群体结构图形三剑客——PCA图

重测序便宜了，群体的测序和分析也多了起来。群体结构分析，是重测序最常见的分析内容。群体结构分析应用十分广泛，首先其本身是群体进化关系分析里面最基础的分析内容，其次在进行GWAS分析的时候，本身也需要使用PCA或structure分析的结果作为协变量，来校正群体结构对关联分析带来的假阳性。

我们之所以冠以 “群体结构三剑客”的称呼，那是因为这三张图（或者说三项分析）几乎总是在一篇文章中一起出现。虽然这三张图常常一起出现，但它们能够解释的生物学问题，以及绘制的方法都是有所不同的，所以我们还是一一来解释。

2.1 PCA图（主成分分析）
颜值：☆ ☆
实用性：☆ ☆ ☆ ☆

PCA图形的解读

PCA分析是一项朴实无华的分析内容，但它应用十分广泛，的确能够帮助我们解决某些生物问题。说起朴实无华，是因为它的结果不花哨且及其容易看懂，仅仅是一张散点图而已。

比如，下图来自熊猫重测序的文章[1]，作者使用主成分1（principal component1）和主成分2作为X轴和Y轴绘制散点图，每个点代表1个样本。在这样的PCA图中，如果两个样本距离越远，则说明两个样本遗传背景差异越大。理想情况下，遗传背景相似的个体会在图中聚类在一起。

例如，这张图中涉及的熊猫个体分别来自3个不同的熊猫自然保护区。PCA分析的结果也将这些个体分为了3个亚群，和熊猫来源的地域信息