欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營(yíng)的一線實(shí)戰(zhàn)洞察。

R語(yǔ)言因果推斷:吸煙對(duì)肺組織基因表達(dá)的IPW與AIPW分析

R語(yǔ)言因果推斷:吸煙對(duì)肺組織基因表達(dá)的IPW與AIPW分析 簡(jiǎn)介SmokingGeneExpression 是一份面向生物信息學(xué)與統(tǒng)計(jì)分析學(xué)習(xí)者的 R 語(yǔ)言項(xiàng)目資料圍繞吸煙對(duì)健康肺組織基因表達(dá)的短期因果效應(yīng)展開。內(nèi)容將因果推斷思路落到基因表達(dá)場(chǎng)景涉及工具變量、傾向得分匹配、有向無(wú)環(huán)圖等混雜控制方法以及 RNA-seq 差異表達(dá)分析、PCA 可視化與生物學(xué)解釋適合希望理解觀察性數(shù)據(jù)因果分析流程并借助 R 復(fù)現(xiàn)實(shí)戰(zhàn)的讀者。壓縮包共 45 個(gè)文件約 3.1MB以 png 圖表、txt 結(jié)果說明、xlsx 與 csv 數(shù)據(jù)表為主另含 R 腳本和 pdf 文檔覆蓋分析代碼、數(shù)據(jù)樣例與結(jié)果呈現(xiàn)等用途。已有 148 人學(xué)習(xí)可作為課程作業(yè)、課題預(yù)研或方法對(duì)照的參考。讀者可從中獲得較完整的分析素材按目錄梳理研究邏輯、復(fù)現(xiàn)關(guān)鍵步驟并積累 R 語(yǔ)言實(shí)踐。1. 項(xiàng)目定位用 R 把吸煙對(duì)肺組織基因表達(dá)的因果效應(yīng)算清楚一個(gè)做肺組織轉(zhuǎn)錄組的同行跟我吐槽過差異表達(dá)分析跑完吸煙組和從不吸煙組之間掛著三千多個(gè)顯著基因圖表也漂亮結(jié)果報(bào)告交上去第一個(gè)問題就是“你怎么知道這些差異不是吸煙者普遍年齡更大、BMI 更高造成的”。相關(guān)性分析能告訴你兩組人不一樣但不能告訴你是吸煙把某個(gè)基因的表達(dá)抬上去的。SmokingGeneExpression 這個(gè) R 項(xiàng)目要解決的正是這一層把“吸煙”當(dāng)作處理變量把“某個(gè)基因的表達(dá)量”當(dāng)作結(jié)局用因果推斷的估計(jì)量把混雜因素壓下去給出每個(gè)基因在健康肺組織里對(duì)吸煙暴露的短期因果效應(yīng)估計(jì)。適合誰(shuí)來(lái)讀手上有隊(duì)列或公開表達(dá)資源、會(huì)寫基本 R 腳本、但還沒系統(tǒng)跑過傾向評(píng)分加權(quán)和雙重穩(wěn)健估計(jì)的人。項(xiàng)目的技術(shù)棧是純 R——數(shù)據(jù)層用 data.table 和基礎(chǔ)的 Bioconductor 表達(dá)處理估計(jì)層主要靠 WeightIt、grf、sandwich 這幾個(gè)包可視化走 ggplot2。它不訓(xùn)練模型、不做深度學(xué)習(xí)整套流程跑完就是一張帶置信區(qū)間和 q 值的基因效應(yīng)表外加幾張?jiān)\斷圖。對(duì)做生信但被審稿意見追著問因果的人這個(gè)骨架的參考價(jià)值比多跑十個(gè)差異分析大。2. 工程結(jié)構(gòu)R 腳本怎么分工、依賴怎么裝、第一次怎么跑通這個(gè)項(xiàng)目不是包package是一套按分析階段切開的腳本工程。這意味著它沒有R CMD check那套約束好處是改起來(lái)自由壞處是環(huán)境不一致時(shí)排錯(cuò)特別費(fèi)勁——這是后面避坑章節(jié)的重要伏筆。2.1 依賴清單哪些包是必需的哪些是可選的依賴分成三檔。第一檔是數(shù)據(jù)處理data.table、dplyr、tidyr、readr第二檔是因果估計(jì)核心WeightIt傾向評(píng)分與權(quán)重、grf因果森林與 AIPW 的機(jī)器學(xué)習(xí) nuisance 估計(jì)、sandwich加lmtest聚類穩(wěn)健標(biāo)準(zhǔn)誤第三檔是多重檢驗(yàn)與出圖qvalue、ggplot2、patchwork。并行那塊用futurefurrr規(guī)?;苋蚪M時(shí)會(huì)開關(guān)它。環(huán)境鎖定用renv項(xiàng)目根目錄有一份renv.lock?;謴?fù)環(huán)境的標(biāo)準(zhǔn)動(dòng)作# 在項(xiàng)目根目錄執(zhí)行renv 會(huì)按 lock 文件把包版本拉回一致狀態(tài) Rscript -e if (!requireNamespace(renv, quietly TRUE)) install.packages(renv); renv::restore()這條命令的重點(diǎn)不是“安裝依賴”而是“安裝指定版本的依賴”。grf和WeightIt這兩個(gè)包在版本升級(jí)時(shí)函數(shù)簽名改過尤其是WeightIt的estimand參數(shù)和grf的honesty默認(rèn)值跨版本跑出來(lái)的數(shù)會(huì)對(duì)不上。我第一次拿到這套腳本時(shí)偷懶沒跑 restore直接用系統(tǒng)里現(xiàn)裝的包結(jié)果 IPW 和 AIPW 的效應(yīng)估計(jì)差了將近 8%排查了兩天才發(fā)現(xiàn)是權(quán)重歸一化方式變了。血淚經(jīng)驗(yàn)這類因果估計(jì)工程包版本必須鎖死。如果機(jī)器上裝不了qvalueBioconductor 包退路是用p.adjust(method BH)兩者在大多數(shù)情況下結(jié)論一致只是 q 值的具體數(shù)值略有差異報(bào)告里注明用的是哪一種即可。2.2 目錄分層data、R、scripts、output 各管什么工程目錄大致是這樣切的路徑內(nèi)容說明data/raw/原始表達(dá)矩陣、表型表、協(xié)變量表只讀任何腳本不得寫回data/derived/標(biāo)準(zhǔn)化后的表達(dá)、構(gòu)建好的分析集中間產(chǎn)物可全部刪除重跑R/函數(shù)層io.R、preprocess.R、estimators.R、sensitivity.R、utils.R只定義函數(shù)不執(zhí)行分析scripts/執(zhí)行層01_prepare_data.R到05_report.R有編號(hào)按順序跑output/tables/基因效應(yīng)表、診斷統(tǒng)計(jì)表交付物output/figures/森林圖、權(quán)重分布圖、QQ 圖交付物這個(gè)分層是有講究的。R/里的函數(shù)不碰全局變量參數(shù)從外面?zhèn)鬟M(jìn)去方便單獨(dú)做單元測(cè)試scripts/里的腳本只負(fù)責(zé)“讀什么、調(diào)哪個(gè)函數(shù)、寫到哪里”。很多生信分析腳本寫著寫著就變成一個(gè)兩千行的巨型文件中間變量到處飛改一個(gè)參數(shù)要重跑全流程這種結(jié)構(gòu)就是為了防這個(gè)。常見的做法是每個(gè)scripts/開頭統(tǒng)一 source 一遍函數(shù)層# scripts/01_prepare_data.R 的開頭固定寫這一塊 suppressPackageStartupMessages({ library(data.table) library(dplyr) }) # 統(tǒng)一從項(xiàng)目根目錄解析路徑避免依賴 setwd proj_root - here::here() source(file.path(proj_root, R, io.R)) source(file.path(proj_root, R, preprocess.R)) source(file.path(proj_root, R, estimators.R)) # 全局參數(shù)集中在這一處后面所有腳本讀同一個(gè)配置 cfg - list( expr_file file.path(proj_root, data/raw/expression_matrix.tsv), pheno_file file.path(proj_root, data/raw/phenotype.tsv), covar_file file.path(proj_root, data/raw/covariates.tsv), min_expr 1, # 表達(dá)過濾閾值log2 尺度下取 1 大致對(duì)應(yīng)低表達(dá)噪聲層 min_samples 0.3, # 一個(gè)基因至少在 30% 樣本中超過閾值才保留 seed 20240101 )cfg這個(gè)列表是整條流水線的黑匣子開關(guān)。min_expr和min_samples直接決定后面有多少基因進(jìn)入多重檢驗(yàn)改動(dòng)了結(jié)論就得重出seed因?yàn)橐蚬謨?nèi)部有隨機(jī)抽樣不固定的話兩次跑出來(lái)的效應(yīng)估計(jì)在小數(shù)點(diǎn)后幾位會(huì)飄。路徑用here::here()而不是相對(duì)路徑是為了讓腳本從 RStudio、命令行、還是調(diào)度系統(tǒng)提交都能找到文件這個(gè)小習(xí)慣能省掉大量“在我機(jī)器上能跑”的扯皮。