LDpred2 R教程中bigstatsr::FBM对象子集提取操作咨询

你遇到的矩阵维度不匹配问题，本质是传入big_prodMat的FBM矩阵G的列索引对应的SNP数量，与beta_auto的行数不一致。通常是运行snp_ldpred2_auto时自动过滤了不符合质控要求的SNP，导致最终返回的beta_auto对应的SNP集合，和你当前传入的df_beta[["_NUM_ID_"]]对应的初始SNP集合不匹配。

FBM.code256是文件绑定矩阵，不需要将全量数据加载到内存即可完成子集提取，操作逻辑和常规R矩阵一致，同时bigsnpr提供了专用参数适配，具体操作如下：

• 第一步：匹配SNP顺序和索引
  snp_ldpred2_auto返回的beta_auto的行顺序，和你输入到该函数的df_beta子集的行顺序完全对应，因此你需要提取该子集对应的_NUM_ID_作为列索引，而非使用原始全量df_beta的索引：

# 假设你运行LDpred2自动模型的代码如下：
# auto_res <- snp_ldpred2_auto(corr_obj, df_beta_qc, h2_init = estimated_h2, vec_p_init = 0.1)
# beta_auto <- sapply(auto_res, function(x) x$beta_est)
# 直接使用输入给模型的df_beta_qc的_NUM_ID_作为列索引
ind.col_matched <- df_beta_qc[["_NUM_ID_"]]

• 第二步：校验维度后执行计算
  先确认索引长度和beta_auto行数匹配，再将匹配后的索引传入big_prodMat即可，无需单独对G做子集保存，FBM会自动按索引读取对应列：

# 校验维度匹配，避免SNP顺序错位或数量不一致
stopifnot(length(ind.col_matched) == nrow(beta_auto))
pred_auto <- big_prodMat(G, beta_auto, ind.row = ind.test, ind.col = ind.col_matched)

• 如果你需要单独提取G的子集保存为新的FBM文件，可使用big_copy函数：

# 提取指定行列子集，保存为新的FBM.code256文件
G_sub <- big_copy(G, ind.row = ind.test, ind.col = ind.col_matched, backingfile = "filtered_G")

• 不要使用常规R矩阵的G[,]语法全量提取FBM内容，会将全量基因型数据加载到内存，极易触发内存溢出
• 必须保证ind.col_matched的SNP顺序和beta_auto的行顺序完全一致，仅取交集不对齐顺序会导致效应值和SNP对应错误，最终计算的多基因评分完全无效

内容的提问来源于stack exchange，提问作者Javier Schneider