Über diesen Artikel

Ein Skript, das die Ergebnisse der Hauptkomponentenanalyse (PCA) mit der Software zur Analyse der genetischen Statistik PLINK auf einer zweidimensionalen Ebene darstellt. Schrieb.
Führen Sie die Eingabe- / Ausgabedatei des Skripts und die Ausführungsmethode ein.
Das Skript ist hier (Link zu GitHub)

Vorbereitung der Eingabedatei

1. Vorbereitung der Lastdaten der Hauptkomponente

Datei Format

Bereiten Sie eine Datei vor, die die Familien-ID in der ersten Spalte, die persönliche ID in der zweiten Spalte und das Laden der Hauptkomponente in der dritten und den folgenden Spalten enthält. Dateien in einem solchen Format können durch Durchführen einer Hauptkomponentenanalyse mit PLINK erhalten werden.

#1 FamID
#2 Individual ID
#3 PC1
#4 PC2
...

Hauptkomponentenanalyse von PLINK

Die Analysesoftware für genetische Statistiken PLINK kann eine Hauptkomponentenanalyse durchführen. Die Hauptkomponentenanalyse ist eine Dimensionsreduktionsmethode, die auf der Eigenwertzerlegung einer Dispersionskovarianzmatrix oder einer Korrelationsmatrix basiert. Es wird zur Anpassung der Verschränkung verwendet.

$ plink --bfile ${bfile_name} --out ${outfile_name} --pca

Als Ergebnis der PCA-Ausgabe von PLINK werden "$ {outfile_name} .eigenvec" und "$ {outfile_name} .eigenval" erhalten. Verwenden Sie zur Veranschaulichung der Ergebnisse $ {outfile_name} .eigenvec (Laden jeder Hauptkomponente in jeder Person).

2. Vorbereitung der Gruppenetikettendaten

Datei Format

Bereiten Sie eine Datei vor, die die Familien-ID in der ersten Spalte, die individuelle ID in der zweiten Spalte und die Gruppenbezeichnung (Rasse usw.) in der dritten Spalte enthält. (Sagen wir populations.txt.)

#1 FamID
#2 Individual ID
#3 Group

So führen Sie das Skript aus

Die Ausführungsumgebung ist Python3, und Pandas und Matplotlib sind installiert. Führen Sie dies aus, indem Sie die folgenden Optionen angeben.

Geben Sie eine $ {outfile_name} .eigenvec-Datei für die Option -e` an
Geben Sie eine Datei "populations.txt" für die Option "-p" an
Geben Sie das Ausgabeverzeichnis in der Option -o an

$ python plot_pca_gwas.py -e ${outfile_name}.eigenvec -p populations.txt -o ${output_directory}/

Überprüfen Sie das Ausgabeergebnis

Das folgende Bild wird als Ausgabeergebnis des Skripts erhalten. --pca.png: Handlung der gesamten Bevölkerung --pca_ {group} .png: Plot für jede Gruppe

Ausführungsbeispiel

Eingabedateien sind example.eigenvec und [example_population.txt](https: / Wenn Sie das Skript mit /github.com/t-yui/bioinformatics_scripts/blob/master/gwas_tools/plinkPCA/plot_examples/example_data/example_population.txt ausführen, erhalten Sie das folgende Bild.