Solo per aggiungere al grande riassunto di Devon Ryan: gli strumenti di analisi delle miscele sono molto più flessibili della PCA (che è solo un'operazione matematica fissa), quindi possono essere progettati per incorporare modelli LD, informazioni di fase, diversi modelli di evoluzione della popolazione ecc.

Ecco un documento dei creatori di fineSTRUCTURE e strumenti per la miscelazione di Chromopainter che descrivono in dettaglio l'azione di entrambi - sembra che forniscano anche alcuni confronti con PCA: http://journals.plos.org /plosgenetics/article?id=10.1371/journal.pgen.1002453

La differenza fondamentale risiede principalmente nella matematica.

Un'analisi della mescolanza implica l'assunzione che i genotipi (o più probabilmente, le probabilità del genotipo) in un campione sconosciuto possano essere modellati con l'equilibrio di Hardy-Weinburg come derivante combinazione da due o più pool di sorgenti di varianti di sfondo. L'output è quindi una proporzione di mescolanza che determina il contributo per lo più percentuale da ciascuna delle popolazioni di origine (ad esempio, 23% irlandesi, 15% norvegesi, 30% nordafricani, ...). Esistono versioni di questo specifico per la gestione delle peculiarità dei set di dati NGS.

Un PCA è un metodo molto molto generico che utilizza le stesse informazioni alleliche di input, ma trova semplicemente proiezioni ortogonali di quelle su dimensioni inferiori che massimizzano la varianza sulla prima componente principale. Probabilmente hai visto grafici come il seguente (da questo articolo sui dati di 1000 progetti genomi):

Questo ti permette di ottenere un idea di come sono strutturate le popolazioni, ma non sono così utili per determinare in che modo i singoli campioni sono molto probabilmente correlati alle varie popolazioni.