🏅 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
Mostrar más📈 Análisis del canal de Telegram 🏅 Genetics A.S 🏅
El canal 🏅 Genetics A.S 🏅 (@geneticsas) en el segmento lingüístico de Farsi es un actor destacado. Actualmente la comunidad reúne a 11 913 suscriptores, ocupando la posición 2 247 en la categoría Medicina y el puesto 26 762 en la región Irán.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 11 913 suscriptores.
Según los últimos datos del 29 septiembre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 162, y en las últimas 24 horas de 16, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 1.23%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 2.07% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 146 visualizaciones. En el primer día suele acumular 246 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 18.
- Intereses temáticos: El contenido se centra en temas clave como علم, بهداشت, ژنتیک, دکتری, جزوه.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“⚡️ 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...”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 30 septiembre, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Medicina.
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 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠⚡️🔠🔠