyaxares
💎 جهت مشاهده مصاحبه و کارنامه رتبه برترهایی که از مشاوره و جزوات من استفاده کردن، از این لینک استفاده کنید : 🏆رتبهها - مصاحبهها🏆
😢 کپی کردن مباحث و پستهای کانال، تنها با ذکر نام کانال بلامانع است!
➕ پستها رو برای دوستانتون فوروارد کنید.
کانال آموزشی آرش صفرزاده (@GeneticsAS 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠⚡️🔠🔠