「群体遗传学实战」第二课: 画出和文章几乎一样的PCA图
主成分分析(PCA)是一种线性降维方法,能从纷繁复杂的数据中抽离出关键因素,用来区分不同的样本。这里我们不谈PCA背后的数学原理,只谈哪些软件能够处理数据,我找到了以下三款
- Plink: https://www.cog-genomics.org/plink/
- GCTA: https://cnsgenomics.com/software/gcta/
- EIGENSOFT: https://github.com/DReichLab/EIG
无论使用哪款软件,始终都要记得它们最初为人类基因组设计,因此一定要关注和染色体有关的参数。例如Plink一定要加上 --allow-extra-chr
允许非标准的染色体编号
首先,我们需要将VCF转成Plink格式. 由于VCF只包括样本编号,没有记录样本对应的群体信息,我们需要在转换的时候加入该信息。如果你的样本编号以来源信息+样本信息的方法是命名,那你可以用--id-delim
,考虑到我们可能没有那么良好的命名习惯,所以这里直接用 --const-fid
,
plink --vcf watermelon_414acc_SNP2.vcf.gz --recode --out watermelon_414acc --const-fid --allow-extra-chr
这一步会生成以.map
,.nosex
和.ped
结尾的三个文件,这里是 watermelon_414acc.map, watermelon_414acc.nosex, watermelon_414acc.ped
之后我们还需基于PED生成一个bed文件,这里bed指的是binary ped,并非基因组浏览器用到BED文件。
plink --allow-extra-chr --file watermelon_414acc --noweb --make-bed --out watermelon_414acc
这一步会生成以.bim
,bed
结尾的两个文件,这里就是watermelon_414acc.bim和watermelon_414acc.bed.
最后就可以计算利用Plink计算PCA
plink --allow-extra-chr --threads 20 -bfile watermelon_414acc --pca 20 --out watermelon_414acc
这一步会得到两个文件,一个是以.eigenval
结尾的文件,记录特征值,用来计算每个PC所占的比重。另一个是.eigenvec
结尾的文件,记录特征向量,用于坐标轴。
尽管你也可以使用GCTA计算PCA,但是他要求染色体的编号一定得是数字,不然在读取bim
结尾的文件时,一定会报illegal chr number
错误。此外,Plink在文档中提到, 如果想要自动离群值移除、大数据集处理,LD拟合,可以尝试用EIGENSOFT。
最终的结果,我们使用ggplot2进行可视化展示,我们得到了和原文一摸一样的图
不难发现CN品种(只有一个样本,来自于Namibia),相对于其他品种都特别的远,就导致其他品种都挤到了一起,因此正文的PCA就剔除了CN这个品种。同时为了展示出C. lanatus的差异性,还单独分析C. mucosospermus和C. lanatus.
那么问题来了,我们如何在用Plink分析PCA时只选择部分样本呢? 我们可以使用Plink的--keep
和--remove
参数,只分析给定的样本。它们要求输入文件为两列,一列是样本所在的群体编号,一列是样本编号。以剔除CN样本为例,它的样本编号为WM439,所在群体是0。
echo '0\tWM439' > remove.txt
plink --remove remove.txt --allow-extra-chr -bfile watermelon_414acc --pca 20 --out watermelon_414acc_no_cn
然后用相同的代码画图,和文章的正文完全一致。
通常而言,PCA图会和系统发育树以及群体结构一起解释,相互验证。
此处是R代码,用到的数据可以从腾讯微云下载,链接:https://share.weiyun.com/5eFjaTZ 密码:3q514l
「群体遗传学实战」第二课: 画出和文章几乎一样的PCA图相关推荐
- 「群体遗传学实战」第三课: 如何对SNP位点进行过滤
往期教程 「群体遗传学实战」第一课: 对SNP位点进行注释 「群体遗传学实战」第二课: 画出和文章几乎一样的PCA图 SNP过滤有两种情况,一种是仅根据位点质量信息(测序深度,回帖质量等)对SNP进行 ...
- 「群体遗传学实战」第一课: 对SNP位点进行注释
文章 我们用于实战的数据集来自于2019年发表于NG的西瓜文章,它提供了GATK过滤后的SNP数据集用于分析,并且附录提供了完整的样本信息.该SNP数据集包括414个西瓜,2000万个SNP信息,数据 ...
- 计算机画大熊猫教学设计,第二课画大熊猫教学设计.docx
今泰学院推荐文档 第 PAGE 第 PAGE 2 页 共 NUMPAGES 2 页 第二课画大熊猫教学设计Lesson 2 teaching design of drawing giant panda ...
- pyhton 画出音频文件的波形图和频谱图
pyhton 画出音频文件的波形图和频谱图 # -*- coding:utf-8 -*- import wave import struct import numpy as np import mat ...
- python画人民大会堂_太震撼了,我用python画出全北京的公交线路动图
原标题:太震撼了,我用python画出全北京的公交线路动图 今天教大家用pyecharts制作北京市公交线路动态图,这应该是全网唯一一篇能正常运行的教程 一.获取百度秘钥 首先,本项目需要引用百度地图 ...
- wps 甘特图_「WPS办公助手」3分钟画出高逼格流程图,工作学习规划一目了然,老板都要为你点赞...
今天小金想和大家唠唠 WPS 两个独特的办公工具:「WPS流程图」和「WPS脑图」.可能很多人潜意识里觉得流程图和脑图比较麻烦很难画,甚至还有一些盆友从来没有听过.但实际上无论工作学习还是日常生活,流 ...
- 「Vue实战」武装你的前端项目
1. 接口模块处理 1.1 axios二次封装 很基础的部分,已封装好的请跳过.这里的封装是依据 JWT import axios from 'axios'import router from '.. ...
- 思维导图怎么画?怎么画出简单又漂亮的思维导图
思维导图怎么画?现在主要的两种方式:一种是手绘,一种是借助思维导图网站进行绘制.思维导图是一种思维整理工具,对于上班族来说,使用思维导图可以帮助你提高工作效率.对于学生党来说使用思维导图可以锻炼逻辑能 ...
- 怎么查询redis缓存的数据_阿里开发十年写出这份「Redis简明教程」+「Redis实战」请你查收...
Redis是啥?用Redis官方的话来说就是: Redis is an open source (BSD licensed), in-memory data structure store, used ...
最新文章
- Linux awk 使用
- 计算机组成原理第4章-指令系统
- Python教程分享:Python Cookie HTTP获取cookie并处理
- c++ queue学习
- securecrt使用_SecureCRT会话丢失原因及解决方法
- android 通过短信找回密码,如何通过强力安卓恢复精灵找回丢失的手机短信?
- think in java第6_think-in-java/6.5 protected.md at master · quanke/think-in-java · GitHub
- ffmpeg代码实现自定义encoder
- 推荐三款windows下提高工作效率的软件(altrun、everything、ditto)
- Beaver‘s triple(乘法三元组)-秘密共享的乘法计算
- CU的递归划分详细介绍
- 播布客学习视频_C学习笔记_simple
- 【PNP与NPN两种三极管使用方法(工作在开关状态)】
- 跨境电商四大推广路径都有哪些?站斧浏览器带你挑选最适合你的引流渠道
- Eye Diagram眼图测量
- 学习FPGA之一:初识FPGA
- springboot整合https和wss协议
- Web前端怎么学?如何成为Web前端工程师?
- POJ-2484 A Funny Game (坑爹的博弈论)
- 第二届深圳互联网高层峰会