栏目分类
热点资讯
你的位置:黑龙江管理系统开发 > 管理系统开发公司 > 管理系统开发价格 多元化Featureplot,总有一款适应你

管理系统开发公司

管理系统开发价格 多元化Featureplot,总有一款适应你

发布日期:2024-09-28 12:03    点击次数:131

图片管理系统开发价格管理系统开发价格

媒介

Featureplot是一个在单细胞转录组相干的著作中出场频率很高的一个图,比如底下的这个图1。然则在多基因共抒发的方面,FeaturePlot只可撑捏两个基因,因此,咱们思整理一篇多元化Featureplot推文,使用FeaturePlot,ggplot,scCustomize等秩序,来餍足单基因或多基因共抒发的需求,不错望望哦。

图片

图1;源流:Single-cell transcriptional profling reveals aberrant gene expression patterns and cell states in autoimmune diseases多种需务末端1、画单个基因
FeaturePlot(sce,'MS4A1')

图片

2、画多个基因(分面在一张图)
genes_to_check = c("CD3D","CD3E" )FeaturePlot(sce,features = genes_to_check)

图片

3、画更多的基因(分面在一张图)
pl=lapply(genes_to_check, function(cg){FeaturePlot(sce, cg) + NoLegend() + NoAxes()})ps <- cowplot::plot_grid(plotlist = pl)ps

图片

4、画多个基因【共抒发在一张图(FeaturePlot末端)】
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

5、画多个基因【共抒发在一张图,仅限于两个基因(FeaturePlot末端)】

FeaturePlot提供了blend参数,用于看两个基因的共抒发情况,然则不撑捏两个基因以上的共抒发。

genes_to_check = c("CD3D","CD3E" )FeaturePlot(sce,genes_to_check,blend = T)

图片

6、画多个基因【共抒发在一张图(ggplot末端)】
# 索求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)# 然后索求基因抒发数据并与UMAP坐标团结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)#绘制 三个基因ggplot(merged_df, vars = c("umap_1", "umap_2", "CD3D", "CD19", "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

基因如若出现多个细胞亚群神态,可能会出现相互袒护的表象,黑龙江管理系统开发底下的代码会产生羼杂的神态来展示:

# rgb()函数是用于创建RGB神态。# 前 3 个参数分离默示红、绿和蓝三个神态通谈的值,取值限制一般是 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

7、画多个基因【共抒发在一张图(scCustomize 末端)】

scCustomize是一个单细胞转录组数据可视化的R包,内部靠拢了一些常用的数据可视化秩序,不错与Seurat包进行联用。咱们用Plot_Density_Joint_Only函数进行多基因采集密度图的绘制。

#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

上期开出奇偶比3:2,近10期奇偶比为26:24,本期前区推荐奇偶比1:4。

上期龙头开出奇数球05,近10期龙头开出07 04 06 04 05 02 08 01 01 05,奇偶比5:5,本期参考奇数球05。

结语

但愿以上的尝试和回归省略匡助你画出合适的基因标注的降维聚类图。如若需要对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

app 本站仅提供存储事业,通盘本色均由用户发布,如发现存害或侵权本色,请点击举报。