快捷搜索:  汽车  科技

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:

差异基因聚类分析:基因型数据绘制PCA图和聚类分析图(1)

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:

差异基因聚类分析:基因型数据绘制PCA图和聚类分析图(2)

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 = 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)

差异基因聚类分析:基因型数据绘制PCA图和聚类分析图(3)

画圈图:

ggtree(clu layout = "circular") geom_tiplab2(offset=0.1)

差异基因聚类分析:基因型数据绘制PCA图和聚类分析图(4)

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!

猜您喜欢: