PythonでPLINKの主成分分析結果を可視化する方法

PLINKの---pcaコマンドで主成分分析を実施すると、
1．output.eigenvec
2．output.eigenval
という2つのファイルが出力されます。

今回はこれらの2つのファイルを使用して、主成分分析の結果を可視化します。

①Pythonで必要なライブラリをインポート

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import japanize_matplotlib

②データの読み込み

pandasのread_csvで、2ファイルを読み込みます。

.eigenvalの値から、PC1とPC2がどれだけの割合を説明できるのかを計算します。

ついでに、今回の主成分分析で使用したSNP数も.mapファイルから計算しておきます。

#データの読み込み
df = pd.read_csv('output.eigenvec', sep=' ', header=None)

#PC1とPC2の説明量を計算する
PC = pd.read_csv('output.eigenval', sep=' ', header=None)
su = PC[0].sum()

p1 = PC.iloc[0, 0] 
PC1 =  p1 / su * 100

p2 = PC.iloc[1, 0] 
PC2 =  p2 / su * 100

#SNP数を計算する
ma = pd.read_csv('output.map', sep=' ', header=None)
snp = len(ma)

③PCAプロットの作成

先ほど計算した、SNP数や説明量をグラフに反映させました。

sns.set(font='Yu Gothic', context="talk", style='ticks')
plt.figure(figsize=(12,8))

sns.scatterplot(x=2, y=3, data=df, s=100)

plt.title("PCA Plot【%i SNPs】" %snp, fontweight="bold")
plt.xlabel('PC1 (%i ％)' %PC1)
plt.ylabel('PC2 (%i ％)' %PC2)

plt.savefig('Output.png') #PNGで画像を保存

集団が複数ある場合などは、sns.scatterplotのhueで色分けも行えます。

全体

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import japanize_matplotlib

#データの読み込み
df = pd.read_csv('output.eigenvec', sep=' ', header=None)

#PC1とPC2の説明量を計算する
PC = pd.read_csv('output.eigenval', sep=' ', header=None)
su = PC[0].sum()

p1 = PC.iloc[0, 0] 
PC1 =  p1 / su * 100

p2 = PC.iloc[1, 0] 
PC2 =  p2 / su * 100

#SNP数を計算する
ma = pd.read_csv('output.map', sep=' ', header=None)
snp = len(ma)

sns.set(font='Yu Gothic', context="talk", style='ticks')
plt.figure(figsize=(12,8))

sns.scatterplot(x=2, y=3, data=df, s=100)

plt.title("PCA Plot【%i SNPs】" %snp, fontweight="bold")
plt.xlabel('PC1 (%i ％)' %PC1)
plt.ylabel('PC2 (%i ％)' %PC2)

plt.savefig('Output.png') #PNGで画像を保存

以上、PLINKの主成分分析の結果からPCAプロットを作成する方法でした。