我們生信技能樹(shù)的單細(xì)胞月更群里面經(jīng)常看到小伙伴提出的圖片美化需求，這就來(lái)看看單細(xì)胞umap美化工具吧！
第一種：SCP 包（這個(gè)包非常的出色）
關(guān)于SCP，我們前面也有一個(gè)專(zhuān)門(mén)的專(zhuān)輯對(duì)其進(jìn)行了大篇幅的介紹，不知道大家用起來(lái)了沒(méi)呢？
其學(xué)習(xí)的官網(wǎng)地址為：https://zhanghao-njmu./SCP/index.html
沒(méi)有安裝的，這次就不要再錯(cuò)過(guò)啦：
# 安裝
devtools::install_github("zhanghao-njmu/SCP")
本次，我們使用的數(shù)據(jù)為來(lái)自 GSE128531 數(shù)據(jù)注釋后的seurat對(duì)象，你自己用的時(shí)候可以使用任何一個(gè)經(jīng)過(guò)了注釋后的seurat對(duì)象。
rm(list=ls())
library(COSG)
library(harmony)
library(ggsci)
library(dplyr)
library(future)
library(Seurat)
library(clustree)
library(cowplot)
library(data.table)
library(dplyr)
library(ggplot2)
library(patchwork)
library(stringr)
library(qs)
# 導(dǎo)入數(shù)據(jù)
sce.all.int <- readRDS('2-harmony/sce.all_int.rds')
sp <- 'human'
head(sce.all.int@meta.data)
load("phe.Rdata")
head(phe)
sce.all.int <- AddMetaData(sce.all.int, metadata = phe)
Idents(sce.all.int) <- "celltype"
table(Idents(sce.all.int))
看一下它對(duì)UMAP可視化的厲害之處！
1、先看默認(rèn)主題一鍵出圖：
################## umap1
library(SCP)
head(sce.all.int@meta.data)
CellDimPlot(sce.all.int, group.by = "celltype", reduction = "UMAP")
這個(gè)配色非常CNS，且圖中展示了總細(xì)胞數(shù)，每個(gè)亞群的細(xì)胞數(shù)這些信息：
2、坐標(biāo)改成 左下小箭頭，也是大家非常常見(jiàn)的需求！
# 左下小箭頭
CellDimPlot(sce.all.int, group.by = "celltype", reduction = "UMAP", theme_use = "theme_blank")
3、只顯示X、Y軸
還可以一鍵調(diào)整整體字體大小：
CellDimPlot(sce.all.int, group.by = "celltype", reduction = "UMAP",
theme_use = ggplot2::theme_classic, theme_args = list(base_size = 16))
上面三個(gè)是我最喜歡的ump風(fēng)格，還有很多其他，總有你的一款：
第二種：Nebulosa（r包）
Nebulosa 是一個(gè)基于核密度估計(jì)可視化單細(xì)胞數(shù)據(jù)的 R 包，主要通過(guò)結(jié)合細(xì)胞之間的相似性來(lái)恢復(fù)丟失特征中的信號(hào)，從而實(shí)現(xiàn)細(xì)胞特征的“卷積”。
學(xué)習(xí)官網(wǎng)：https:///packages/devel/bioc/vignettes/Nebulosa/inst/doc/nebulosa_seurat.html
Nebulosa 的主要功能是 plot_density，讓我們按照以下方式繪制 一些marker基因 的核密度估計(jì)圖，展示的marker基因表達(dá)水平高低：
# 安裝一下
options(BioC_mirror="https://mirrors./bioconductor")
options("repos"=c(CRAN="https://mirrors./CRAN/"))
BiocManager::install("Nebulosa")
library(Nebulosa)
1、 繪制一個(gè)基因PTPRC
這種圖也是在很多CNS級(jí)別的文章中出現(xiàn)的：
# 繪制一個(gè)基因PTPRC
p1 <- plot_density(sce.all.int, c("PTPRC"),size = 0.3)
p1
2、繪制多個(gè)基因
# 同時(shí)繪制多個(gè)基因
p3 <- plot_density(sce.all.int, c("CD3D","CD4","CD8A","CD68"),size = 0.3)
p3
結(jié)果如下：
3、繪制基因共表達(dá)
這里可以同時(shí)展示兩個(gè)基因都表達(dá)的地方：
# combine = FALSE 只保留兩個(gè)基因都表達(dá)的區(qū)域
p4 <- plot_density(sce.all.int, c("CD8A", "CCR7"), joint = TRUE,combine = FALSE)
p4
第三種：scCustomize（r包）
學(xué)習(xí)官網(wǎng)：https://samuel-marsh./scCustomize/index.html
# 安裝
# Base R
install.packages("scCustomize")
繪圖：可以繪制一個(gè)marker，也可以展示多個(gè)marker：
################## umap4：scCustomize
library(viridis)
library(Seurat)
library(scCustomize)
FeaturePlot_scCustom(seurat_object = sce.all.int, features = c("VWF","CD3E"), order = F)
