snp数据PCA分析

1.LD过滤

2.用plink 进行pca分析

参考 群体遗传中基于SNP的PCA分析

plink2 --vcf LD_filter_56_0.2.vcf --pca 10 --double-id --allow-extra-chr -out 56_02pca

##--pca 10表示降维为10维

3. 生成两个文件

(1) XX.eigenval 特征值（比如10维会生成10个数字：A1、A2、A3......A10)。

第一主成分的解释变量 = A1 / (A1+A2+A3+.....A10)

(2) XX.eigenvec 用于画图的文件

XX.eigenvec 需手动加上第一行，name group PC1 PC2 PC3......（可在notepad+里将短空格转换为/t（即tab键），然后将其copy到csv文件里。）

notepad+处理细节

3.R作图

####PCA

setwd("E:/yangling02/East_Asia/PCA/56_pca_02/")

df=read.csv("56_02_pca.csv",header=T)

library(ggplot2)

library(scatterplot3d)

color <- c("orange","palevioletred3","pink","black","blue","grey","purple")

df$group=factor(df$group)

colors <- color[as.numeric(df$group)]

p=ggplot(data=df,mapping=aes(PC1,PC3,color=colors))

p+geom_point(color=colors)#+geom_text(label=paste(df$name),color=colors)

p=df

pp=scatterplot3d(p[,3:5], color=colors, angle=65, pch=16,type="h",axis = TRUE,label.tick.marks = TRUE,xlab="PC1(22.2%)",ylab="PC2(15.4%)",zlab="PC3(11.1%)")

legend("right", legend=levels(p$group), col=c("orange","palevioletred3","pink","black","blue","grey","purple"), pch=16, xpd=T, horiz=F)#

text(pp$xyz.convert(p[,3:5]),labels=p$name,cex=0.8,col = colors,adj=c(1,-1,font=2))#给散点加文字，adj让文字在点上???