2.3 第一次跑通從 01 到 05 的執(zhí)行順序五個(gè)腳本是一條串行鏈但中間結(jié)果都落盤所以可以從任意一步重跑# 全流程按編號(hào)順序執(zhí)行 Rscript scripts/01_prepare_data.R Rscript scripts/02_fit_ipw.R Rscript scripts/03_fit_aipw.R Rscript scripts/04_causal_forest.R Rscript scripts/05_report.R01做數(shù)據(jù)對(duì)齊和表達(dá)預(yù)處理輸出data/derived/analysis_set.rds02和03分別在同一個(gè)分析集上跑 IPW 和 AIPW各自產(chǎn)出一張基因級(jí)效應(yīng)表04只在候選基因子集上跑因果森林用來(lái)觀察異質(zhì)性05把三張表按基因 ID 合并、統(tǒng)一多重檢驗(yàn)校正、出圖和寫報(bào)告。第一次跑建議先在01里把基因數(shù)砍到幾百個(gè)做冒煙測(cè)試確認(rèn)整條鏈沒斷再放開全量?;驍?shù)上萬(wàn)的表達(dá)矩陣走完全套單核大概要幾十分鐘到幾小時(shí)取決于樣本量和是否開并行。冒煙測(cè)試這一步別省04的因果森林在小樣本上最容易因?yàn)槟硞€(gè)基因方差為零直接拋錯(cuò)早發(fā)現(xiàn)早改。3. 數(shù)據(jù)層拆解暴露、結(jié)局與協(xié)變量怎么對(duì)齊到同一張表因果推斷里最容易翻車的從來(lái)不是估計(jì)量寫錯(cuò)而是數(shù)據(jù)對(duì)齊錯(cuò)了。這個(gè)項(xiàng)目的核心數(shù)據(jù)結(jié)構(gòu)只有一張寬表每一行是一個(gè)樣本列包括樣本 ID、吸煙暴露、幾十上百個(gè)協(xié)變量、以及每個(gè)基因的表達(dá)值。所有估計(jì)函數(shù)都只認(rèn)這張表保證口徑一致。3.1 吸煙暴露變量的編碼二值化之前的三個(gè)判斷原始表型里吸煙狀態(tài)通常是分好幾檔的從不、曾經(jīng)、當(dāng)前、偶爾、已戒若干年甚至還有每天支數(shù)。直接二值化會(huì)丟信息但項(xiàng)目走的是“當(dāng)前吸煙 vs 從不吸煙”這條二值路線理由有三短期因果效應(yīng)下“曾經(jīng)吸煙”人群的暴露已經(jīng)停止把它塞進(jìn)處理組會(huì)稀釋效應(yīng)每天支數(shù)在多數(shù)隊(duì)列里缺失率太高做連續(xù)暴露需要另一套劑量-反應(yīng)模型而二值暴露能直接套用傾向評(píng)分框架診斷工具也成熟。編碼這一步要把“曾經(jīng)吸煙”和缺失顯式剔出去而不是當(dāng)成對(duì)照組# 把原始吸煙編碼映射成 0/1 的處理變量并顯式記錄剔除原因 build_exposure - function(pheno) { stopifnot(all(c(sample_id, smoke_status) %in% names(pheno))) out - pheno %% mutate( smoke_status tolower(trimws(smoke_status)), # 只保留兩種明確狀態(tài)其余一律置 NA W case_when( smoke_status %in% c(current, current smoker, daily) ~ 1L, smoke_status %in% c(never, never smoker) ~ 0L, TRUE ~ NA_integer_ ), # 單獨(dú)打個(gè)標(biāo)記方便統(tǒng)計(jì)各剔除原因的數(shù)量 drop_reason case_when( is.na(W) smoke_status %in% c(former, past) ~ former_smoker, is.na(W) is.na(smoke_status) ~ missing_status, is.na(W) smoke_status ~ blank_status, is.na(W) ~ other_status, TRUE ~ NA_character_ ) ) attr(out, exposure_counts) - table(out$W, useNA always) attr(out, drop_counts) - table(out$drop_reason, useNA no) out }case_when的匹配順序很重要%in%里放了多種寫法是為了兼容不同來(lái)源的表型表真實(shí)數(shù)據(jù)里 “Current Smoker” 和 “current” 混著出現(xiàn)是常態(tài)。drop_reason這一列看起來(lái)多余但它是后面寫方法學(xué)部分的證據(jù)——審稿人一定會(huì)問你為什么最終樣本是 N你得能答出“剔除了多少既往吸煙者、多少狀態(tài)缺失”。attr掛上去的計(jì)數(shù)會(huì)被01腳本打印到日志里養(yǎng)成這個(gè)習(xí)慣能省掉回頭重算的麻煩。還有一層容易忽略的暴露的時(shí)間窗。項(xiàng)目說的是“短期”那就得確認(rèn)表型采集時(shí)間和組織取樣時(shí)間接近如果表型是問卷回顧性的“過去一年是否吸煙”而樣本是五年前存的這個(gè)短期假設(shè)就不成立。數(shù)據(jù)里如果有采樣日期字段務(wù)必在預(yù)處理階段做個(gè)時(shí)間差統(tǒng)計(jì)。3.2 表達(dá)矩陣的預(yù)處理過濾、標(biāo)準(zhǔn)化、以及要不要去批次表達(dá)矩陣進(jìn)模型前要過三道關(guān)。第一道是低表達(dá)過濾用min_expr和min_samples兩個(gè)參數(shù)控制目的是減少檢驗(yàn)數(shù)量、降低多重校正的懲罰。第二道是分布變換如果是原始 count 就走log2(CPM 1)或vst如果上游已經(jīng)給了 log2 尺度就跳過。第三道是批次這一步是分水嶺批次如果和吸煙狀態(tài)強(qiáng)相關(guān)去批次會(huì)把效應(yīng)一起減掉如果批次獨(dú)立于暴露去不去影響都不大。保守做法是先檢查批次與暴露的關(guān)聯(lián)再做決定# 過濾 標(biāo)準(zhǔn)化并在返回前檢查批次是否與暴露混雜 prep_expression - function(expr, meta, cfg) { mat - as.matrix(expr[, -1, drop FALSE]) rownames(mat) - expr[[1]] # 1) 低表達(dá)過濾兩個(gè)條件同時(shí)滿足才保留 keep - rowMeans(mat cfg$min_expr) cfg$min_samples mat - mat[keep, , drop FALSE] # 2) log2 變換已經(jīng)在 log 尺度上的矩陣跳過 if (max(mat, na.rm TRUE) 50) mat - log2(mat 1) # 3) 分位數(shù)標(biāo)準(zhǔn)化抹平樣本間整體分布差異 mat - limma::normalizeBetweenArrays(mat, method quantile) # 4) 批次與暴露的關(guān)聯(lián)檢查卡方檢驗(yàn)p 小說明批次和吸煙糾纏在一起 if (!is.null(meta$batch) !all(is.na(meta$batch))) { tab - table(meta$batch, meta$W) p_batch - suppressWarnings(chisq.test(tab)$p.value) message(sprintf(批次-暴露關(guān)聯(lián)檢驗(yàn) p %.4g, p_batch)) if (!is.na(p_batch) p_batch 0.05) { warning(批次與吸煙狀態(tài)顯著關(guān)聯(lián)去批次可能吸收掉部分處理效應(yīng)慎用 ComBat) } } list(expr mat, n_gene nrow(mat), n_sample ncol(mat)) }rowMeans(mat cfg$min_expr)這一行是過濾的核心表達(dá)式返回每個(gè)基因超過閾值的樣本比例再和min_samples比。normalizeBetweenArrays走 quantile 方法對(duì)偏態(tài)分布的表達(dá)值比中位數(shù)標(biāo)準(zhǔn)化更穩(wěn)。最值得看的是第 4 段——批次卡方檢驗(yàn)。如果 p 值很小說明這批數(shù)據(jù)里“哪臺(tái)機(jī)器測(cè)的”和“這個(gè)人吸不吸煙”高度相關(guān)此時(shí)上 ComBat 或limma::removeBatchEffect等于把處理效應(yīng)的一部分當(dāng)成批次削掉了后面估計(jì)出來(lái)的效應(yīng)會(huì)系統(tǒng)性偏小。這種情況我一般不去批次而是把批次當(dāng)作協(xié)變量放進(jìn)傾向評(píng)分模型讓加權(quán)去平衡它而不是從數(shù)據(jù)里刪掉它。矩陣的樣本順序和表型的樣本順序必須嚴(yán)格一致這是最容易出錯(cuò)的地方。prep_expression返回前應(yīng)該強(qiáng)制按meta$sample_id重排或者用stopifnot(identical(colnames(mat), meta$sample_id))做一次斷言別指望兩邊碰巧一致。3.3 協(xié)變量集與設(shè)計(jì)矩陣共線性檢查協(xié)變量集的選擇原則是只放暴露之前就已經(jīng)確定的變量年齡、性別、遺傳背景主成分、測(cè)序深度、批次不要放可能被暴露影響的中介變量比如某些炎癥指標(biāo)、肺功能。放中介進(jìn)去會(huì)把總效應(yīng)部分遮掉估出來(lái)的是直接效應(yīng)解釋起來(lái)是另一回事。