单细胞数据分析内部最基础的即是降维聚类分群，参考前边的例子：东谈主东谈主齐能学会的单细胞聚类分群谛视 ，这个公共基本上问题不大了，使用seurat圭臬经由即可，不外它默许出图并不面子，详见畴昔咱们作念的投票：可视化单细胞亚群的象征基因的5个智商，底下的5个基础函数信服公共齐是照旧烂熟于心了：
迷水商城VlnPlot(pbmc， features = c("MS4A1"， "CD79A"))FeaturePlot(pbmc， features = c("MS4A1"， "CD79A"))RidgePlot(pbmc， features = c("MS4A1"， "CD79A")， ncol = 1)DotPlot(pbmc， features = unique(features)) + RotatedAxis()DoHeatmap(subset(pbmc， downsample = 100)， features = features， size = 3)上几期的推文给公共分享了我对于用热图可视化及好意思化marker基因的实验
迷水商城Doheatmap常用参数及好意思化使用Complexheatmap好意思化热图Scillus包好意思化热图接下来通盘来了解一下Dotplot可视化Marker基因吧。
Dotplot甩掉图默契在进行细胞亚群谛视的时分，不错使用Dotplot可视化汇集整理的基因集，来缓助咱们进行细胞亚群的判断
迷水商城迷水商城图片
（PS : 不错看到咱们汇集整理的基因的特异性齐尽头好，绝大部分齐有单细胞亚群的排他性 ，比如9群是CPA3代表的mast细胞，它在mast亚群内部确实凿是百分百抒发，然而在其他亚群齐是不抒发！）
迷水商城要是吝啬单个基因的话，也不错只稽查单个基因在不同亚群的抒发情况，在单细胞水平看指定基因的抒发量各异情况分享的著述中就有对某个基因进行可视化展示
DotPlot(sce.all.int， features = c("MTIF2")， group.by = "celltype") 图片
（PS ; 因为MTIF2这个基因并不是已知的各个单细胞亚群特征基因，是以不错看到它很难有排他性，并且它即使是在肝细胞内部也即是30%的抒发比例，只不外是肉眼看起来或者是跟前边的百分比通常的恶果，是以公共务必珍摄图例！）
Dotplot甩掉图上会展示出来Average Expressed以及Percent Expressed，及基因的平均抒发量（点的情愫）以及抒发的百分比（点的大小）
通过将绘图甩掉保存为一个变量，不错看到内部的保存的用于绘画的数值
迷水商城p = DotPlot(sce.all.int， features = c("MTIF2")， group.by = "celltype") View(p)图片
其中data数据中就包含了Average Expressed、Percent Expressed以及Average Expressed scaled
图片
在推文务为有补于世 | 单细胞之DotPlot的抒发量哪来的？整理了平均抒发量Average Expressed的计较智商
图片
1. 简便尝试计较平均抒发量-Average Expressed：稽查B细胞亚群内部MTIF2基因的平均抒发量
迷水商城取出B细胞亚群，获得B细胞亚群内部MTIF2基因原始抒发矩阵，微型摄像头购买计较平均抒发量
#average expressedsce.B = sce.all.int[， sce.all.int$celltype %in% c( 'Bcell')]gene_expression <- sce.B[["RNA"]]$counts["MTIF2"， ]# 计较平均抒发量，忽略NA值average_expression <- mean(gene_expression/sce.B$nCount_RNA*10000， na.rm = TRUE)
图片
图片
2. 计较基因在不同亚群内部的抒发百分比Percent Expressed
统计并整理基因在不同细胞亚群的抒发与否情况，然后计较抒发数目占全部细胞亚群数目的百分比
