PCA是降维的一种方法。
本次再增加一下聚类的形式。
很多软件可以分析PCA，这里介绍一下使用plink软件和R语言，进行PCA分析，并且使用ggplot2绘制2D和3D的PCA图。
绘制后的图如下：
2-D PCA图：
图片解释，将每个品种用不同的颜色表示，同时绘制置信区间圆圈，X坐标是PC1，解释24.9%的变异，Y坐标是PC2，解释10.61%的变异。可以看到，三个品种在PCA图里面分的比较开，C品种的有两个A和B的点，应该是异常数据。
3-D PCA图：
图片解释，将每个品种用不同的颜色表示，X坐标是PC1，解释24.9%的变异，Y坐标是PC2，解释10.61%的变异，Z坐标是PC3，解释1.02%的变异。可以看到，三个品种在PCA图里面分的比较开，C品种的有两个A和B的点，应该是异常数据。
基因型数据：
共有3个品种A，B，C，共有412个个体。其中：
A品种有200个体
B品种有100个体
C品种有112个体
$ wc -l re2.ped412 re2.ped
SNP个数为：41013
$ wc -l re2.map41013 re2.map
计算思路：
1，对数据进行清洗，将其转化为0,1,2的形式
2，计算G矩阵
3，计算PCA的特征向量和特征值
4，根据特征值计算解释百分比
5，根据特征向量和品种标签，进行PCA的绘制
绘制代码如下：
首先，使用plink命令，将基因型数据转化为012的raw格式：
plink --file re2 --recodeA
结果生成plink.raw文件。
然后使用R语言，计算PCA，并绘制PCA图。
读取数据m012 = fread("plink.raw")# 保留FID，IID和基因型数据g012 = m012[,-c(3:6)]dim(g012)fid = g012$FIDiid = g012$IIDlibrary(sommer)# 整理格式，计算G矩阵setDF(g012)rownames(g012) = g012$IIDg012$IID = NULLg012$FID = NULLGmat = A.mat(g012-1)# 计算特征值和特征向量re = eigen(Gmat)# 计算解释百分比por = re$values/sum(re$values)# 整理格式pca_re1 = re$vectors[,1:3]pca_re2 = data.frame(pca_re1,Ind = iid)pca_re2$Gen = fid# 把PCA1，PC2，PC2的j解释百分比，命名为相应的轴xlab = paste0("PC1(",round(por[1]*100,2),"%)")ylab = paste0("PC2(",round(por[2]*100,2),"%)")zlab = paste0("PC3(",round(por[3]*100,2),"%)")# 绘制2-D PCA图ggplot(pca_re2, aes(x=X1, y=X2,color=Gen)) + geom_point(size=2) + # stat_ellipse(level = 0.95, size = 1) + stat_ellipse(aes(fill=Gen), type ="norm", geom ="polygon",alpha=0.2,color=NA)+ geom_hline(yintercept = 0) + # 添加x坐标 geom_vline(xintercept = 0) + # 添加y坐标 labs(x = xlab,y = ylab,color="")+ guides(fill=F)+ theme_bw() # 主题# 绘制3-D PCA图library(scatterplot3d)pca_re2 = pca_re2 %>% mutate(colour = case_when( Gen == "A" ~ "red", Gen == "B" ~ "green", Gen == "C" ~ "blue",))scatterplot3d(pca_re2[,1:3],color=pca_re2$colour, pch = 16,angle=30, box=T,type="p", xlab = xlab, ylab = ylab, zlab = zlab,main = "3D PCA Plot", lty.hide=2,lty.grid = 2)legend("topright",c("A","B","C"),fill=c('red','green',"blue"))
聚类分析思路：
1，计算个体的亲缘关系矩阵G矩阵
2，因为数据太多，随机选择100个，用于聚类
n = sample(1:384,100)Gmat1 = Gmat[n,n]library(ggtree)library(amap)clu <- hclusterpar(Gmat1)
默认的作图，太挤。
ggtree(clu)+geom_tiplab2(offset=0.3)
ggtree(clu,layout = "circular")+geom_tiplab2(offset=0.1)
本文来自微信公众号【育种数据分析之放飞自我】公众号ID：R-breeding；未经许可谢绝二次转载至其他网站。
黄教授