確定變量集之后必須檢查設(shè)計(jì)矩陣的秩。協(xié)變量之間完全共線比如兩個(gè)高度相關(guān)的技術(shù)指標(biāo)或者某個(gè)分類變量某一水平只有一個(gè)人會(huì)讓傾向評(píng)分模型直接崩掉glm可能不報(bào)錯(cuò)但給出荒謬的系數(shù)。# 構(gòu)建協(xié)變量設(shè)計(jì)矩陣并做秩與稀疏水平檢查 check_design - function(meta, covars) { f - reformulate(covars) mm - model.matrix(f, data meta) # 秩虧說明存在完全共線glm 的結(jié)果不可信 r - qr(mm)$rank message(sprintf(設(shè)計(jì)矩陣維度 %d x %d秩 %d, nrow(mm), ncol(mm), r)) if (r ncol(mm)) warning(設(shè)計(jì)矩陣秩虧存在完全共線協(xié)變量需手動(dòng)剔除) # 分類變量稀疏水平某個(gè)水平樣本過少會(huì)讓該水平的傾向評(píng)分極端 for (v in covars) { if (is.character(meta[[v]]) || is.factor(meta[[v]])) { tb - table(meta[[v]]) if (any(tb 20)) warning(sprintf(變量 %s 存在樣本量 20 的水平%s, v, paste(names(tb)[tb 20], collapse , ))) } } invisible(mm) }qr(mm)$rank小于列數(shù)就是秩虧最常見的成因是分類變量做了獨(dú)熱編碼后某一列全是零或者兩個(gè)連續(xù)變量做了線性組合。tb 20這個(gè)閾值不是硬標(biāo)準(zhǔn)20 只是個(gè)提醒線真正要看的是該水平在兩組里的分布——如果某個(gè)批次只有 3 個(gè)人且全在吸煙組傾向評(píng)分在這個(gè)批次上會(huì)趨近 1加權(quán)時(shí)必然出極端權(quán)重這就是第 5 章要展開的問題。提前在這里發(fā)現(xiàn)比跑到加權(quán)階段再看權(quán)重分布圖省事得多。4. 因果估計(jì)核心三種估計(jì)量在單個(gè)基因上的完整鏈路數(shù)據(jù)對(duì)齊之后估計(jì)層的輸入就是一個(gè)向量結(jié)局Y某個(gè)基因的表達(dá)值、處理W0/1、協(xié)變量矩陣X。項(xiàng)目給三種估計(jì)量不是讓你三選一而是讓它們互相印證IPW 看加權(quán)后的可比人群AIPW 用兩個(gè)模型互相兜底因果森林看效應(yīng)是不是在亞群里不一致。三者結(jié)論方向一致才敢往報(bào)告里寫。4.1 傾向評(píng)分與 IPW把不可比的人群“造”成可比傾向評(píng)分e(X) P(W1|X)的直覺是給每個(gè)樣本算一個(gè)“被吸煙的概率”然后用這個(gè)概率的倒數(shù)做權(quán)重讓協(xié)變量分布在兩組之間拉平。吸煙概率高的人如果實(shí)際沒吸煙權(quán)重就大代表他“替”了很多吸煙者。實(shí)現(xiàn)上用WeightIt它比手寫glm多了一層診斷# 單個(gè)基因的 IPW 估計(jì)輸入是結(jié)局向量 處理向量 協(xié)變量數(shù)據(jù)框 estimate_ipw - function(y, w, x, trim 0.01) { df - data.frame(y y, W w, x) # 用 logistic 回歸估傾向評(píng)分estimand ATE 表示估的是全人群平均效應(yīng) wt - WeightIt::weightit(W ~ ., data df, method glm, estimand ATE, stabilize TRUE) ps - wt$ps # 重疊性診斷傾向評(píng)分貼邊說明兩組人根本不可比 overlap - c(min min(ps), max max(ps), n_lt01 sum(ps 0.01), n_gt99 sum(ps 0.99)) # 權(quán)重截尾壓掉極端權(quán)重的杠桿 wts - wt$weights if (!is.null(trim) trim 0) { q - quantile(wts, probs c(trim, 1 - trim)) wts - pmin(pmax(wts, q[1]), q[2]) } # 加權(quán)最小二乘給 ATErobust TRUE 拿穩(wěn)健標(biāo)準(zhǔn)誤 fit - lm(y ~ W, data df, weights wts) se - sqrt(sandwich::vcovHC(fit, type HC1)[W, W]) list(est coef(fit)[[W]], se se, ps ps, overlap overlap, ess sum(wts)^2 / sum(wts^2)) }estimand ATE和ATT的區(qū)別要拎清ATE 估的是“如果全人群都吸煙 vs 全人群都不吸煙”的平均差異ATT 只估“吸煙者如果沒吸煙會(huì)怎樣”。做暴露危害評(píng)估一般用 ATE。stabilize TRUE把權(quán)重除以處理組的邊際概率能顯著降低權(quán)重的方差。overlap里那兩個(gè)n_lt01/n_gt99計(jì)數(shù)是診斷的核心——如果有一批人傾向評(píng)分大于 0.99說明模型認(rèn)為他們“幾乎肯定吸煙”而那批人恰好沒吸煙權(quán)重會(huì)飆到 100 以上一個(gè)樣本就能主導(dǎo)整個(gè)估計(jì)。trim 0.01是在 1% 和 99% 分位處截尾代價(jià)是引入輕微偏差但換來(lái)方差可控實(shí)踐中這筆交易通常劃算。ess有效樣本量是另一個(gè)必看指標(biāo)sum(w)^2 / sum(w^2)給出加權(quán)后相當(dāng)于多少“等效樣本”。如果原始 500 例加權(quán)后 ESS 只剩 60說明權(quán)重分布極其不均這個(gè)估計(jì)不該信。我的經(jīng)驗(yàn)閾值是 ESS 低于原始的 30% 就要回頭查協(xié)變量集。4.2 AIPW 雙重穩(wěn)健兩個(gè)模型互相兜底IPW 只依賴傾向評(píng)分模型正確一旦模型設(shè)定錯(cuò)了比如該放交互項(xiàng)沒放估計(jì)就有偏。AIPW 加了結(jié)局模型兩個(gè)模型只要有一個(gè)對(duì)估計(jì)就一致這叫雙重穩(wěn)健。代價(jià)是計(jì)算量大一些但在這個(gè)場(chǎng)景里值得。結(jié)局模型可以用簡(jiǎn)單的線性回歸也可以用grf的回歸森林。項(xiàng)目里默認(rèn)走線性因?yàn)榛虮磉_(dá)和協(xié)變量的關(guān)系大多近似線性森林在小樣本上反而方差大# AIPW 估計(jì)需要傾向評(píng)分 e(X) 和兩個(gè)結(jié)局預(yù)測(cè) mu1(X), mu0(X) estimate_aipw - function(y, w, x, use_forest FALSE) { df - data.frame(y y, W w, x) # 傾向評(píng)分模型 ps_fit - glm(W ~ ., data df, family binomial()) e - fitted(ps_fit) # 夾一下避免 e 正好等于 0 或 1 導(dǎo)致除零 e - pmin(pmax(e, 1e-6), 1 - 1e-6) # 結(jié)局模型分兩組各擬合一個(gè)預(yù)測(cè)反事實(shí)結(jié)局 if (use_forest) { cf - grf::regression_forest(cbind(df$x, W df$W), df$y) mu1 - predict(cf, cbind(df$x, W 1))$predictions mu0 - predict(cf, cbind(df$x, W 0))$predictions } else { m1 - lm(y ~ ., data subset(df, W 1)) m0 - lm(y ~ ., data subset(df, W 0)) mu1 - predict(m1, newdata df) mu0 - predict(m0, newdata df) } # AIPW 影響函數(shù)逐樣本取值 psi - (mu1 - mu0) w * (y - mu1) / e - (1 - w) * (y - mu0) / (1 - e) est - mean(psi) se - sd(psi) / sqrt(length(psi)) list(est est, se se, mu1 mean(mu1), mu0 mean(mu0), # 結(jié)局模型在兩組上的外推幅度過說明模型在硬撐 extrap c(max_mu1 max(mu1), min_mu1 min(mu1), max_mu0 max(mu0), min_mu0 min(mu0))) }psi那四行是整套方法的核心。前兩項(xiàng)mu1 - mu0是結(jié)局模型的預(yù)測(cè)效應(yīng)后面兩個(gè)減項(xiàng)是“模型殘差乘以逆傾向評(píng)分”的修正項(xiàng)。直覺上如果結(jié)局模型預(yù)測(cè)得準(zhǔn)修正項(xiàng)接近零估計(jì)主要由mu1 - mu0決定如果傾向評(píng)分模型更準(zhǔn)修正項(xiàng)會(huì)把結(jié)局模型的偏差拉回來(lái)。