差异基因聚类分析:基因型数据绘制PCA图和聚类分析图
差异基因聚类分析:基因型数据绘制PCA图和聚类分析图基因型数据: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。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:
用PCA做为GWAS的协变量,相当于将品种结构考虑进去。它类似将不同品种作为协变量,或者将群体结构矩阵Q作为协变量。
下面看一下利用基因型SNP数据进行PCA计算,以及可视化的分析。
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.ped
412 re2.ped
SNP个数为:41013
$ wc -l re2.map
41013 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$FID
iid = g012$IID
library(sommer)
# 整理格式,计算G矩阵
setDF(g012)
rownames(g012) = g012$IID
g012$IID =
g012$FID =
Gmat = A.mat(g012-1)
# 计算特征值和特征向量
re = eigen(Gmat)
# 计算解释百分比
por = re$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)
画圈图:
ggtree(clu layout = "circular") geom_tiplab2(offset=0.1)
可以看到,A,B,C三个品种,可以分开,分得很开。
如果进行GWAS分析,PCA加进去就很有必要!