#pct.express计较神色MTIF2 = sce.all.int@assays$RNA$data["MTIF2"，]>0t(table(MTIF2，sce.all.int$celltype))data <- data.frame( CellType = c("Bcell"， "cycle"， "endothelial"， "epithelial"， "hepatocytes"， "macrophages"， "mast"， "myeloids"， "myofibroblasts"， "Tcell")， MTIF2_FALSE = c(3053， 1810， 3609， 1975， 6294， 5509， 186， 10335， 1131， 7414)， MTIF2_TRUE = c(355， 411， 448， 446， 3040， 1154， 7， 1370， 144， 503))# 计较每个细胞亚群中总细胞数data$TotalCells <- data$MTIF2_FALSE + data$MTIF2_TRUE# 计较每个细胞亚群中MTIF2的抒发占比，并添加到data表格中data$PercentExpressed <- (data$MTIF2_TRUE / data$TotalCells)*100图片
图片
91风流在绘画展示的labels中，x轴是咱们遴选展示的基因，y轴identity是细胞亚群，点的大小是由pct.exp决定的，迷情剂怎么使用的情愫是由avg.exp.scaled决定的
图片
对于avg.exp.scaled的计较莫得去尝试，公共感酷爱酷爱的不错看一下Dotplot函数的具体计较神色
图片
Dotplot常用参数图片
除了输入数据（object）、基因集（features）以及分组信息（group.by）和分割参数（split.by）这些常用参数外，还有一些和点的情愫大小以及scale边界关系的参数
点的情愫及缩放大小cols: 绘图情愫——不错是RColorBrewer包中的调色板称号，也不错是自界说的渐变的两种情愫，或者是界说多个渐变的三种以上情愫（要是修复了split.by）。
col.min: 缩放后平均抒发的情愫最小阈值。
迷水商城col.max: 缩放后平均抒发的情愫最大阈值。
图片
迷水商城dot.min: 绘制最小点的细胞分数（默许为0），统共抒发给定基因的细胞组少于此分数的将不绘制点。dot.scale: 气泡大小的缩放比例，雷同于cex参数，默许是6，不错通过这个参数调理各个气泡大小之间各异进度图片
scale: 详情数据是否缩放，TRUE为默许。scale.by: 通过'size'或'radius'两种神色缩放点的大小，默许为"radius"。scale.min: 修复缩放的下限，使用NA为默许值。scale.max: 修复缩放的上限，使用NA为默许值。使用默许参数绘图具体绘图及好意思化照旧使用pbmc-3k的谛视分群后的示例数据，使用FindAllMarkers查找并获得top5的Marker基因进行可视化
#top5 marker基因获得pbmc.markers <- FindAllMarkers(pbmc， only.pos = TRUE， min.pct = 0.25， logfc.threshold = 0.25， verbose = FALSE)top5 = pbmc.markers %>% group_by(cluster) %>% top_n(n = 5， wt = avg_log2FC)g = unique(top5$gene)
不错先望望径直使用默许参数，不调理展示的情况
DotPlot(pbmc， features = g)
图片
迷水商城不错看到features展示列全部挤在了通盘，未便于阅读。是以不错对遴选参数歪斜展示基因，或者将基因和细胞亚群换取位置
1. 调理features的胪列角度
迷水商城DotPlot(pbmc， features = g) + RotatedAxis()
图片
迷水商城2.将features和identity换取位置
DotPlot(pbmc， features = g) + coord_flip()+ RotatedAxis()
图片
小结这期简便了解了一下Dotplot展示的Average Expressed以及Percent Expressed计较神色，以及Dotplot常用参数
临了简便的使用默许参数展示了top5的marker基因，使用参数歪斜展示基因，或者将基因和细胞亚群换取位置对甩掉图进行简便的调节
迷水商城迷水商城Dotplot可调理的点还有好多，下期通盘来了解一下基于Dotplot函数可视化的好意思化（以及它的多种变形操作，比如底下的图E就不错径直使用上头的dotplot函数的数据 ）
图片
文末友情宣传要是你也念念作念单细胞转录组数据分析，最佳是有我方的计较机资源哦，比如咱们的2024的分享就业器交个一又友福利价仍然是800，并且还需要有基本的生物信息学基础，也不错望望咱们的生物信息学马拉松讲课，你的生物信息学初学课。
本站仅提供存储就业，统共实验均由用户发布，如发现存害或侵权实验，请点击举报。