您现在的位置是:首页 > 编程 > 

漂亮的单细胞多组火山图

2025-07-27 02:08:32
漂亮的单细胞多组火山图 最近发现一篇超级棒且适合做教材的单细胞文章,16分呢。《Single-cell transcriptome analysis reveals the association between histone lactylation and cisplatin resistance in bladder cancer 》其中的fig1B很好的展示了每种细胞类型的marker基因

漂亮的单细胞多组火山图

最近发现一篇超级棒且适合做教材的单细胞文章,16分呢。

《Single-cell transcriptome analysis reveals the association between histone lactylation and cisplatin resistance in bladder cancer 》

其中的fig1B很好的展示了每种细胞类型的marker基因,把我迷住了,把它复现出来,可以用在每个单细胞数据呢!拿去用。

输入数据是已经做完细胞类型注释的seurat对象,除此之外啥也不要啦。纯代码的。

代码语言:javascript代码运行次数:0运行复制
rm(list = ls())
library(Seurat)
library(dplyr)
library(patchwork)
library(ggplot2)
load( "sce.Rdata")
scRA = sce
scRA@meta.data$celltype = Idents(scRA)
ctys = levels(scRA)
ctys
代码语言:javascript代码运行次数:0运行复制
## [1] "naive B"     "CD8 T"       "aive CD4 T" "plasma B"    "CD14+ Mono" 
## [6] "endothelial" "Fibroblasts" "K"          "DC"
代码语言:javascript代码运行次数:0运行复制
 <- FindAllMarkers(scRA, min.pct = 0.25, 
                     = 0.25)
head()
代码语言:javascript代码运行次数:0运行复制
##                  p_val avg_log2FC pct.1 pct.2     p_val_adj cluster     gene
## CD79A     0.000000e+00   5.56611 0.915 0.060  0.000000e+00 naive B    CD79A
## BAK1     0.000000e+00   6.778892 0.85 0.026  0.000000e+00 naive B    BAK1
## MS4A1     0.000000e+00   5.677155 0.848 0.050  0.000000e+00 naive B    MS4A1
## HLA-DRA  1.482079e-06   2.775984 0.994 0.6 .060197e-02 naive B  HLA-DRA
## HLA-DQB1 7.4172e-295   2.622558 0.926 0.207 1.515921e-290 naive B HLA-DQB1
## HLA-DQA1 5.404715e-292   2.727477 0.865 0.18 1.115966e-287 naive B HLA-DQA1
代码语言:javascript代码运行次数:0运行复制
colnames()[6] = "celltype"
k = $p_val_adj<0.05;table(k)
代码语言:javascript代码运行次数:0运行复制
## k
## FALSE  TRUE 
##  960  8946
代码语言:javascript代码运行次数:0运行复制
 = [k,]

#上下调
$label <- ifelse($avg_log2FC<0,"sigDown","sigUp")
topgene <-  %>%
  group_by(celltype) %>%
  top_n(n = 10, wt = avg_log2FC) %>%
  bind_rows(group_by(, celltype) %>%
              top_n(n = 10, wt = -avg_log2FC))
head(topgene)
代码语言:javascript代码运行次数:0运行复制
## # A tibble: 6 × 8
## # Groups:   celltype [1]
##       p_val avg_log2FC pct.1 pct.2 p_val_adj celltype gene      label
##       <dbl>      <dbl> <dbl> <dbl>     <dbl> <fct>    <chr>     <chr>
## 1 0               6.78 0.85 0.026 0         naive B  BAK1     sigUp
## 2 .1e-250       6.98 0.498 0.011 6.47e-246 naive B  LIC00926 sigUp
##  2.59e-207       6.02 0.42 0.01  5.4e-20 naive B  CD24      sigUp
## 4 1.42e-204       6.90 0.411 0.008 2.92e-200 naive B  LIC0297 sigUp
## 5 1.15e-196       7.1 0.40 0.01  2.8e-192 naive B  IGHD      sigUp
## 6 5.77e-166       7.47 0.5 0.006 1.19e-161 naive B  PAX5      sigUp
代码语言:javascript代码运行次数:0运行复制
#根据log2FC范围确定背景柱长度:
dfbar =  %>%
  group_by(celltype) %>%
    summarise(low = round(min(avg_log2FC)-0.5),
            up = round(max(avg_log2FC)+0.5))

#绘制背景柱和散点图:
p1 <- ggplot()+
  geom_col(aes(x = celltype ,y = low),dfbar,
           fill = "#dcdcdc",alpha = 0.6)+
  geom_col(aes(x = celltype ,y = up),dfbar,
           fill = "#dcdcdc",alpha = 0.6)+
  geom_jitter(aes(x = celltype, y = avg_log2FC, color = label),,
              width =0.4,size = 1)+
  scale_color_manual(values = c("#0077c0","#c72d2e"))+
  theme_classic()
p1
代码语言:javascript代码运行次数:0运行复制
#X轴的块标签:
library(RColorBrewer)
mycol <- colorRampPalette(rev(brewer.pal(n = 7, name ="Set1")))(length(ctys))
p2 <- p1 + 
  geom_tile(aes(x = ctys,y = 0),
            height = 0.5,fill = mycol, show.legend = F)+
  geom_text(aes(x= ctys, y = 0, label = ctys),
            size = ,fontface = "bold")
p2
代码语言:javascript代码运行次数:0运行复制
library(ggrepel)
#给每种细胞类型的top基因加上标签,调整细节:
p <- p2 + 
  geom_text_repel(aes(x = celltype,y = avg_log2FC,label = gene),
                  topgene,size =  )+
  labs(x = "CellType",y = "Average log2FoldChange",
       title = "Differential expression genes")+
  theme(
     = element_text(size = 14,color = "black",face = "bold"),
     = element_text(size = 12,color = "black",face = "bold"),
    axis.line.y = element_line(color = "black",linewidth = 0.8),
    axis.line.x = element_blank(),
    x = element_blank(),
    x = element_blank(),
    panel.grid = element_blank(),
    legend.position  = c(0.98,0.96),
    legend.background = element_blank(),
     = element_blank(),
    legend.direction = "vertical",
    legend.justification = c(1,0),
     = element_text(size = 12)
  )+
  guides(color = guide_legend(override.aes = list(size = 4)))  
p

