GWAS群体分层 (Population stratification)：利用plink对基因型进行PCA

一、为什么要做祖先成分的PCA?

GWAS研究时经常碰到群体分层的现象，即该群体的祖先来源多样性，我们知道的，不同群体SNP频率不一样，导致后面做关联分析的时候可能出现假阳性位点（不一定是显著信号位点与该表型有关，可能是与群体SNP频率差异有关），因此我们需要在关联分析前对该群体做PCA分析，随后将PCA结果作为协变量加入关联分析中。

 

二、怎么做PCA?

首先prune一下

plink --bfile file --indep-pairwise 50 5 0.2 --out file

　　

生成file.prune.in文件之后，再简单加一个“--pca”参数即可

plink --bfile file --extract file.prune.in --pca 10 --out myfile_pca #这里只取前10个PCA结果，如果想取其他数值，请自行设置

　　

跑完以后，会生成三个文件，分别是myfile_pca.eigenval，myfile_pca.eigenvec，myfile_pca.log。

其中，myfile_pca.eigenvec即为我们所需的PCA文件，大概长得如下：

FID_1 IID_1 0.00126761 0.00331304 -0.0105174 0.000679466 -0.0179362 0.00672081 0.000979499 -0.00752795 0.00626333 -0.00849531

FID_1 IID_2 -0.000272769 -0.00328075 -0.00380584 -0.00787082 0.00896386 -0.00325664 0.00241414 0.00612508 -0.000788917 -0.00188887

 

三、生成的PCA结果怎么用？

这个相当简单，直接把这堆数值加入covar文件中，只有控制了这些祖先成分的变量，才能最大限度的找到真实的信号。

 

感谢杜思源师弟提醒pca之前prune一下。