e夾到[1e-6, 1-1e-6]是必須的現(xiàn)實(shí)數(shù)據(jù)里fitted(ps_fit)出現(xiàn) 1.0000 是常見的除法直接炸出 Inf。extrap那幾個(gè)極值是我加的診斷看mu1的最大值有沒有遠(yuǎn)超實(shí)際觀測(cè)到的表達(dá)量范圍——如果超過了說明結(jié)局模型在做荒謬的外推這條估計(jì)不能采信先回頭檢查協(xié)變量。use_forest TRUE那條分支用grf::regression_forest把W當(dāng)成一個(gè)普通特征塞進(jìn)X預(yù)測(cè)時(shí)分別把W置 1 和 0。這種寫法比訓(xùn)練兩個(gè)獨(dú)立森林更高效但對(duì)樣本量要求更高小于 200 例時(shí)慎用。4.3 因果森林平均效應(yīng)之外的異質(zhì)性IPW 和 AIPW 給的是全人群平均效應(yīng)但吸煙對(duì)基因表達(dá)的影響很可能在亞群里不一致——比如年齡大的人反應(yīng)更強(qiáng)或者只在不吸煙的遺傳背景子群里顯現(xiàn)。因果森林直接估每個(gè)樣本的條件平均處理效應(yīng)tau(X)然后看tau有沒有系統(tǒng)性的分化。# 因果森林估條件平均處理效應(yīng)看異質(zhì)性 fit_causal_forest - function(y, w, x, num_trees 2000) { X - cbind(as.data.frame(x)) cf - grf::causal_forest( X X, Y y, W w, num.trees num_trees, honesty TRUE, # 誠(chéng)實(shí)劃分避免用同一批數(shù)據(jù)既分裂又估值 min.node.size 10, # 葉子最小樣本太小會(huì)過擬合 sample.fraction 0.5, # 子采樣比例 seed 20240101 ) # 全人群平均效應(yīng)target.sample overlap 只在有重疊的人群上平均 ate - grf::average_treatment_effect(cf, target.sample overlap) # 變量重要性看哪些協(xié)變量在驅(qū)動(dòng)異質(zhì)性 vimp - grf::variable_importance(cf) list(cf cf, ate ate, vimp vimp) }honesty TRUE是grf的默認(rèn)值作用是樣本分裂和效應(yīng)估計(jì)用不同的子樣本防止過擬合把噪聲當(dāng)成異質(zhì)性。這個(gè)參數(shù)不要關(guān)掉關(guān)了之后tau的分布會(huì)變得極其“好看”但全是假的。min.node.size 10是葉子節(jié)點(diǎn)的最小樣本量基因表達(dá)數(shù)據(jù)的噪聲大設(shè)太小會(huì)切出一堆只有幾個(gè)樣本的葉子估出來(lái)的tau方差爆炸。target.sample overlap這一項(xiàng)值得單獨(dú)說。默認(rèn)是all在全員上平均改成overlap只在傾向評(píng)分有重疊的區(qū)域上平均更穩(wěn)健但也更保守。做暴露效應(yīng)的基因篩查時(shí)用overlap結(jié)論不容易被少數(shù)極端個(gè)體帶跑。variable_importance的輸出是一個(gè)矩陣第一列是原始重要性第二列是歸一化到 0-1 的版本??辞拔迕蛪颉绻挲g或某個(gè)技術(shù)協(xié)變量排第一說明異質(zhì)性主要來(lái)自技術(shù)因素而非生物學(xué)這時(shí)候要警惕別急著往機(jī)制上解釋。在基因?qū)用嬉蚬种辉诤蜻x基因子集上跑不是全基因組。原因很實(shí)際2000 棵樹乘以幾百個(gè)基因單機(jī)跑一晚上都不一定完而且大多數(shù)基因的異質(zhì)性檢驗(yàn)并不顯著跑全量是浪費(fèi)算力。4.4 從 p 值到 q 值結(jié)果表的組裝三種估計(jì)跑完每個(gè)基因會(huì)拿到三套est和se。組裝結(jié)果表要解決兩個(gè)問題一是統(tǒng)一效應(yīng)方向基因表達(dá)上調(diào)還是下調(diào)二是多重檢驗(yàn)?;驍?shù)量上千直接拿 p 0.05 篩出來(lái)的基本都是假陽(yáng)性。# 合并三種估計(jì)量的結(jié)果做 BH 校正輸出可讀的結(jié)果表 assemble_results - function(ipw_list, aipw_list, cf_list NULL) { build - function(lst, tag) { data.frame( gene_id names(lst), est vapply(lst, [[, numeric(1), est), se vapply(lst, [[, numeric(1), se), stringsAsFactors FALSE ) %% setNames(c(gene_id, paste0(tag, c(_est, _se)))) } res - Reduce(function(a, b) merge(a, b, by gene_id), list(build(ipw_list, ipw), build(aipw_list, aipw))) # 用 AIPW 作為主估計(jì)它雙重穩(wěn)健 res$z - res$aipw_est / res$aipw_se res$p - 2 * pnorm(-abs(res$z)) res$q - p.adjust(res$p, method BH) # 方向標(biāo)記方便畫火山圖 res$dir - ifelse(res$q 0.05 res$aipw_est 0, up, ifelse(res$q 0.05 res$aipw_est 0, down, ns)) # 一致性旗標(biāo)兩種方法方向相反時(shí)標(biāo)出來(lái)這類基因不寫進(jìn)結(jié)論 res$flag_inconsistent - sign(res$ipw_est) ! sign(res$aipw_est) res[order(res$q), ] }p.adjust(method BH)是 Benjamini-Hochberg控制 FDR比 Bonferroni 溫和得多在基因表達(dá)場(chǎng)景是標(biāo)準(zhǔn)做法。dir那一列把顯著基因分成上調(diào)和下調(diào)畫圖直接映射顏色。flag_inconsistent這一列是經(jīng)驗(yàn)產(chǎn)物。IPW 和 AIPW 的方向如果相反說明兩個(gè)模型的假設(shè)沖突得很厲害可能是傾向評(píng)分模型設(shè)定有問題也可能是結(jié)局模型的線性假設(shè)在這個(gè)基因上不成立。這類基因即使 q 值很小也不該寫進(jìn)結(jié)論最多放進(jìn)補(bǔ)充材料標(biāo)注方法間不一致等著用敏感性分析去解釋。主估計(jì)選 AIPW 而不是 IPW理由是雙重穩(wěn)健只要傾向評(píng)分和結(jié)局模型有一個(gè)對(duì)估計(jì)就一致比單靠一個(gè)模型的 IPW 更扛得住設(shè)定誤差。5. 避坑清單因果推斷流水線里最容易翻車的五處這套流程跑通不難難的是跑出來(lái)的數(shù)能不能信。下面五條是我在這類項(xiàng)目上反復(fù)踩到的每一條都按“現(xiàn)象 → 原因 → 解決”整理配上排查代碼。5.1 權(quán)重爆炸與重疊性缺失現(xiàn)象IPW 估出來(lái)的效應(yīng)比 AIPW 大好幾倍標(biāo)準(zhǔn)誤也大得離譜ESS只剩原始樣本的 10% 不到。原因傾向評(píng)分模型太“自信”給某些樣本賦了接近 0 或 1 的概率。常見于某個(gè)協(xié)變量幾乎能完全預(yù)測(cè)處理狀態(tài)——比如某一批次的所有樣本都來(lái)自吸煙組模型在這個(gè)批次上學(xué)到“批次 吸煙”權(quán)重自然爆掉。另一個(gè)成因是分類變量的稀疏水平某一類只有幾個(gè)人邏輯回歸在該維度上給出極端的系數(shù)。解決先看重疊性診斷再?zèng)Q定是修剪樣本還是截尾權(quán)重。# 權(quán)重診斷分布、ESS、以及極端權(quán)重來(lái)自哪些樣本 diagnose_weights - function(wts, meta) { ess - sum(wts)^2 / sum(wts^2) cat(sprintf(有效樣本量 ESS %.1f / %d (%.1f%%)\n, ess, length(wts), 100 * ess / length(wts))) # 找出權(quán)重最大的 10 個(gè)樣本看看它們有什么共同點(diǎn) idx - order(wts, decreasing TRUE)[1:min(10, length(wts))] print(cbind(meta[idx, , drop FALSE], weight wts[idx])) invisible(ess) }打印極端權(quán)重樣本的協(xié)變量是定位問題最快的路徑。如果這十個(gè)樣本全在同一個(gè)批次那就是批次導(dǎo)致的如果全是高齡那是年齡分布尾部的問題。ESS低于 30% 時(shí)我一般先嘗試trim 0.01還不行就改用重疊權(quán)重WeightIt里method glm, estimand ATO重疊權(quán)重對(duì)極端傾向評(píng)分不敏感代價(jià)是估計(jì)目標(biāo)變成“重疊人群的效應(yīng)”解釋時(shí)要寫清楚。