這種風(fēng)格很像早期的椒鹽繪圖風(fēng)格：你看這個(gè)著色點(diǎn)是不是很像灑在雞腿上面的椒鹽！（椒鹽風(fēng)格這個(gè)詞我在一篇單細(xì)胞文獻(xiàn)中遇到過(guò)，現(xiàn)在找不見(jiàn)了，當(dāng)時(shí)還專(zhuān)門(mén)在群里問(wèn)了來(lái)著哈哈哈哈）
還可以輕松地修改配色：
# 修改顏色
# Set color palette
pal <- viridis(n = 10, option = "D")
FeaturePlot_scCustom(seurat_object = sce.all.int, features = c("VWF","CD3E"),
colors_use = pal, order = T,pt.size = 0.3)
第四種：ggplot2繪制細(xì)胞密度umap圖
在seurat包中有人提出一個(gè)繪圖需求：https://github.com/satijalab/seurat/issues/6962
這種圖主要用來(lái)處理數(shù)據(jù)點(diǎn)重疊問(wèn)題時(shí)非常有用，使用 MASS::kde2d() 進(jìn)行二維核密度估計(jì)，并通過(guò)等高線顯示結(jié)果，geom_density_2d() 繪制等高線，而 geom_density_2d_filled() 繪制填充的等高線帶。
鏈接：https://ggplot2./reference/geom_density_2d.html
library(cetcolor)
library(Seurat)
library(ggplot2)
# 設(shè)置顏色
scale.col <- cet_pal(16, name = "fire")
# generate UMAP plot
pl1 <- UMAPPlot(sce.all.int, combine = FALSE) # returns full ggplot object
pl1
# make plot
pl1[[1]] &
stat_density_2d(aes_string(x = "umap_1", y = "umap_2", fill = "after_stat(level)"),
linewidth = 0.2, geom = "density_2d_filled",
colour = "ivory", alpha = 0.4, n = 150, h = c(1.2, 1.2)) &
scale_fill_gradientn(colours = scale.col) &
DarkTheme()
這種風(fēng)格很獨(dú)特：
第五種：ggpointdensity（r包）
在二維坐標(biāo)系中可視化數(shù)據(jù)點(diǎn)有幾種方法：如果你有大量的數(shù)據(jù)點(diǎn)重疊在一起，geom_point() 無(wú)法為你提供重疊點(diǎn)的數(shù)量估計(jì)。
剛剛上面介紹的geom_density2d() 和 geom_bin2d() 可以解決這個(gè)問(wèn)題，但它們使得無(wú)法調(diào)查個(gè)別異常點(diǎn)，而這些異常點(diǎn)可能具有研究?jī)r(jià)值。
geom_pointdensity() 旨在通過(guò)結(jié)合兩者的優(yōu)點(diǎn)來(lái)解決這個(gè)問(wèn)題：各個(gè)點(diǎn)根據(jù)鄰近點(diǎn)的數(shù)量進(jìn)行著色。這使得你既能看到整體分布，也能看到個(gè)別點(diǎn)。
學(xué)習(xí)官網(wǎng)：https://github.com/LKremer/ggpointdensity
細(xì)胞密度圖：
# 安裝
install.packages("ggpointdensity")
library(ggpointdensity)
# 提取umap坐標(biāo)數(shù)據(jù)
dat <- Embeddings(sce.all.int, reduction = "umap")
head(dat)
# umap_1 umap_2
# SC67mf2_AAACCTGAGAGTAATC -3.541568 5.127461
# SC67mf2_AAACCTGAGCGCTTAT -6.623588 -3.025122
# SC67mf2_AAACCTGAGGACACCA -4.586405 1.513219
ggplot(data = dat, mapping = aes(x = umap_1, y = umap_2)) +
geom_pointdensity() +
scale_color_viridis()
當(dāng)然，它還可以展示marker特征基因表達(dá)：
# 提取umap坐標(biāo)以及特征基因表達(dá)
df <- FetchData(object =sce.all.int, vars = c("umap_1", "umap_2", "CD3D"), layer = "data")
head(df)
# umap_1 umap_2 CD3D
# SC67mf2_AAACCTGAGAGTAATC -3.541568 5.127461 0.000000
# SC67mf2_AAACCTGAGCGCTTAT -6.623588 -3.025122 1.430228
# SC67mf2_AAACCTGAGGACACCA -4.586405 1.513219 0.000000
p <- ggplot(df, aes(x= umap_1, y= umap_2 )) +
geom_point(data = df %>% filter(CD3D == 0), color = "#440154FF", size = 0.6) +
ggpointdensity::geom_pointdensity(data = df %>% filter(CD3D > 0), size = 0.6) +
viridis::scale_color_viridis() +
theme_classic(base_size = 14) +
labs(color= "CD3D")
p
結(jié)果如下：
上面哪一款是你的菜？可以在評(píng)論區(qū)大聲說(shuō)出來(lái)（愛(ài)就要勇敢說(shuō)出來(lái)?。?/strong>
友情宣傳：
生信入門(mén)&數(shù)據(jù)挖掘線上直播課2025年1月班
時(shí)隔5年，我們的生信技能樹(shù)VIP學(xué)徒繼續(xù)招生啦
滿足你生信分析計(jì)算需求的低價(jià)解決方案
