Admixture群体结构分析：CV error（交叉验证误差 ）曲线没明显谷底，该怎么办？

最近粉丝问到一个问题：我的admixture分析，cv error曲线没有明显谷底，如何选择K？

这是一个非常常见的问题，初学者往往祈祷能出现完美的V型图，但从我做过的几十上百个群体遗传的项目来看，绝大部分项目都不会有这么完美的结果，CV曲线就是一路下滑。

这种情况通常意味着群体结构较连续、无明显亚群分化，或数据本身梯度变化（如地理渐变群）。那怎么办？

以下是一些选择策略和考虑因素：

核心原则：综合评估，避免单一指标

优先生物学意义

核心问题： 不同K值对应的群体划分是否符合已知的种群历史、地理分布或表型差异？
操作建议：

• • 对比每个K值的祖先成分条状图（Bar plot），观察新增K时是否拆分出生物学合理的亚群（如新出现的地理隔离群体）。

• • 若新增K仅将大群体拆分为微小片段（如<5%成分的零星分布），可能属于过拟合。

关注CV误差下降的拐点

关键观察点： 虽然无全局谷底，但误差下降速率常会显著减缓（“肘点”, Elbow point）。
如数据示例：

K=2 → 3: 0.425 → 0.400 (Δ= -0.025)  
K=3 → 4: 0.400 → 0.375 (Δ= -0.025)  
K=4 → 5: 0.375 → 0.350 (Δ= -0.025)  
K>5: 下降幅度可能减小（需补充数据）  

可能性： 若K≥5后误差下降趋缓（如Δ<0.01），则K=4或5可能是合理选择。

优先选较小 K 值: 在 CV error 差异不大时，选更简单模型（小 K ），符合奥卡姆剃刀原则，避免过度细分群体。若 K=5、6、7 的 CV error 相近，K=5 更简洁，且分组有意义，就选 K=5 。

结合其他群体结构分析方法

• • PCA（主成分分析）： 检查主成分散点图是否显示离散簇群。若PCA无明确分组，则ADMIXTURE的K值不宜过大。

• • 系统发育树： 基于SNP构建邻接树（Neighbor-Joining tree），观察分枝模式是否支持ADMIXTURE的分群。

• • 空间遗传结构： 若样本有地理位置，使用空间自相关分析（如Mantel test）验证成分梯度是否符合距离隔离。

1. 4. 评估成分稳定性

• • 对同一K值多次运行ADMIXTURE（不同随机种子），观察祖先成分是否可重复。

• • 若成分在各次运行间剧烈变动（如个体归属不同群体），说明该K值不可靠。

总之，没明显谷底时，要综合数据特点、先验知识、结果可视化对比选 K，让群体划分既贴合数据结构，又有生物学 / 研究场景的合理性 。

欢迎加入知识星球交流，新人入社群限时优惠券100元。