5.2 批次、共線性與“靜默”的樣本錯(cuò)位現(xiàn)象腳本一聲不吭跑完結(jié)果表也有但效應(yīng)估計(jì)整體偏小或者某個(gè)已知的強(qiáng)效應(yīng)基因死活不顯著。原因三種可能。批次與暴露強(qiáng)相關(guān)去批次時(shí)把處理效應(yīng)一起減掉了協(xié)變量共線導(dǎo)致glm系數(shù)不穩(wěn)定傾向評(píng)分本身就不準(zhǔn)表達(dá)矩陣和表型的樣本順序沒對(duì)齊merge或cbind之后列和行的對(duì)應(yīng)關(guān)系已經(jīng)亂了但 R 不會(huì)報(bào)錯(cuò)。解決三個(gè)檢查必須都在預(yù)處理階段做完——批次卡方檢驗(yàn)3.2 節(jié)、設(shè)計(jì)矩陣秩檢查3.3 節(jié)、樣本 ID 斷言。# 樣本對(duì)齊的最后一道保險(xiǎn)放在所有合并操作之后 assert_alignment - function(expr, meta) { stopifnot( 表達(dá)矩陣列名缺失 !is.null(colnames(expr)), 表型樣本 ID 缺失 sample_id %in% names(meta), 樣本數(shù)不一致 ncol(expr) nrow(meta), 樣本順序錯(cuò)位 identical(colnames(expr), as.character(meta$sample_id)) ) invisible(TRUE) }identical這一條是硬斷言不做容錯(cuò)順序不一致直接拋錯(cuò)。我寧可讓腳本在第一步就炸也不想在寫了兩周報(bào)告之后發(fā)現(xiàn)樣本對(duì)錯(cuò)了。5.3 因果森林在小樣本上的“看起來(lái)很準(zhǔn)”現(xiàn)象因果森林跑出來(lái)的tau分布特別漂亮亞群間差異明顯但換一個(gè)隨機(jī)種子結(jié)果就變了。原因honesty FALSE或者min.node.size設(shè)得太小樹在噪聲上過擬合?;虮磉_(dá)數(shù)據(jù)本身噪聲大樣本量幾百例時(shí)2000 棵樹的平均還壓不住方差tau的分布就是隨機(jī)的。解決三個(gè)參數(shù)一起調(diào)——保持honesty TRUEmin.node.size不低于 10sample.fraction取 0.4 到 0.6 之間然后用兩個(gè)不同種子各跑一遍看tau的相關(guān)系數(shù)。# 穩(wěn)定性檢驗(yàn)換種子重跑看條件效應(yīng)是否可復(fù)現(xiàn) check_cf_stability - function(y, w, x, seeds c(1, 2024)) { taus - lapply(seeds, function(s) { cf - grf::causal_forest(X as.data.frame(x), Y y, W w, num.trees 2000, honesty TRUE, min.node.size 10, seed s) predict(cf)$predictions }) r - cor(taus[[1]], taus[[2]]) cat(sprintf(跨種子 tau 相關(guān)系數(shù) %.3f\n, r)) if (r 0.7) warning(條件效應(yīng)不穩(wěn)定異質(zhì)性結(jié)論不可靠) invisible(r) }相關(guān)系數(shù)低于 0.7 就別寫異質(zhì)性結(jié)論了老老實(shí)實(shí)報(bào)平均效應(yīng)。這個(gè)檢驗(yàn)成本不高值得每個(gè)候選基因都過一遍。5.4 多重檢驗(yàn)的兩種誤用現(xiàn)象q 值算出來(lái)了顯著基因上千個(gè)但和已知的吸煙相關(guān)基因?qū)Σ簧稀T蛞从昧?Bonferroni在基因表達(dá)場(chǎng)景過于嚴(yán)苛真正的信號(hào)被壓掉要么在篩選和驗(yàn)證之間反復(fù)調(diào)閾值最后報(bào)的是“調(diào)出來(lái)的”顯著性。還有一種隱蔽的IPW 和 AIPW 各算一遍 q 值挑顯著的那個(gè)報(bào)這是變相的多重比較。解決主分析只跑一套AIPWq 值只算一次閾值預(yù)先定死比如 q 0.05敏感性分析的結(jié)果單獨(dú)列不參與篩選。方法學(xué)部分要寫清楚“主估計(jì)用的是哪一個(gè)”。5.5 用同一份數(shù)據(jù)調(diào)參又評(píng)估現(xiàn)象所有診斷都完美重疊性好、ESS 高、q 值分布漂亮但換一個(gè)獨(dú)立隊(duì)列就復(fù)現(xiàn)不出來(lái)。原因傾向評(píng)分模型的協(xié)變量集、trim閾值、因果森林的參數(shù)如果在看到結(jié)果之后反復(fù)調(diào)整等于把結(jié)局信息泄漏進(jìn)了模型選擇。這類偏差不會(huì)體現(xiàn)在任何一張?jiān)\斷圖上。解決把樣本按 7:3 隨機(jī)切開前 70% 用來(lái)定協(xié)變量集和超參數(shù)后 30% 只跑一次不看結(jié)果不回頭。如果樣本量不夠切就在分析計(jì)劃里把參數(shù)全部預(yù)先寫死中途改了要記錄在日志里。# 預(yù)注冊(cè)式的參數(shù)凍結(jié)把最終參數(shù)寫進(jìn)文件后續(xù)腳本只讀不猜 freeze_params - function(cfg, path output/tables/frozen_params.rds) { saveRDS(cfg, path) message(參數(shù)已凍結(jié)至 , path, 后續(xù)分析請(qǐng)勿修改) }這條看著像流程潔癖但它是唯一能防住“調(diào)參調(diào)到顯著”的辦法。玄學(xué)的地方在于你自己調(diào)的時(shí)候完全不覺得在作弊每一步都有“合理”的理由。6. 二次開發(fā)把單基因流程改成批量篩選與可復(fù)現(xiàn)報(bào)告拿到這套腳本的人十有八九第一件事是想跑全基因組。單基因函數(shù)寫好了批量跑不是簡(jiǎn)單套個(gè)for循環(huán)——直接循環(huán)會(huì)撞上三個(gè)問題內(nèi)存、算力和失敗恢復(fù)。我給的做法是把估計(jì)函數(shù)包一層加上并行和緩存。先看批量層怎么寫# 批量估計(jì)并行 單基因失敗不影響整體 結(jié)果落盤緩存 run_batch - function(expr_mat, w, x, method c(ipw, aipw), n_workers 4) { method - match.arg(method) future::plan(future::multisession, workers n_workers) on.exit(future::plan(future::sequential), add TRUE) gene_ids - rownames(expr_mat) est_fun - if (method ipw) estimate_ipw else estimate_aipw res - furrr::future_map(gene_ids, function(g) { y - as.numeric(expr_mat[g, ]) # 零方差基因直接跳過否則 glm 會(huì)拋錯(cuò)并中斷整個(gè)批次 if (stats::var(y, na.rm TRUE) 1e-8) return(NULL) tryCatch( est_fun(y y, w w, x x), error function(e) { structure(list(err conditionMessage(e)), class fail) } ) }, .options furrr::furrr_options(seed TRUE)) names(res) - gene_ids fails - vapply(res, inherits, logical(1), fail) if (any(fails)) message(sprintf(%d 個(gè)基因估計(jì)失敗已跳過, sum(fails))) res[!fails] }furrr_options(seed TRUE)保證每個(gè) worker 的隨機(jī)數(shù)流可復(fù)現(xiàn)不加這一句因果森林那部分每次跑出來(lái)都不一樣。tryCatch把單基因的失敗隔離掉glm在完全分離的數(shù)據(jù)上會(huì)拋 warning 甚至 error一個(gè)基因炸掉不該拖垮整批。零方差判斷放在最前面是最常見的崩潰點(diǎn)——某些基因在所有樣本里表達(dá)值都一樣lm直接返回 NA 系數(shù)。n_workers不建議超過物理核心數(shù)減一grf內(nèi)部本身也會(huì)占內(nèi)存開太多反而會(huì)因?yàn)閮?nèi)存交換變慢。第二個(gè)改造點(diǎn)是報(bào)告層。原始腳本輸出的是 CSV二次開發(fā)可以把它變成參數(shù)化的 Rmd 或 Quarto 文檔把 q 值分布、火山圖、前若干個(gè)基因的森林圖一次性生成換一批數(shù)據(jù)只改cfg里的路徑。這里的關(guān)鍵是把“結(jié)果表”和“圖”解耦圖只讀表不重算估計(jì)。第三個(gè)改造點(diǎn)是加一層敏感性分析。做法很簡(jiǎn)單把trim從 0.01 換成 0.05 和 0.1各跑一遍 AIPW看顯著基因的重疊比例。敏感性維度參數(shù)觀察指標(biāo)警戒線權(quán)重截尾trim∈ {0.01, 0.05, 0.1}顯著基因重疊率低于 70% 說明結(jié)論依賴閾值結(jié)局模型線性 vs 回歸森林效應(yīng)估計(jì)相關(guān)系數(shù)低于 0.8 說明模型設(shè)定敏感協(xié)變量集加/減批次變量q 0.05 基因數(shù)變化數(shù)量差一倍以上要解釋這張表建議直接貼進(jìn)補(bǔ)充材料比任何文字描述都有說服力。審稿人問“你的結(jié)論穩(wěn)健嗎”把重疊率甩過去就行。最后一個(gè)技巧是日志。把sessionInfo()、cfg、每個(gè)腳本的運(yùn)行時(shí)間和輸入文件的行列數(shù)統(tǒng)一寫進(jìn)output/logs/一個(gè)腳本一個(gè)文件。這個(gè)習(xí)慣我是被坑出來(lái)的有次報(bào)告里的數(shù)和三個(gè)月前跑的對(duì)不上翻遍代碼也沒改過最后發(fā)現(xiàn)是上游給的表達(dá)矩陣悄悄更新了一版樣本數(shù)從 512 變成了 508。從那以后我每次跑因果估計(jì)流水線都強(qiáng)制在第一步把sessionInfo()和輸入文件的 md5 一起寫進(jìn)日志跑完再核對(duì)一遍才敢往報(bào)告里放數(shù)。這類工程的可靠性不在估計(jì)量寫得多漂亮而在每一步都能回溯。希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
