图片杀螨剂

Featureplot是一个在单细胞转录组磋磨的著述中出场频率很高的一个图，比如底下的这个图1。关联词在多基因共抒发的方面，FeaturePlot只可支柱两个基因，因此，咱们思整理一篇多元化Featureplot推文，使用FeaturePlot，ggplot，scCustomize等纪律，来清闲单基因或多基因共抒发的需求，不错望望哦。

图片

FeaturePlot(sce，'MS4A1')

图片

genes_to_check = c("CD3D"，"CD3E" )FeaturePlot(sce，features = genes_to_check)

图片

pl=lapply(genes_to_check， function(cg){FeaturePlot(sce， cg) + NoLegend() + NoAxes()})ps <- cowplot::plot_grid(plotlist = pl)ps

图片

genes_to_check = c("CD3D"，"CD3E" )mat = sce@assays$RNA$counts[ genes_to_check ，]table(  mat[1，]>0 ，mat[2，]>0 )sce$ok = mat[1，]>0  | mat[2，]>0 table(sce$ok)FeaturePlot(sce，'ok')

图片

FeaturePlot提供了blend参数，用于看两个基因的共抒发情况，关联词不支柱两个基因以上的共抒发。

波普电气有限公司 0.55) 0px 2px 10px;">genes_to_check = c("CD3D"，波普电气有限公司"CD3E" )FeaturePlot(sce，波普电气有限公司genes_to_check，波普电气有限公司blend = T)

图片

波普电气有限公司 0， 0， 0.55) 0px 2px 10px;"># 提真金不怕火UMAP坐标umap_df <- as.data.frame(pbmc@reductions$umap@cell.embeddings)umap_df$cluster <- as.factor(pbmc@meta.data$seurat_clusters)head(umap_df)# 然后提真金不怕火基因抒发数据并与UMAP坐标吞并gene_df <- as.data.frame(GetAssayData(object = pbmc)[c("CD3D"， "CD19"， "CD4")， ])merged_df <- merge(t(gene_df)， umap_df， by = 0， all = TRUE)head(merged_df)

用ggplot进行可视化：

library(ggnewscale)#绘画 三个基因ggplot(merged_df， vars = c("umap_1"， "umap_2"， "CD3D"， "CD19"，杀螨剂 "CD4")， aes(x = umap_1， y = umap_2， colour = CD3D)) +  geom_point(size=0.3， alpha=1) +  scale_colour_gradientn(colours = c("lightgrey"， "green")， limits = c(0， 0.3)， oob = scales::squish) +  new_scale_color() +  geom_point(aes(colour = CD19)， size=0.3， alpha=0.7) +  scale_colour_gradientn(colours = c("lightgrey"， "blue")， limits = c(0.1， 0.2)， oob = scales::squish) +  new_scale_color() +      geom_point(aes(colour = CD4)， size=0.3， alpha=0.1) +  scale_colour_gradientn(colours = c("lightgrey"， "red")， limits = c(0， 0.3)， oob = scales::squish) +  theme_bw() +  DimPlot(pbmc，label = TRUE) 

图片

基因若是出现多个细胞亚群热沈，可能会出现相互掩盖的气候，底下的代码会产生搀杂的热沈来展示：

# rgb()函数是用于创建RGB热沈。# 前 3 个参数分袂示意红、绿和蓝三个热沈通谈的值，取值范畴一般是 0-255。library(scales)    merged_df2 <- cbind(  merged_df， color=rgb(    rescale(merged_df$CD4)，    rescale(merged_df$CD3D)，    rescale(merged_df$CD19)  ))# 然后绘制图片ggplot(merged_df2， aes(umap_1， umap_2， colour = color)) +  geom_point() +  scale_colour_identity() +  new_scale_colour() +  # shape = NA， 隐形的图层  geom_point(aes(colour = CD4 )，shape = NA， size=0.1) +  scale_colour_gradient(low = "grey"， high = "red") +  new_scale_colour() +  geom_point(aes(colour = CD3D)，shape = NA， size=0.1) +  scale_colour_gradient(low = "grey"， high = "green") +  new_scale_colour() +  geom_point(aes(colour = CD19)，shape = NA， size=0.1) +      scale_colour_gradient(low = "grey"， high = "blue") +  theme_bw()+  DimPlot(pbmc，label = TRUE) 

图片

scCustomize是一个单细胞转录组数据可视化的R包，内部聚首了一些常用的数据可视化纪律，不错与Seurat包进行联用。咱们用Plot_Density_Joint_Only函数进行多基因连合密度图的绘制。

#install.packages("scCustomize")#install.packages("Nebulosa")library(Nebulosa)library(scCustomize)pbmc <- pbmc3k.finalp_density <- Plot_Density_Joint_Only(seurat_object = pbmc，                                 features = c("CD3D"， "CD19"， "CD4")，                                custom_palette = BlueAndRed())p_density +  DimPlot(pbmc，label = TRUE) 

图片

但愿以上的尝试和归来大略匡助你画出合适的基因标注的降维聚类图。若是需要对FeaturePlot进行更进一步的好意思化，不错参考咱们之前的推文哦：【Featureplot好意思化】

图片

• 杀螨剂
• amp
• nbsp
• umap
• df