和原图一般无二啦。

本文参与 腾讯云自媒体同步曝光计划,分享自。原始发表:2024-11-07,如有侵权请联系 cloudcommunity@tencent 删除elementlegendsize对象数据

#感谢您对电脑配置推荐网 - 最新i3 i5 i7组装电脑配置单推荐报价格的认可,转载请说明来源于"电脑配置推荐网 - 最新i3 i5 i7组装电脑配置单推荐报价格

本文地址:http://www.dnpztj.cn/biancheng/1236452.html

相关标签:无
上传时间: 2025-07-26 16:30:50
留言与评论(共有 18 条评论)
本站网友 自体活细胞隆胸
29分钟前 发表
celltype [1] ## p_val avg_log2FC pct.1 pct.2 p_val_adj celltype gene label ## <dbl> <dbl> <dbl> <dbl> <dbl> <fct> <chr> <chr> ## 1 0 6.78 0.85 0.026 0 naive B BAK1 sigUp ## 2 .1e-250 6.98 0.498 0.011 6.47e-246 naive B LIC00926 sigUp ## 2.59e-207 6.02 0.42 0.01 5.4e-20 naive B CD24 sigUp ## 4 1.42e-204 6.90 0.411 0.008 2.92e-200 naive B LIC0297 sigUp ## 5 1.15e-196 7.1 0.40 0.01 2.8e-192 naive B IGHD sigUp ## 6 5.77e-166 7.47 0.5 0.006 1.19e-161 naive B PAX5 sigUp 代码语言:javascript代码运行次数:0运行复制#根据log2FC范围确定背景柱长度: dfbar = %>% group_by(celltype) %>% summarise(low = round(min(avg_log2FC)-0.5)
本站网友 mp3文件
29分钟前 发表
漂亮的单细胞多组火山图 最近发现一篇超级棒且适合做教材的单细胞文章
本站网友 姓名与八字
20分钟前 发表
除此之外啥也不要啦
本站网友 曹臻
23分钟前 发表
= 0.25) head() 代码语言:javascript代码运行次数:0运行复制## p_val avg_log2FC pct.1 pct.2 p_val_adj cluster gene ## CD79A 0.000000e+00 5.56611 0.915 0.060 0.000000e+00 naive B CD79A ## BAK1 0.000000e+00 6.778892 0.85 0.026 0.000000e+00 naive B BAK1 ## MS4A1 0.000000e+00 5.677155 0.848 0.050 0.000000e+00 naive B MS4A1 ## HLA-DRA 1.482079e-06 2.775984 0.994 0.6 .060197e-02 naive B HLA-DRA ## HLA-DQB1 7.4172e-295 2.622558 0.926 0.207 1.515921e-290 naive B HLA-DQB1 ## HLA-DQA1 5.404715e-292 2.727477 0.865 0.18 1.115966e-287 naive B HLA-DQA1 代码语言:javascript代码运行次数:0运行复制colnames()[6] = "celltype" k = $p_val_adj<0.05;table(k) 代码语言:javascript代码运行次数:0运行复制## k ## FALSE TRUE ## 960 8946 代码语言:javascript代码运行次数:0运行复制 = [k
本站网友 先天性髋关节脱位
11分钟前 发表
legend.justification = c(1
本站网友 城西房产
2分钟前 发表
0.96)
本站网友 脑血管瘤
25分钟前 发表
face = "bold")
本站网友 草桥欣园
11分钟前 发表
axis.line.y = element_line(color = "black"
本站网友 好想日b
23分钟前 发表
dfbar
本站网友 结业证
16分钟前 发表
dfbar
本站网友 深圳电影院
0秒前 发表
0)
本站网友 葫芦岛房地产网
6分钟前 发表
原始发表:2024-11-07
本站网友 苦茶的作用
9分钟前 发表
axis.line.y = element_line(color = "black"
本站网友 智能微波炉
11分钟前 发表
fill = "#dcdcdc"
本站网友 格兰宝
1分钟前 发表
face = "bold")
本站网友 南头古城
19分钟前 发表
celltype [1] ## p_val avg_log2FC pct.1 pct.2 p_val_adj celltype gene label ## <dbl> <dbl> <dbl> <dbl> <dbl> <fct> <chr> <chr> ## 1 0 6.78 0.85 0.026 0 naive B BAK1 sigUp ## 2 .1e-250 6.98 0.498 0.011 6.47e-246 naive B LIC00926 sigUp ## 2.59e-207 6.02 0.42 0.01 5.4e-20 naive B CD24 sigUp ## 4 1.42e-204 6.90 0.411 0.008 2.92e-200 naive B LIC0297 sigUp ## 5 1.15e-196 7.1 0.40 0.01 2.8e-192 naive B IGHD sigUp ## 6 5.77e-166 7.47 0.5 0.006 1.19e-161 naive B PAX5 sigUp 代码语言:javascript代码运行次数:0运行复制#根据log2FC范围确定背景柱长度: dfbar = %>% group_by(celltype) %>% summarise(low = round(min(avg_log2FC)-0.5)
本站网友 牙齿美白秘方
26分钟前 发表
wt = -avg_log2FC)) head(topgene) 代码语言:javascript代码运行次数:0运行复制## # A tibble