婷婷激情五月天7| 日本噜噜色网| 九九热这里都是精品6| 97色色婷婷| 丁香婷婷黄网站| 热99精品视频五月| 婷婷五月天丁香| 99燥99日| 久久婷婷七月丁香| 国产黄色大片| 久久久jd| www.色婷婷| 婷婷五月天成人导航| 色婷婷XXXXX| 亚洲另类婷婷五月丁香在线播放| 五月丁香激情综合欧美| 欧美成人精品一区二区| 婷婷五月色天| 91操人视频| 五月婷婷无码| 中文幕无线码中文字蜜桃| 亚洲A片成人无码久久精品青桔 | 五月丁香六月婷婷视频| 激情五月丁香六月| 91视频一起草| 伊人激情| www.韩日视频| 91凹凸在线| 婷婷五月天中文字幕| 日本一级一片免费视频| 性色播| 五月丁香在线视频观看| 婷婷色情小说| 91干在线| 思思综合热| 欧洲高清免费久久| 亚洲第一综合| 亚洲人人操| 大战熟女丰满人妻AV| 在线播放 精品| www.久久色.com| 最熟少妇乱码| 99热自拍| 亚洲乱码成人| 五月丁香六月激情| 九九色精品| 日本黄色三级片内射| 久久九九99.www| 亚洲综合另类| 婷婷五月综合欧美在线播放| 婷婷亚洲欧美丁香五月| 人妻中文在线| 新激情五月天| 色一情一乱一乱一区91| 2025天天爽天天摸| 久久婷婷久久| 日本欧美成人片AAAA| www.com久久久久久久久久久久久久久久久| 色五月色五天色情网址| 激情综合九月| Va另类视频| 五月丁香六月玩女人| 久久久久久综合88| 婷婷中文字幕网站| 丝袜人妻| 可以直接看的AV网站| 色在线视频网2025| 亚洲五月婷| 超碰国产在线播放| 激情另类综合| 丁香五月婷婷色播艳门照| 色激情五月| 丁香六月婷婷综合| 色播五月丁香综合| 777.色色| 激情综合激情综合| 天天插天天插| 亚洲乱码在线观看| 26UUU在线观看| 五月婷婷综合丁香视频| 狠狠干狠狠色| 五月丁香色综合| 五月色婷婷在线观看| 五月天成人在线播放丁香| 婷婷五月天综合AV| 免费三级黄色| 日本91在线| 怡红院精品视频久久久久久久久| 精品成人久久久久久久_一二三四视| 99熟女| 操日本色| 综合色五月天| 婷婷天堂综合| 色久一| 人妻射精AV| 夜丁香综合| 综合激情视频| 婷婷五月天大香蕉| 色色色.com| 婷婷色情网| 免费观看全黄做爰的视频| 五月久久网| 五月丁六月香av| 五月天成人在线播放| 国产精品国产成人国产三级| 97视频91| 色播五月| 九九操屄| 欧美va视频不用播放器的va视频网| 五月香六月婷| 国产AV国片偷人妻麻豆| 五月婷丁香| 天天爽天天摸天天爱| 9久热| 十区AV| 日韩激情人伦人| 久久综合爱| 黄色av网站在线免费播放| 婷婷精品| 伊人网碰碰| 午夜伊人大香蕉| 婷婷中文在线| 99视频激情四射| 精品亚洲国产成AV人片传媒| 天天做天天爱天天搞| 99久久6| 色婷婷在线视频| 极品色丁香| 五月丁香婷婷激情澎湃四射| 色色婷婷丁香| 激情AV| 色五月婷婷小说亚洲中文字幕组| 沈娜娜av| 五月丁香亚洲综合网| 日韩九九| 久热 91| 婷婷婷婷色| 香蕉久久国产AV一区二区| 99精品久久久久久久婷婷| 日日狠狠久久偷偷四色综合免费 | 91久久| 五月综合无码| 色婷婷精| 99热12| 久99| 久婷婷五月激情| 色婷婷狠| 香蕉久久国产av一区二区| 天天爽综合网| 99久99久| 天天摸天天高潮天天爽| 国产黄大片在线观看画质优化| 99热9| 五月婷婷中文字幕| 色五月天丁香婷婷| 综合99视频| www.99色在线| www.26uuu.com亚洲电影| 亚洲精品V天堂中文字幕| 99无码视频| 婷婷内射视频在线| 九九综舍久久| 五月天社区婷婷丁香社区| 91狼友视频在线观看| 日 日干 日日做| 五月色综合| 日本啪啪天堂| 五夜婷婷| 啪啪一区| 深爱激情丁香| site:901-07.com| 8区视频在线| 5五月综合网亚洲| 激情宗合网激情五月天| 九九九九九九热| 99热无码精品| 99视频内射三四| 婷婷六月色开| 伊人久久大香网| 五月丁香人妻| 噜噜狠狠色综合久| 久久狠狠干| 猫咪伊人久久| VA色婷婷| 97碰免费视频在线| 99亚洲精品视频在线观看| 91色吧网| aa久久| 噜噜在线| 日韩操逼大片| 999热在线视频| 一二区成人电影| 狠狠狠色激情综合适合| 色五月婷婷在线| 91碰超| 九九狠狠干| 性视频久久| 五月丁香啪啪综合网| 久久99激情| ′久久99一| 2020日日干| www.99久久久久99| 久久 天天| 亚洲国产无线乱码在线观看| 99在线视频在线观看| 操碰色一区就去操| 五月婷婷六月丁香在线视频| 久久思思99| 综合XX网| 久久激情视频99| 99热9| 女人露出p毛视频www网站| 天天色视频| 天天拍夜夜撸| 婷婷丁香无码专区| 亚洲操B| 伊人五月综合网| 91日日日| 激情五月天婷婷激情| 99精品在线| 亚洲AV永久无码影院黑人 | 五月天婷婷视频| 91蜜桃婷婷狠狠久久综合9色| 婷婷俺去也| 五月香蕉综合| 伊人狼人干| 婷婷性爱五月天| 色狠狠综合入口| 伊人久久婷| 天天射影| 五月婷久久久久综合| 久久五月综合| 久久久激情视频| 开心激情婷婷| 性99网站| 影音先锋天天日| 大香蕉婷婷丁香天堂AV| 五月天婷婷久色| 97成人丁香| 天天拍天天操| 综合综合色色| 成人视频免费观看高清完整版在线观看| 99这里有精品| 久久婷婷五月国产激情综合片| 思思久久99热只有频精品66| www.婷婷五月天.com| 91九色精品女同系列| 色婷婷电影网| 婷婷色狠狠| 97综合色片| 99热这里只有精品免费| 久久66成人网站| 五月天停停日日| 激情综合网五月天| 色色aⅤ網| 激情骚五月| 91热在线| 综合网五月天123| 亚洲成人网站在线播放| 激情六月婷婷| 婷婷丁香18| 婷婷大香蕉| 极骚大香蕉伊人| 欧美Va婷色| 丁香六月AV| 色婷婷五月丁香色| 婷婷爱五月天| 色色亚洲五月天| 色婷婷在线电影| 26uuu最新地址| 九九色大香蕉| 99热99艹在线观看| 翔田千里 50岁 无码| 国产精品在线视频| 综合激情肏逼网| 激情综合五月| 激情婷婷五月天| 亚洲激情图文小说| 婷婷激情五月天桃花网| 六月丁香网| 亚洲亚洲永久无码777777| 欧洲综合视频| 91/九色黑人| 色婷婷视频| 五月WWW| 综合99综合久久久久久久| 国产乱妇乱子在线播视频播放网站| 婷婷五月色天| 99久久思思| 99九九玖玖| 少妇大叫太大太粗太爽了A片| 丁香激情五月| 日韩综合大黄| 丁香色五月婷婷17C| 亚洲区在线| 99亚洲精品视频| 夜夜综合色| 九九成人精品免费视频| 婷婷激情综合色五月久久图片| 无码免费人妻A片AAA毛片西瓜| 另类激情五月在线视频欧美| 欧美亚洲婷婷五月| 久久激情五月| 色综合9| 激情六月婷婷| 婷婷五月天激情电影| 五月色天五月色| 91九色国产| 9久9久9久女女女九九九一九| 激情色色色| 婷婷五月在线播放| 天天撸夜夜爽| 婷婷五月天中文字幕.| 亚洲AV无码影院| 国外亚洲成AV人片在线观看| 久久九九@| 色色丁香激情五月| 婷婷五月天成人动漫 | 操91综合网| 99免费热视频在线| 97热在线精品| 色婷婷五月在线| 婷婷激情鹿城五月天| av在线观看网站| 超碰2021| 国产乱妇乱子在线播视频播放网站 | 淫水导航| 南京搡BBBB搡BBBB| 成人五月天在线观看| 日韩高清久久| 人人97操| 色天使久久综合| 99热精品在线观看| 亭亭玉月丁香| 九九九九毛片| 日本一毛片| 天天久综合| 亚洲AAAA网| 伊人久久激情图区五月| 伊人久久婷婷| 婷婷六月啪啪| 六月丁香色色| www.婷婷,com| 久久 无毛。| WWW.