用ggplot2的好处就是图形修改很方便,毕竟ggplot2大家都很熟悉 2. 热图展示marker基因 画图前,需要给每个细胞一个身份,因为我们跳过了聚类这一步,此处需要手动赋值 Idents(mye.seu)="celltype" library(xlsx) markerdf1=read.xlsx("ref_marker.xlsx",sheetIndex = 1) markerdf1$gene=as.character(markerdf1$gene...
先对细胞进行排序,按照celltype的顺序,然后对基因排序 rowanno=markerdf1 rowanno=rowanno%>%arrange(celltype) 提取scale矩阵的行列时,按照上面的顺序 mat4=mye.seu[["RNA"]]@scale.data[rowanno$gene,rownames(colanno)]mat4[mat4>=2.5]=2.5mat4[mat4<(-1.5)]=-1.5#小于负数时,加括号! 下面就是绘图...
4. 气泡图展示marker基因 Seurat的画法是这样的, DotPlot(mye.seu, features = markerdf2$gene)+RotatedAxis()+ scale_x_discrete("")+scale_y_discrete("") #其余的微调同ggplot2 第二种方法,ggplot2代码如下 bubble.df=as.matrix(mye.seu[["RNA"]]@data[markerdf2$gene,]) bubble.df=t(bubble.df)...
这种方法,我看到的不多,主要参考2020年的一篇文章:Dissecting transcriptional heterogeneity in primary gastric adenocarcinoma by single cell RNA sequencing。 在这篇胃癌的单细胞文献中,作者首先根据TCGA中的癌症和正常配对样本做差异分析,得到了两个初始signature,一个癌症样本高表达,一个正常样本高表达,各50个基因。
4. 气泡图展示marker基因 Seurat的画法是这样的, DotPlot(mye.seu, features = markerdf2$gene)+RotatedAxis()+ scale_x_discrete("")+scale_y_discrete("") #其余的微调同ggplot2 file 第二种方法,ggplot2代码如下 bubble.df=as.matrix(mye.seu[["RNA"]]@data[markerdf2$gene,])bubble.df=t(bubble...