GWAS群體分層校正，該選用多少個PCA
前言 關於選用多少個PCA做群體分層校正，各大期刊並沒有一個統一的說法。 故做了如下綜述。 1 隨心所欲型，想選多少就選多少 PCA想選多少就選多少，這個真的不是開玩笑。有文獻出處有真相！ 比如下面文獻直接選用10個PCA校正群體分層。 Largest GWAS of PTSD ...
原文：PCA方法校正群體結構（群體分層），GWAS該用多少個主成分？
該選擇多少個主成分 群體結構 population structure ，或者說群體分層 population stratification ，是由於個體之間非隨機交配而導致的群體中亞群之間等位基因頻率的系統差異。這種系統差異，是全基因組關聯研究 GWAS 中影響非常大的混淆變量，可以造成非常大的假陽性。 舉個簡單的模擬例子 ，當 GWAS 中不存在群體分層時，得到的結果會是比較真實可靠的： 當樣 ...
2020-11-16 16:55 0 2023 推薦指數：
相關推薦
GWAS群體分層 (Population stratification)：利用plink對基因型進行PCA
一、為什么要做祖先成分的PCA? GWAS研究時經常碰到群體分層的現象，即該群體的祖先來源多樣性，我們知道的，不同群體SNP頻率不一樣，導致后面做關聯分析的時候可能出現假陽性位點（不一定是顯著信號位點與該表型有關，可能是與群體SNP頻率差異有關），因此我們需要在關聯分析前對該群體做PCA分析 ...
群體結構分析
群體結構圖形——structure堆疊圖 2016/05/17 分享到： 之前基迪奧已經為大家介紹過群體結構兩種圖形——PCA圖和系統發生樹，今天我們來介紹最后一種圖形——structure堆疊圖 ...
admixture 群體結構分析
tructure是與PCA、進化樹相似的方法，就是利用分子標記的基因型信息對一組樣本進行分類，分子標記可以是SNP、indel、SSR。相比於PCA，進化樹，群體結構分析可明確各個群之間是否存在交流及交流程度 1 軟件安裝 2 簡單使用 第一步：將VCF變為plink格式 ...
群體結構圖形三劍客——PCA圖
重測序便宜了，群體的測序和分析也多了起來。群體結構分析，是重測序最常見的分析內容。群體結構分析應用十分廣泛，首先其本身是群體進化關系分析里面最基礎的分析內容，其次在進行GWAS分析的時候，本身也需要使用PCA或structure分析的結果作為協變量，來校正群體結構對關聯分析帶來的假陽性 ...
PCA主成分分析方法
PCA： Principal Components Analysis，主成分分析。 1、引入 在對任何訓練集進行分類和回歸處理之前，我們首先都需要提取原始數據的特征，然后將提取出的特征數據輸入到相應的模型中。但是當原始數據的維數特別高時，這時我們需要先對數據進行降維處理，然后將降維后的數據 ...
PCA(主成分分析)方法淺析
PCA(主成分分析)方法淺析 降維、數據壓縮 找到數據中最重要的方向：方差最大的方向，也就是樣本間差距最顯著的方向 PCA算法主要用於降維，就是將樣本數據從高維空間投影到低維空間中，並盡可能的在低維空間中表示原始數據。PCA的幾何意義可簡單解釋為： 原文鏈接：https ...
PCA——主成分分析
PCA（Principal Components Analysis）主成分分析是一個簡單的機器學習算法，利用正交變換把由線性相關變量表示的觀測數據轉換為由少量線性無關比變量表示的數據，實現降維的同時盡量減少精度的損失，線性無關的變量稱為主成分。大致流程如下： 首先對給定數據集（數據是向量 ...