五月com| 丰满少妇乱A片无码| 97精品综合久久| 五月丁香91| 中文成人在线| 亚洲激情网| 直接看的AV网站| 啪啪啪五月天| 婷婷成人五月天一区| 婷婷激情丁香五月婷婷激情丁香五月婷婷 | 日本久久色| 国产欧美日韩综合精品一区二区| 大香蕉av在线| 99精品热| 天天干天天插| 99热在线观看| 国产成人精品123区免费视频| 日日日日日| 五月丁香六月婷婷久久| 能直接看的av网站| 99精品视频免费观看| 色婷婷在线播放| 六月色播| 久久精品4| 在线另类视频| 六月色色| 五月天狠狠| 亚洲精品午夜国产va久久成人| 婷婷97碰碰| 日韩在线99| 干一干xxxx| 天天综合精品| 五月狠狠| 91偷拍视频| 黄色一级影片| 色丁香五月天| 色色丁香| 国产成人综合网| 五月天婷婷久久| 色婷婷色99国产综合精品| 五月花激情| 天天爽夜爽| 色欲色香综合网| 97色色色色色| 99热在线观看| 91色色五月天| 五月色亭丁香| 中文字幕黄色电影网址| 日本久久视频| 成人日韩欧美| 乱女乱妇熟女熟妇综合网站| 性爱电影科技贸易有限公司| 人人操人人爱丁香五月| 五月婷亚洲精品| 天天插天天爽| 久久99精品视频| 欧美精品99| www九九| 国产激情综合五月久久| 成人看片网站| 激情五月天天| 久久99三级在线视频| 青青日韩| 综合色影院| 欧美婷婷日本| 華人性愛AV在線| 五月 丁香 欧美| 五月丁香亭亭天天舔| 天天爽日日爽夜夜爽| 天天搞天天爽| 99色天堂| 久久精品国产一区二区三区四区 | 国产欧美精品AAAAAA片| 婷婷五月综合丁香久久| 五夜丁香| 密黄站| 99色播| www激情com| 五月婷婷六月激情| 99热在线观看免费精品| 日韩成人精品中文字幕电影| 色色丁香五月天社区| 9久热免费视频99| 天天操天天爱天天日| 激情五月天综合图片小说网站 | 嫩BBB槡BBBB搡BBBB视频| 伊人五月成人| 欧美六月| 欧美色男人网站| 久久五月天影院| 色婷婷色综合激情91| 九九AV在线| 亚洲国产婷婷色五月 | WWW、日本色丁香co m| 色婷婷综合五月| 五月婷婷在线综合| 亚洲天堂久久| 久久艹 五月天| 五月开心啪啪| 丁香婷婷精品视频| 色丁香五月天婷婷| 玖玖热视频| av一级棒av| 亚洲有码在线视频| 亚洲精品乱码久久久久99| 深爱五月日韩| 亚洲色久| 国产在线网址1| 日本99在线| 热久久思思热思思| 精品人妻久久久久久| 婷婷色网| 无码碰碰| 色吧综合网| 丁香五月在线视频黑人| 就要去操亚洲成人精品五月天丁香婷婷| 人人看人人草人人摸| 超碰国产在线观看| 大地资源色婷婷视频在线 | 日本一级一片免费视频| 99热最新网址| 性爱网六月丁香| 婷婷五月天色色| 五月丁香久久久| 五月婷婷天堂| 激情五月综合网丁| 97碰在线| 色五狠狠| 久久人妻视频| 97人妻碰碰碰碰碰久久久久久| 热九九精品| 婷婷五月天激情五月天| 五月天婷婷激情小说电影| 日本91在线播放| 国产亚洲99久久| 色婷小说| 99色在线视频观看| 九九99久久| 99性爱| 天天综合91入口| 婷婷久久视频| 激情婷婷丁香五月天| 99精品视频免费观看近期发布| 久久婷婷国产| 直接看的AV网站| 久久久久久人妻| 涩婷婷视频快播人妻| 婷婷五月天激情四射五月天激情| 99亚洲视频| 粉嫩AV久久一区二区三区| 六月丁香婷婷色狠狠久久| 五月丁香六月婷婷中合网| 碰97久久| 丁J香六月首页| 久久99激情| 久艹大香蕉| 免费观看全黄做爰的视频| www99在线观看视频| 欧美色欲色欲天天天www| 久热无码| 国产成人AV在线播放| 99久久综合精品五月天| 思思re99视频在线观看| 在线看黄色| 丁香涩涩五月天| 99热这里有精力| 无码九九九九| 婷婷丁香激情五月天色色| 婷婷五月天奸女| 人操91在线| www.狠狠狠.com| 91超碰人人操| 五月色亚洲| 婷婷五月天色综合| CHINESE熟女老女人HD视频| 《诡秘之主》在线观看| 婷婷综合色播网| 国产亚洲精品AAAAAAA片| 色九网| 久久九九国产精品怡红院| 激婷网| 久久6这里只有精品| 天天操天天操综合| 五月婷婷激情久久| 91人人爽狠狠狠| 五月婷婷丁香六月| 天色色综合网| 久久婷五月| 99性爱视频网站| 激情五月天综合图片小说网站| 丁香五月婷婷Av| 黄色AAAA韩国guochansanji| 玖玖婷婷色欲| 五月丁香六月婷| 色综合久久88色综合天天看| 五月丁香 久久久| 高清无码入口| 丁香五月天AV在线| 伊人天堂婷婷| 99热久| 天天檫天天爽| 夜夜夜夜夜骑撸| 久久五月天婷婷| 国产午夜一区二区三区| 五月婷婷综合激情| 色天天综合天天综合频道。| 99热官网| 99热亚洲| 99噜噜噜在线播放| 天天肏夜夜肏| 青草网在线观看| 天天操天天操天天操天天操天天操| 色婷婷操逼| Av大香蕉| 亚洲日本激情| 日本猛少妇色XXXXX猛叫| 久久99热免费| 99视频久久| 久久97| 综合超碰熟| 激情久久综合网| www婷婷色| 最新亚洲色色网| 青草青草视频2免费观看| 综合激情五月四射婷婷| 久久婷婷色| 色五月综合资源推荐| 国产精品A片在线| 婷婷五月六月| 色婷婷久久综合久色综| 色播五月网| 色色色9| 九月激情综合婷婷| 激情亭亭五月| 久久精品9| 成人在线网| AV在线资源| 色色色成人网| 婷婷五月黄色激情在线| 久久综合激情| 丁香五月婷婷综合视频| 免费视频WWW在线观看网站| 天天粽合合合合| 久久久天堂国产精品女人| 久久这里99| 91男人资源站| 色婷婷五月综合| 日本WWW九九九| 色99热| 久婷五月| www.久久99| 五月天精品视频| 人人97操| 久久久久人妻网址| 丁香五月婷婷欧美成人色图| 丁香五月婷婷亚洲色图| 亚洲午夜电影| 亚洲五月婷| 免费黄色AV| 97AV在线视频| 99这里只有精品国产| 无码免费人妻A片AAA毛片西瓜| 五月天丁香六月综合| 九九热视频精品| 天天综合久久| 一本九九色| 色操b| 久婷五月| 99热| 色九月婷婷综合| 九月性爱网| 婷婷丁香五月,狠狠综合| 久久大香蕉伊人| www.婷婷六月天| 99色色热| 激情综合五月| 深情五月天| 久大香蕉| 99网| 五月婷婷开心综合| 亚洲乱码日产精品BD| 色婷婷激情五月天| 九九性视频| 99精品视频在线免费观看| 99爱爱| 六月婷婷久久大全| 婷婷丁香69精华| CAOBIBI| 中字幕视频在线永久在线观看免费| 日日夜夜爽| 天天搞夜夜叫| 久久久久98| 婷婷五月天 丁香五月天 裸体 | 无码字幕中文| 激情综合婷婷| 久久婷婷五月综合网| 欧美激情综合色综合啪啪五月| 99色久| 99噜噜噜在线播放| 色呦呦美女| 天天日天天肏天天奸| 亚洲区视频| 久久久久久久,99精品视频| 天天影院色| 激情综合99| 国产九月婷婷| 五月色丁香综合| 婷婷伊人综合| 天天色播| 国产玖玖资源| 色,激情五月天| 中文不卡av| 亚洲av成人在线| 婷婷丁香激情五月| 超碰人人操在线| 欧美综合五月天婷婷tin| 丁香五月香蕉| 互月天综合| 91视频一起草| 婷婷中文综合网| 99热最新| 五月丁香六月情| 五月色婷婷综合色| 久久婷婷激情四射五月天| 婷婷在线播放| 狠狠五月激情丁香六月| 狠狠五月激情婷婷直播片| www.91操| 99爱视频在线观看这里只有精品| 啪啪六月婷婷| 五月天婷婷综合久久| 亚洲综合在线网站| 午夜av网| 欧美一级操逼视频| 国产偷人爽久久久久久老妇APP| 影音先锋91网站在线观看| 婷婷五月天伊人网在线观看视频| 五月婷婷色播| 五月丁香久久激情综合| 91久久久久久久久18| 精品久久99码| 爱的综合网| 91se在线视频| 99婷婷五月天激情| 成人国产欧美大片一区| 久99| 另类视频五月天| 这里只有精品在线播放| 九九综合视频在线观看| a色婷婷| 激情 久久 婷婷| 九九热视频这里只有精品| 亚洲这里只有精品| 天天摸天天舔在线视频| 亚洲成人av在线| 99九九久久| WWW,激情五月天,COM| 激情婷婷五月女| 六月丁香成人| 天天肏天天插| www,av好吊操| 天天色天天日天天舔| 成人一区在线观看| 激情第四色| 欧美色宗和激情| 激情内射p| 六月五月久久丁香| 玖月婷婷爱丁香| www.婷婷亚洲基地| 日韩视频女神99| 99久久婷婷国产综合精品电影| www久久99| 另类激情五月| 激情五月天天狠狠久久| 六月丁香婷婷五月| 色五月婷婷婷婷| 色五月久久成人婷婷| 超碰99在线| 婷婷六月综合| 《丁香激情综合久久伊人久久》影视在线观看 -高清预告手机免费播放 -三妹影院 | 五月婷婷无码| 婷婷丁香五月天综合AV| 亚洲综合婷婷五月天| xxx.色婷婷| 色一情一乱一乱一区91Av| 另类在线| 精品久久艹| 成年人看Va免费视频| 五月丁香欧美综合免费视频| 伊人六月丁香婷婷| 99 频99热国里只有精品| 五月丁香网视频| 91精品无码| 99色免费| 丁香六月婷婷激情| 99激情| 99热官网| 日韩无码系列| 久久国产精品乱子伦_靑青草…| 精品色色色| 亚洲操逼网| 久久久久久久合一狠狠做深爱| 天天操综合网| 欧美电影在线播放| 2013AV天堂| 97丁香五月天| 狠狠狠色激情综合适合| 一点色成人网| 日韩AV在线免费观看| 无码天天操| 99在线免费观看| 丁香五月自拍| 欧美网站视频4399| 婷婷深爱色五月| 久操综合| 99re资源在线视频导航| 99re这里只有精品9| 国产成人+亚洲+欧洲| 亚洲精品色| 久草五月婷| 婷婷五日b| 综合日本婷婷| 五月丁香在线观看国产| 九九久久色| 热久久婷婷| 99玖玖人人| 五月天婷婷狠狠| 人伦30P| www.99久久久| 亚洲精品网站色视频| 99色综合网| 国产日批视频| 激情丁香五月激情婷婷| 亚洲综合丁香五月| 日日撸日日操| 噜噜久| 婷婷 色 丁香 夜| 99玖玖在线视频| 日本欧美在线| 九九热精品| 狠狠精品干练久久久无码中文字幕| 亚洲电影在线观看| 丁香婷婷五月综合欧美另类| 久青草影院| 色色五月天com| 精品成人无码A片观看香草视频| 久久五月网| 色色综合热| 欧美婷| 五月婷婷丁香综合,亚洲天堂| www.