第三篇：基因型数据可视化：kingship，LD，MDS，PCA
笔记计划分为六篇：
第一篇：读取plink基因型数据和表型数据
第二篇：对基因型数据质控：缺失质控，maf质控，hwe质控，样本质控
第三篇：基因型数据可视化：kingship，LD，MDS，PCA
第四篇：一般线性模型进行GWAS分析（GLM模型）
第五篇：混合线性模型进行GWAS分析（MLM模型）
第六篇：TASSEL结果可视化：QQ plot，曼哈顿图
已完成前两篇，本篇是第三篇。
上个教程中，质控后的数据：
读取到TASSEL中：
kinship矩阵是亲缘关系矩阵，是根据样本的SNP，构建样本间的亲缘关系矩阵，在GS中也叫G矩阵。
首先，选中基因型数据，然后点击Kinship按钮：
默认选项，点击OK
查看结果：
将Kinship矩阵导出到本地文件夹，通过R语言进行可视化。
设置名称：
导出到本地：
文件查看： 前三行，为文件的信息，第一列为ID，没有行头。
「使用R代码进行可视化：」
选中基因型，选择PCA按钮：
默认选项：
PCA结果1：PCA得分
PCA结果2：特征值及百分比及累计百分比
PCA结果3：特征向量
将PCA结果导出到本地：
「使用R语言绘制PCA图：」
当然，也可以画3D-PCA：
当然，这里可以见PCA不同的解释百分比加到坐标轴上，这里不再做介绍，感兴趣的可以翻看我之前的博客内容。
在GWAS分析时，MDS分析和PCA分析类似，都可以将成分作为协变量放到模型中，可视化也和PCA类似.
「MDS分析分为两步：」
这里我们做一下演示：
选中基因型，点击Distance Matrix
生成距离矩阵：
然后进行MDS分析：
生成结果：
导出到本地：
查看文件：
「使用R语言进行可视化：」
可以看到MDS的图和PCA的图比较类似。
下一章节，我们进行：的部分，到时候和R语言进行比较，深入理解GLM模型的本质。
下期见！