热点资讯

你的位置:物联网软件定制开发价格 > 物联网软件开发资讯 > 物联网软件定制开发价格 多元化Featureplot,总有一款稳当你

物联网软件定制开发价格 多元化Featureplot,总有一款稳当你


发布日期:2024-11-06 03:55    点击次数:128


图片物联网软件定制开发价格

媒介

Featureplot是一个在单细胞转录组规划的著述中出场频率很高的一个图,比如底下的这个图1。然而在多基因共抒发的方面,FeaturePlot只可复旧两个基因,因此,咱们思整理一篇多元化Featureplot推文,使用FeaturePlot,ggplot,scCustomize等才能,来傲气单基因或多基因共抒发的需求,不错望望哦。

图片

图1;着手:Single-cell transcriptional profling reveals aberrant gene expression patterns and cell states in autoimmune diseases多种需务拆伙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

也是徐灿2021年7月31日,在英国布伦特伍德,丢掉WBA世界羽量级金腰带后,中国时隔3年,物联网软件开发公司再次有拳手挑战世界四大组织的世界头衔。

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拆伙)】
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拆伙)】

FeaturePlot提供了blend参数,用于看两个基因的共抒发情况,然而不复旧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拆伙)】
# 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坐标统一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:

小程序开发
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

基因要是出现多个细胞亚群神采,可能会出现互相遮蔽的时局,底下的代码会产生羼杂的神采来展示:

# rgb()函数是用于创建RGB神采。# 前 3 个参数远隔暗示红、绿和蓝三个神采通说念的值,取值畛域一般是 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 拆伙)】

scCustomize是一个单细胞转录组数据可视化的R包,内部集会了一些常用的数据可视化才能,不错与Seurat包进行联用。咱们用Plot_Density_Joint_Only函数进行多基因衔尾密度图的绘制。

#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

结语

但愿以上的尝试和纪念粗略匡助你画出合适的基因标注的降维聚类图。要是需要对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

本站仅提供存储管事,通盘骨子均由用户发布,如发现存害或侵权骨子,请点击举报。