韩日视频| 99啪99| 婷婷五月av| 这里只有精品日韩精品| 国产一区男女| 久久怕怕视频| 色五月综合在线| 色吧五月婷婷| 蜜臀99精品| 五月激情小说网| 精品人妻伦九区久久AAA片| 欧美97超碰| 五月婷婷日| www.zbzhongsen.com| 99激| 九九热区一区二区三区| 九九这里都是精品| 婷婷人人操| 天天操天天插| 懂色av粉嫩AV蜜臀AV| 色情开心五月| 激情综合五月激情17| 激情 婷婷 插| 日本美女五月天| 色优久久| 激情综合网激情五月婷婷| 日韩五月婷婷| AAA久久| 欧美日韩成人一区二区| 14色综合婷婷| 97在线日本| 开心激情网在线| 久久综合五月情| 午夜电影网VA内射| 九伊人网| 91爱啪啪| 色色色色av777| 精品爆操| 欧美成人AAA片一区国产精品 | 综合狠久久| 婷婷爱五月| 丁香六月 婷婷六月| www.av骚货| 综合大香蕉| 国产又色又爽又黄又免费| 久久精品噜噜噜成人A∨色欲 | 五月成人丁香av91| 五月婷导航| 五月天婷婷丁香人人操91| 精品人妻久久久久| 丁香五月天婷婷91| 久婷婷色| 在线成人网站| 五月天啪啪| 久热2025无码| 亚洲深喉aV| 色99欧洲色19| 大香蕉人人网| 色热久| 91天天操天天干天天射| 99热伊人| 人人干AV| 天堂网色婷婷| w婷婷五月婷婷w| 国产亚洲在线观看| 91五月天| 亚洲五月天婷婷在线| www.激情五月天.com| 五月天成人在线视频网站| 成人版视频在线观看| 六月婷婷中文字幕| 日本五月丁香| 毛片九九九九九九| 99九九在线精品热动漫| 秋霞黄色一级久久| 亚洲欧洲中文日韩久久AV乱码| 五月综合缴情网| 四色五月视频| 色婷婷www| 色五月 激情婷婷 综合五月天| 国产激情一区| AV成人在线播放| 久久综合激情五月天| 欧美顶级少妇做爰HD| 激情VA视频| 激情综合在线观看| 久久精品一区二区三区四区| 五月婷婷网五月在线| 欧美天堂久久| 五月天激情小说| 五月色影院| 亚洲精品亚洲人成人网| 亚洲六月色| 天天日天天操心| 热99精品视频观看| 99色在线视频观看| 操骚货在线| 亭亭五月天黑人2014| 丁香久久久| 久久婷婷色| 99re热视频这里只精品5| 午夜成人天堂久久无码日韩久久| 中文字幕丰满孑伦无码专区| 久久机热/这里只有精品| WWW,激情五月天,COM| 欧美性生交XXXXX无码小说| 天天插天天射| 99精品激情| 变态另类色图 | 99er日韩| 免费操超碰| 激情深爱五月天| 五月婷婷真爱激情网| www.狠狠| 97爱综合| 99热这里有精品| 国产成人高清| 丁香网五月网| 影音先锋按摩| 国产在线自| 成人精品视频99在线观看免费| 婷婷激情六月视频| 狠狠干五月丁香| 狠狠第四色| 久操香蕉| 婷婷激情六月| 五月天伊人网| 丁香五月天婷婷中文| 欧美大香蕉视频| 色9999综合久久| 91日本在线观看| 久久九九@| 欧美婷婷五月天综合| 婷婷五月天综合激情| 婷婷激情四射五月天| 成人做爰A片免费看视频| 91黄址| 天天操屄网| 婷婷在线五月天观看| 97人人操| 亚洲视频无| 色欧美一级| 99热在线观看| 任你爽精品免费视频6| 五月开心深爱激情网| 99色啊| 任你草| 免费啪啪亚州视频| www.夜夜爱.com| 亚洲无AV在线中文字幕| 亚洲成人免费电影| 婷婷狠狠97| A久网| AⅤ色区| 婷婷丁香社区网| 五月丁香六月婷婷久久肏| 4399精品一区二区| 九九热经典视频在线观看| 91九色PORNY大屁股| 思思w99| 色五月婷婷7777| a v色婷婷| 亚洲乱码日产精品BD| 91精品熟女| www.狠狠| 五月丁香六月婷婷,婷| 99精品在线| 五月天五月色婷婷综合| AVDV久久| 五月丁香美女| 色色五月丁香| 五月综合婷婷开心网| 大香网伊人久久综合| 天天搽天天射| 九九久久综合| 南京搡BBBB搡BBBB| 日本精品人妻无码77777| 高清无码 一区 二区 三区| 八戒青柠影视剧在线观看| 五月丁香婷婷AV天堂| 人妻熟人中文字幕一区二区| 五月天自拍网| 五月综合激情久久| 天天爽综合| Av中文在线| 26uuu精品一区二区| 激情久久婷婷| 丰满少妇乱A片无码| av亚洲国产小电影| 亚洲妇女熟BBW| 在线中文AV| 婷婷成人综合五月| 丁香88AV五月婷婷| 亚洲最大五月天成人网| 色色丁香色五月| 天天操综合网| 黄网网站在线播放| 人妻久久久久久久 | 欧美婷婷综合| 亚洲第一第二网站| 99热这里只有精品99| 伊人婷婷五月天| 99re在线精品视频| 九九九九毛片| 激情五月丁香婷婷| 欧美人与性动交CCOO| 日韩在线观看网址| 亭亭五月激情亚洲在线| 婷婷94s| 九九在线视频| 亚洲九区| 中文字幕日产A片在线看| 五月丁香久久激情网| 五月停停色色丁香| 色色激情| 日韩成人精品中文字幕| 亚洲色色色色| 亚洲啪啪精品| 国产成人av在线播放| 激情五月天综合网站网站网站| 99视频| 亚洲热久久| 久9久成人精品视频| 婷婷六月啪啪| 久久只这里有精品| 九一牛视频探花| 中文字幕精品在线观看| 26uuu视频欧美| 在线看的免费网站| 天天日,天天干,天天操| 国产婷婷五月天| 九九RE视频在线精品| 日本va视频| 2013AV天堂| 九九99精品视频在线观看| 噜噜噜噜噜日本视频| 久草婷| 五月丁香精品| 无码网| 天啪天啪天啪天啪| 久久92| 另类图片激情五月| 丁香五月色色| 好吊丝aV| 99综合| 伊人五月天在线| 香蕉久日夜| 欧洲综合视频| 337p午夜影院| 国产激情综合| 五月天色婷婷基地| 97色欧美| 色婷婷成人做爰A片免费看网站| WWW,婷婷,COM| 亚洲激情视频在线观看| 亚洲欧美在线观看| 激情六月色| 激情小说五月丁香在线视频观看视频| 激情九月婷婷九月| 日韩在线观看亚洲| 成人va在线观看视频| 五月丁香六月停停停| 少妇高潮一区二区三区99欧美| 1024国产在线| 成年视频免费观看| 欧美又粗又大一区二区在线观看| 情趣视频66| 日韩无码专区| 偷偷操九九| 深爱五月综合网| 噜噜色噜噜网| 激情网五月天| 久久大香蕉视频| 狠狠肏综合网| 另类A片| 久久在线视频免费观看| 9久国产| 九玖欧洲亚洲| 丁香激情久久| www.激情五月天.com| 激情涩涩网| 丁香五月成人婷婷| 99热个人在线| 色色色国产| 丁香婷婷色六月| 久操激情| 我淫我色婷婷五月天激情四射| 翔田千里 50岁 无码| 日操五月婷| 色色爽爽天天| 激情婷婷护士激情| 欧洲亚洲精品| 26uuu在线观看| 婷婷五月天无码视频| 色爱99| 五月婷婷久草| 色啪网| 色导航色婷婷五月天在线观看| 激情丁香五月婷| 久久婷婷草| 欧美成人AAA片一区国产精品| 99ri6在线视频| 久热这里有精品视频| 99精品自拍视频| 99玖玖视频| 婷婷亚洲在线| 双性美人被调教到喷水A片| 白天AV月月| 噜噜噜狠狠色综合| 丁香六月激情综合网| 日本欧美成人片AAAA| 久久久久9999| 操一操干一干| 五月丁香激情综合欧美| 色五月综合激情| 五月天丁香花婷婷| 在线看的免费网站| 99性视频| 一本色道久久综合狠狠躁小说| 欧洲日韩一区二区三区| 99热这里是精品| 婷婷丁香视频| 九色亚洲| 亚洲精品字幕在线观看| 色九月婷婷综合| 婷婷五月天在线一区| 《战争与艾拉》完整版| 久久久ww| 久久日韩婷婷五月| 色五天综合| 久久综合九九| 4399成人黄A片| 久热免费| 婷婷开心六月| 伊人婷婷激情| 天天激情5月天亚洲| 久久婷婷五月天激情四射| 激情国产五月| 国产高潮A片羞羞视频涩涩| 五月婷婷大香蕉| 五月天久久网站| 26uuu亚洲精品国产| 五月天影院婷婷在线观看| 在线中文字幕视频| 婷婷五月中文字幕| 黄色短视频在线观看| 久久精品99国产精品日本| 婷婷五月色情| 狠狠99| 任你操精品免费| 色色狼人综合| 婷婷九九| 97干在线视频| 99精品久久| 亚洲色啪| 99色最新在线视频| 香蕉AV777XXX色综合一区| 国产婷婷色综合AV蜜臀AV| 五月丁香伊人网| xx综合网| 九九热九九热精品| 激情五月天婷婷| 日韩欧美一级大黄网站| 五月丁香六月激情综合| 久九九热| 久热伊人在91| 丁香婷婷老司机久操| 婷婷综合九色伊人| 黄色视频网站在线播放| 少妇AB又爽又紧无码网站| 亚洲精品99| 少妇综合网| 深爱五月婷婷| 色色五月丁香| 亚洲尤物在线| 深夜婷婷 丁香| 欧美激情凹凸丁香网| 99啪啪骑| 狠狠色噜噜狠狠狠狠综合| 亚洲AV成人在线| 六月丁丁香| 99r这里| 国产亚洲成AV人片在线| 精品久久久999| 婷色人人狠| 国产欧美熟妇另类久久久| 婷婷五月精品中文字幕| 99热999| 久久婷.com| www久久五月com| 1024操逼| 婷婷伊人网| 日本色99| 丁香五月天视频| 99在这里有精品| 久久图色4| 色播五月婷婷| 99人人操人人摸| 99超碰在线免费| 五月激情六月综合| 热热久久久久久久久| 五月丁香亭亭A片| 丁香五月影| 大香蕉丁香五月| 丁香五月97视频| 在线91日韩| 欧美性爱中文字幕| 久久久ww| 五月丁香婷婷色色| 天天干,天天舔| 丁香五月 综合| 丁香无五月网| 五月丁香综合精品| 亚洲一区二区无码蜜乳av| 欧美日韩aaaa| 小视频久久久aaa| 久久久人妻| 97碰碰视频在线观看| 操一区| 狠狠综合网| 欧类av怡春院| 亚洲乱码日产精品BD| 狠狠干在线视频| 99热天堂| 成人在线观看国产| 天天综合五月天| 夜夜噜夜夜奇| 亚洲AV中文在线| 中文字幕日产A片在线看| xx人人xx| 久久九九国产精品怡红院| 日日噜噜夜夜狠狠久久丁香六月| 日本99热| 免费观看18视频网站| 日韩啪啪视品| www.色色com| 99在线热| 97伊人综合婷婷| 97人人做| 天天情天天狠天天透| 欧美激情xxxXX| 人人爽亚洲| 天天久| 啪啪激情综合| 久久婷婷亚洲| 色综色网| 在线成人av播放| 亚洲综合视频在线| 这里只有精9| 欧美天天综合网站上去吧| 色综合色色色色色| 五月婷婷五月| 五月丁香婷婷成人网| 精品一二三区久久AAA片| 丁香婷婷激情四射五月| 九九这里是免费的视频5| 久热婷婷| 另类图片五月天婷婷| www.色五月.com| 黄色三级日本| 超碰在线99| 婷婷五月丁香综合瑟瑟| 热99精品视频五月| 777.色色| 99热在线观看这里只有精品| 26uuu丁香婷婷五月| 五月丁香婷婷综合网| 超极99精品| 久色激情| 色婷婷丁香五月高清在线| 欧美色爱五月天| 亚洲第一成人无码A片|