doplot可视化多个单细胞亚群的多个标记基因的进阶版

Posted on by

我们以 seurat 官方教程为例：

```r
rm(list = ls())
library(Seurat)

devtools::install_github(‘satijalab/seurat-data’)

library(SeuratData)
library(ggplot2)
library(patchwork)
library(dplyr)
load(file = ‘basic.sce.pbmc.Rdata’)

DimPlot(pbmc, reduction = ‘umap’,
label = TRUE, pt.size = 0.5) + NoLegend()

sce=pbmc


如果你不知道 basic.sce.pbmc.Rdata 这个文件如何得到的，麻烦自己去跑一下 [可视化单细胞亚群的标记基因的5个方法](https://mp.weixin.qq.com/s/enGx9_Sv5wKLdtygL7b4Jw)，自己 save(pbmc,file = 'basic.sce.pbmc.Rdata') ，我们后面的教程都是依赖于这个 文件哦！

### 首先对每个细胞亚群找高表达量的标记基因

```r
# 参考： https://mp.weixin.qq.com/s/enGx9_Sv5wKLdtygL7b4Jw 
if (file.exists('sce.markers.all_10_celltype.Rdata')) {
 load('sce.markers.all_10_celltype.Rdata')
}else {
 sce.markers <- FindAllMarkers(object = sce, only.pos = TRUE,
 min.pct = 0.25, 
 thresh.use = 0.25)
 save(sce.markers,file = 'sce.markers.all_10_celltype.Rdata')

}

DT::datatable(sce.markers) 
library(dplyr) 
# 不同seurat版本的 avg_logFC 不一样 
top5 <- sce.markers %>% group_by(cluster) %>% top_n(5, avg_logFC)
DoHeatmap(sce,top5$gene,size=3)

普通的热图或者气泡图可视化

DT::datatable(sce.markers) 
library(dplyr) 
# 不同seurat版本的 avg_logFC 不一样 
top5 <- sce.markers %>% group_by(cluster) %>% top_n(5, avg_logFC)
DoHeatmap(sce,top5$gene,size=3) 
p <- DotPlot(sce, features = unique(top5$gene) ,
 assay='RNA' ) + coord_flip()

p+ theme(axis.text.x = element_text(angle = 45, 
 vjust = 0.5, hjust=0.5))

如下所示：

image-20210509220747434

其实这个函数不仅仅是接受一个向量，还可以接受一个列表，代码如下：


head(top5)
top5=top5[!duplicated(top5$gene),]
select_genes_all=split(top5$gene,top5$cluster)
select_genes_all
DotPlot(object = sce, 
 features=select_genes_all, 
 assay = "RNA") + theme(axis.text.x = element_text(angle = 45, 
 vjust = 0.5, hjust=0.5))

出图如下：

image-20210509220912937

这样的雕虫小技肯定是入不了大家的法眼，出一个作业吧，文章是《High-Throughput Single-Cell Transcriptome Profiling of Plant Cell Types》，里面的图 ，见： https://mp.weixin.qq.com/s/-17oUL0-GProZb9apiZJkg

​

Comments are closed.