今天度过了求知的一天,求知的快乐就是这么朴实无华且枯燥。
今天同事问了我一个问题,为什么plink计算的pca和GCTA计算得不一样?然后就引出的今天的查看说明文档,也证明了世界上就怕认真二字。
我们的发现:
第一个公式还要除以N。给出的2010 NG上有写,但是软件的说明文档中不完整。
两种方法计算PCA的代码:
system("gcta --bfile aaa --autosome-num 29 --make-grm --make-grm-alg 1 --out kinship")
system("gcta --grm kinship --pca 3 --out gcta")
system("gcta --bfile aaa --autosome-num 29 --make-grm --make-grm-alg 0 --out kinship0")
system("gcta --grm kinship0 --pca 3 --out gcta0")
yang
的方法所以,如果如果plink的PCA和GCTA的VanRaden方法相遇时,结果就不一致了。
主要是因为计算PCA时G矩阵的方法不一致。
有一个包叫AGHmatrix
包,里面有个Gmatrix
,它构建矩阵时可以选择构建的方法:
结果证明了两者确实不一样。
# 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$vectors[,1:3]
pca_re2 = data.frame(pca_re1,Ind = iid)
--kinship
构建的G矩阵plink的--kinship
构建的G矩阵不是VanRaden的矩阵,而是yang
的矩阵,所以很少用于GBLUP的分析
推荐用Yang
的方法构建G矩阵,得到的PCA结果。也就是plink的--pca
的结果,同样也是gcta
默认的计算PCA的参数,--make-grm-alg 0
。
因为GCTA给出了每个PCA的特征值,可以用于计算PCA解释的百分比。plink默认没有给出所有的(应该也可以指定PCA的个数,然后手动计算,待验证)。
也可以用plink的--kinship
计算yang
的G矩阵,然后手动计算PCA,这样就可以计算百分比了,计算代码:
# 计算特征值和特征向量
re = eigen(Gmat)
# 计算解释百分比
por = re$values/sum(re$values)
同事的一个问题,让我理清了很多东西,也让我知道了“世界上就怕认真二字”,也更让我坚信“说明文档是最香的”,多查资料,相互佐证,自己验证,然后豁然开朗。