PCA

PCA(Principal Components Analysis)即主成分分析，也称主分量分析或主成分回归分析法，是一种无监督的数据降维方法。首先利用线性变换，将数据变换到一个新的坐标系统中；然后再利用降维的思想，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上。这种降维的思想首先减少数据集的维数，同时还保持数据集的对方差贡献最大的特征，最终使数据直观呈现在二维坐标系。旨在利用降维的思想，把多指标转化为少数几个综合指标。

主成分分析可以反映出群体分群信息及离群样本，可以使用 plink、EIGENSOFT等软件进行分析，这里我们使用 plink。

数据和软件准备

数据：all.LDfilter.vcf（上一步构建进化树时已经过滤好的文件）
样品和分群的对应文件sample.txt，第一列是样品名，第二列是亚群名

软件：plink

参考脚本

plink --vcf  all.LDfilter.vcf  \ #输入文件
--pca 10  \ #PCA的个数要小于等于样本数
--out  PCA_out   \ #输出文件名称
--allow-extra-chr \ #允许其他格式的染色体名称

主要输出结果：
1.特征值文件：PCA_out.eigenval

2.特征向量文件：PCA_out.eigenvec

绘图

Rscript PCA.R  \#R绘图脚本
PCA_out.eigenvec 1 2  \#pca1、pca2
sample.pop  \#分群信息
PCA_out

欢迎关注Bioinfor 生信云公众号！