5种神色好意思化你的单细胞umap散点图

咱们生信时刻树的单细胞月更群内部经常看到小伙伴建议的图片好意思化需求，这就来望望单细胞umap好意思化器用吧！

最好的春药第一种：SCP 包（这个包十分的出色）

对于SCP，咱们前边也有一个特意的专辑对其进行了大篇幅的先容，不知说念大家用起来了没呢？

端到端的单细胞管说念SCP-整合历程端到端的单细胞管说念SCP-细胞质控端到端的单细胞管说念SCP-圭臬历程端到端的单细胞管说念SCP-快速运转SCP—为单细胞分析想象的端到端处分决策端到端的单细胞管说念SCP-装配

其学习的官网地址为：https://zhanghao-njmu.github.io/SCP/index.html

莫得装配的，此次就不要再错过啦：

迷水商城

# 装配devtools::install_github("zhanghao-njmu/SCP")

本次，咱们使用的数据为来自 GSE128531 数据瞩目后的seurat对象，你我方用的时刻不错使用任何一个经过了瞩目后的seurat对象。

rm(list=ls())library(COSG)library(harmony)library(ggsci)library(dplyr) library(future)library(Seurat)library(clustree)library(cowplot)library(data.table)library(dplyr)library(ggplot2)library(patchwork)library(stringr)library(qs)# 导入数据sce.all.int <- readRDS('2-harmony/sce.all_int.rds')sp <- 'human'head(sce.all.int@meta.data)load("phe.Rdata")head(phe)sce.all.int <- AddMetaData(sce.all.int， metadata = phe)Idents(sce.all.int) <- "celltype"table(Idents(sce.all.int))

迷水商城

图片

看一下它对UMAP可视化的猛烈之处！

1、先看默许主题一键出图：

################## umap1library(SCP)head(sce.all.int@meta.data)CellDimPlot(sce.all.int， group.by = "celltype"， reduction = "UMAP")

这个配色十分CNS，且图中展示了总细胞数，每个亚群的细胞数这些信息：

图片

2、坐标改成 左下小箭头，亦然大家非不时见的需求！

# 左下小箭头CellDimPlot(sce.all.int， group.by = "celltype"， reduction = "UMAP"， theme_use = "theme_blank")

图片

迷水商城3、只知道X、Y轴

还不错一键退换举座字体大小：

CellDimPlot(sce.all.int， group.by = "celltype"， reduction = "UMAP"，             theme_use = ggplot2::theme_classic， theme_args = list(base_size = 16))

图片

迷水商城

上头三个是我最可爱的ump格调，还有好多其他，总有你的一款：

图片

强效催春粉第二种：Nebulosa（r包）

Nebulosa 是一个基于核密度忖度可视化单细胞数据的 R 包，主要通过聚会细胞之间的雷同性来还原丢失特征中的信号，从辛勤毕细胞特征的“卷积”。

学习官网：https://bioconductor.org/packages/devel/bioc/vignettes/Nebulosa/inst/doc/nebulosa_seurat.html

迷水商城

Nebulosa 的主邀功能是 plot_density，让咱们按照以下神色绘制 一些marker基因 的核密度忖度图，展示的marker基因抒发水平上下：

# 装配一下options(BioC_mirror="https://mirrors.westlake.edu.cn/bioconductor")options("repos"=c(CRAN="https://mirrors.westlake.edu.cn/CRAN/"))BiocManager::install("Nebulosa")library(Nebulosa)

1、 绘制一个基因PTPRC

这种图亦然在好多CNS级别的著作中出现的：

# 绘制一个基因PTPRCp1 <- plot_density(sce.all.int， c("PTPRC")，size = 0.3)p1

图片

迷水商城2、绘制多个基因

# 同期绘制多个基因p3 <- plot_density(sce.all.int， c("CD3D"，"CD4"，"CD8A"，"CD68")，size = 0.3)p3

服从如下：

图片

3、绘制基因共抒发

这里不错同期展示两个基因王人抒发的场所：

# combine = FALSE 只保留两个基因王人抒发的区域p4 <- plot_density(sce.all.int， c("CD8A"， "CCR7")， joint = TRUE，combine = FALSE) p4

图片

迷水商城第三种：scCustomize（r包）

学习官网：https://samuel-marsh.github.io/scCustomize/index.html

迷水商城

# 装配# Base Rinstall.packages("scCustomize")

画图：不错绘制一个marker，催迷听水也不错展示多个marker：

################## umap4：scCustomizelibrary(viridis)library(Seurat)library(scCustomize)FeaturePlot_scCustom(seurat_object = sce.all.int， features = c("VWF"，"CD3E")， order = F)

