为什么要做 PCA
识别样本分层，避免群体结构导致的假阳性关联。
群体结构与亚群统计
目标：正确理解 PCA 与亚群结果，避免把样本分层误判为真实关联信号。
1. 群体结构核心问题
为什么要分亚群
不同亚群等位频率差异大，合并分析会放大偏差。
为什么看地理分布
帮助解释某单倍型在地域上的扩散和富集规律。
2. 图表解读顺序
- 先看亚群样本量是否均衡，再看每个亚群单倍型频率。
- 筛选单倍型后，确认图例和颜色映射已同步更新。
- 检查地理分布图是否仅展示筛选后的单倍型。
- 若出现空白图例或异常颜色，优先排查分类映射与数据过滤顺序。
3. 实战建议
- 当单倍型数量很多（≥10）时，横坐标标签建议倾斜显示。
- 筛选后应剔除无多态性位点，避免结构图与统计图不一致。
- 输出图表时记录筛选阈值（样本数、频率、目标单倍型）。