单细胞数据分析内部最基础的即是降维聚类分群セフレ 巨乳，参考前边的例子：东谈主东谈主都能学会的单细胞聚类分群扫视 ，这个民众基本上问题不大了，使用seurat方法经过即可，不外它默许出图并不排场，详见夙昔咱们作念的投票：可视化单细胞亚群的符号基因的5个设施，底下的5个基础函数确信民众都是还是烂熟于心了：
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)上几期的推文给民众分享了我对于用热图可视化及好意思化marker基因的执行
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一皆来了解一下Dotplot可视化Marker基因吧。
Dotplot贬抑图融会在进行细胞亚群扫视的时代，不错使用Dotplot可视化蚁合整理的基因集，来缓助咱们进行细胞亚群的判断
图片
（PS : 不错看到咱们蚁合整理的基因的特异性都终点好，绝大部分都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亚群内部的险些是百分百抒发，可是在其他亚群都是不抒发！）
要是暖热单个基因的话，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相反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，何况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大概是跟前边的百分比通常的贬抑，是以民众务必细心图例！）
Dotplot贬抑图上会展示出来Average Expressed以及Percent Expressed，及基因的平均抒发量（点的神志）以及抒发的百分比（点的大小）
通过将绘图贬抑保存为一个变量，不错看到内部的保存的用于绘图的数值
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
国产视频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的贪图设施
图片
1. 肤浅尝试贪图平均抒发量-Average Expressed：稽查B细胞亚群内部MTIF2基因的平均抒发量セフレ 巨乳
取出B细胞亚群，赢得B细胞亚群内部MTIF2基因原始抒发矩阵，贪图平均抒发量
#average expressedsce.B = sce.all.int[， sce.all.int$celltype %in% c( 'Bcell')]gene_expression <- sce.B[["RNA"]]$counts["MTIF2"， ]# 贪图平均抒发量，忽略NA值average_expression <- mean(gene_expression/sce.B$nCount_RNA*10000， na.rm = TRUE)
图片
图片
2. 贪图基因在不同亚群内部的抒发百分比Percent Expressed
统计并整理基因在不同细胞亚群的抒发与否情况，然后贪图抒发数目占全部细胞亚群数目的百分比
#pct.express贪图方式MTIF2 = sce.all.int@assays$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))# 贪图每个细胞亚群中总细胞数data$TotalCells <- data$MTIF2_FALSE + data$MTIF2_TRUE# 贪图每个细胞亚群中MTIF2的抒发占比，并添加到data表格中data$PercentExpressed <- (data$MTIF2_TRUE / data$TotalCells)*100图片
图片
在绘图展示的labels中，x轴是咱们遴荐展示的基因，y轴identity是细胞亚群，点的大小是由pct.exp决定的，神志是由avg.exp.scaled决定的
图片
对于avg.exp.scaled的贪图莫得去尝试，民众感敬爱的不错看一下Dotplot函数的具体贪图方式
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，还有一些和点的神志大小以及scale范围推测的参数
点的神志及缩放大小cols: 绘图神志——不错是RColorBrewer包中的调色板称呼，也不错是自界说的渐变的两种神志，或者是界说多个渐变的三种以上神志（要是培植了split.by）。
col.min: 缩放后平均抒发的神志最小阈值。
col.max: 缩放后平均抒发的神志最大阈值。
图片
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，不错通过这个参数治愈各个气泡大小之间相反进度图片
scale: 详情数据是否缩放，TRUE为默许。scale.by: 通过'size'或'radius'两种方式缩放点的大小，默许为"radius"。scale.min: 培植缩放的下限，使用NA为默许值。scale.max: 培植缩放的上限，使用NA为默许值。使用默许参数绘图具体绘图及好意思化如故使用pbmc-3k的扫视分群后的示例数据，使用FindAllMarkers查找并赢得top5的Marker基因进行可视化
#top5 marker基因赢得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，不治愈展示的情况
DotPlot(pbmc， features = g)
图片
不错看到features展示列全部挤在了一皆，未便于阅读。是以不错对接收参数歪斜展示基因，或者将基因和细胞亚群疏通位置
1. 治愈features的陈列角度
DotPlot(pbmc， features = g) + RotatedAxis()
图片
2.将features和identity疏通位置
DotPlot(pbmc， features = g) + coord_flip()+ RotatedAxis()
图片
小结这期肤浅了解了一下Dotplot展示的Average Expressed以及Percent Expressed贪图方式，以及Dotplot常用参数
临了肤浅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疏通位置对贬抑图进行肤浅的治愈
Dotplot可治愈的点还有好多，下期一皆来了解一下基于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，最佳是有我方的贪图机资源哦セフレ 巨乳，比如咱们的2024的分享劳动器交个一又友福利价仍然是800，何况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。
本站仅提供存储劳动，统共执行均由用户发布，如发现存害或侵权执行，请点击举报。