这种格调很像早期的椒盐画图格调：你看这个着色点是不是很像洒在鸡腿上头的椒盐！（椒盐格调这个词我在一篇单细胞文件中遭遇过，现时找不见了，那时还特意在群里问了来着哈哈哈哈）

图片

迷水商城

还不错纵欲地修改配色：

# 修改神色# Set color palettepal <- viridis(n = 10， option = "D")FeaturePlot_scCustom(seurat_object = sce.all.int， features = c("VWF"，"CD3E")，                      colors_use = pal， order = T，pt.size = 0.3)

图片

第四种：ggplot2绘制细胞密度umap图

在seurat包中有东说念主建议一个画图需求：https://github.com/satijalab/seurat/issues/6962

图片

这种图主要用来处理数据点重迭问题时十分灵验，使用 MASS::kde2d() 进行二维核密度忖度，并通过等高线知道服从，geom_density_2d() 绘制等高线，而 geom_density_2d_filled() 绘制填充的等高线带。

连气儿：https://ggplot2.tidyverse.org/reference/geom_density_2d.html

library(cetcolor)library(Seurat)library(ggplot2)# 缔造神色scale.col <- cet_pal(16， name = "fire")# generate UMAP plotpl1 <- UMAPPlot(sce.all.int， combine = FALSE) # returns full ggplot objectpl1# make plotpl1[[1]] &   stat_density_2d(aes_string(x = "umap_1"， y = "umap_2"， fill = "after_stat(level)")，                   linewidth = 0.2， geom = "density_2d_filled"，                   colour = "ivory"， alpha = 0.4， n = 150， h = c(1.2， 1.2)) &   scale_fill_gradientn(colours = scale.col) &   DarkTheme()

这种格调很特有：

图片

迷水商城第五种：ggpointdensity（r包）

在二维坐标系中可视化数据点有几种措施：淌若你有无数的数据点重迭在一齐，geom_point() 无法为你提供重迭点的数目忖度。

刚刚上头先容的geom_density2d() 和 geom_bin2d() 不错处分这个问题，但它们使得无法拜访个别额外点，而这些额外点可能具有盘问价值。

geom_pointdensity() 旨在通过聚会两者的优点来处分这个问题：各个点凭证掌握点的数目进行着色。这使得你既能看到举座分歧，也能看到个别点。

学习官网：https://github.com/LKremer/ggpointdensity

细胞密度图：

# 装配install.packages("ggpointdensity")library(ggpointdensity)# 提真金不怕火umap坐标数据dat <- Embeddings(sce.all.int， reduction = "umap")head(dat)# umap_1    umap_2# SC67mf2_AAACCTGAGAGTAATC -3.541568  5.127461# SC67mf2_AAACCTGAGCGCTTAT -6.623588 -3.025122# SC67mf2_AAACCTGAGGACACCA -4.586405  1.513219ggplot(data = dat， mapping = aes(x = umap_1， y = umap_2)) +  geom_pointdensity() +  scale_color_viridis()

图片

虽然，它还不错展示marker特征基因抒发：

迷水商城

# 提真金不怕火umap坐标以及特征基因抒发df <- FetchData(object =sce.all.int， vars = c("umap_1"， "umap_2"， "CD3D")， layer = "data")head(df)# umap_1    umap_2     CD3D# SC67mf2_AAACCTGAGAGTAATC -3.541568  5.127461 0.000000# SC67mf2_AAACCTGAGCGCTTAT -6.623588 -3.025122 1.430228# SC67mf2_AAACCTGAGGACACCA -4.586405  1.513219 0.000000p <- ggplot(df， aes(x= umap_1， y= umap_2 )) +  geom_point(data = df %>% filter(CD3D == 0)， color = "#440154FF"， size = 0.6) +  ggpointdensity::geom_pointdensity(data = df %>% filter(CD3D > 0)， size = 0.6) +  viridis::scale_color_viridis() +  theme_classic(base_size = 14) +  labs(color= "CD3D")p

服从如下：

图片

上头哪一款是你的菜？不错在磋议区高声说出来（爱就要勇敢说出来！）。

友情宣传：

生信初学&数据挖掘线上直播课2025年1月班

时隔5年，咱们的生信时刻树VIP学徒持续招生啦

迷水商城

得志你生信分析野心需求的廉价处分决策

迷水商城 本站仅提供存储工作，总共本色均由用户发布，如发现存害或侵权本色，请点击举报。