主成分分析在动物科学的应用研究进展.docVIP

主成分分析在动物科学的应用研究进展 宋志芳 解佑志 芦春莲 李赛 曹洪战 河北农业大学动物科技学院 河北正农牧业有限公司 X 关注成功！ 加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知！ 新浪微博 腾讯微博 人人网 开心网 豆瓣网 网易微博 摘????要： 主成分分析 (PCA) 采取降维思想, 同时保持数据对方差贡献最大的特征, 在畜牧生产上用于研究影响性状的变量, 既简化变量个数, 又获取足量信息, 降低课题研究的复杂性。在全基因组关联分析 (GWAS) 中, PCA可用于校正群体分层, 降低群体分层对关联结果的假阳性, 通过PCA图可以看出研究群体是否有分层现象。本文主要对PCA的原理、分析软件以及在畜牧生产和GWAS中的应用加以综述。 关键词： 主成分分析; 群体分层; 降维; 假阳性; GWAS; 作者简介：宋志芳 (1992-) , 女, 山东菏泽人, 硕士研究生, 研究方向为动物遗传育种, E-mail163.com 作者简介：曹洪战 (1970-) , 男, 博士, 教授, 硕士、博士研究生导师, 研究方向为养猪生产与动物遗传育种与繁殖, E-mail:chz516@126.com 收稿日期：2017-05-22 基金：河北省科技计划项目 ) Research Progress on Principal Component Analysis in Animal Science SONG Zhi-fang XIE You-zhi LU Chun-lian LI Sai CAO Hong-zhan College of Animal Science and Technology, Agricultural University of Hebei; Hebei Zhengnong Anima Husbandry Limited Company; Abstract： Principal component analysis (PCA) takes the idea of dimensionality reduction and also maintains the characteristics of the largest contribution data to the difference. In livestock production, PCA is used to study variables of traits and expected to simplify the number of variables as well as obtain sufficient information to reduce the complexity of research. In genome-wide association analysis (GWAS) , PCA can be used to correct population stratification and reduce the false positive results of population stratification for association results. The PCA diagram can be shown whether the study population is stratified. In this paper, the principle of PCA, analysis software and its application in livestock production and GWAS are reviewed. Keyword： Principal component analysis; Population stratification; Dimensionality reduction; False positive; GWAS; Received： 2017-05-22 繁殖性状、体型性状、生长性状和屠宰性状等是畜禽生产中较重要的经济性状, 也是品种选育的目标性状。每个性状都有很多衡量变量, 分析变量数量多会增加分析难度。如果采用主成分分析 (PCA) 法, 可得到主成分1~10的特征值、贡献率和累计贡献率, 挑选累计贡献率达到85%以上的主成分, 最后找出特征向量最大的性状变量[1]。PCA是基于多元统计分析原理的一种统计方法, 对某性状的多个变量进行研究, 根据性状间的相关性, 找出能反映主要信息的少数几个互相独立的综合性状[2-4]。PCA在畜牧业中广泛应用, 已经成为研究畜禽品种的分类