GWAS分析中PCA分层不明显怎么办？你秀什么优越感？
大家好，我是邓飞。
今天星球小伙伴问了一个问题，直击灵魂：
飞哥 pca图群体分层不是特别明显 原因是啥呢 这个结果图可用吗？
为何会有这个问题呢，因为很多GWAS分析中都会给出PCA结果，有时候PCA分得很开，有时候还用不同颜色分组，类似：
分得很开，好像才算正常的结果！
PC1和PC2解释百分比很高，好像才算正常的结果！
不是这样的！！！
PCA分得很开，说明群体有分层，不适合统一放在一起进行GWAS分析，因为不是一个整体。
但是，因为样本量很小，勉强将这些群体放在一起，但是这些分层的群体，分层之间的效应一定要去除，这和试验设计中设置区组，然后分解出区组效应是一样一样的，都是为了降低外在因素的影响，降低系统性误差！
回到最初的问题，GWAS分析中，PCA结果没有分开，怎么办？
太好了，说明群体没有分层，理论上不用将PCA放到模型中进行矫正了，如果你不放心，也可以把pca放进去做协变量，对结果影响不大。
如果你的群体分层严重，但是你没有考虑PCA，没有将PCA放到模型中，那就惨啦，模型结果不靠谱，你看到的显著性位点大都是假阳性，都是由于群体分层导致的，考虑PCA效果会好一点。
讲真，GWAS分析中，群体结构分层明显的群体，真不如没有分层的群体，毕竟，好好的群体本来就在一起，不是挺好吗。
一个牛人说过：所有的模型都是错误的，但有些是有用的。
All models are wrong, but some are useful. 这句话出自统计学家George E. P. Box的口中，简洁地概括了数学建模的本质。
套用到GWAS分析中：群体分层的群体，做GWAS是不太合适的，但是经过PCA矫正之后，是有用的。没有群体分层的群体，你秀什么优越感？