admin 百科大全 2023-04-09 13:05:59

nature级别图表：一个注释气泡热图函数（适用于单细胞及普通数据）

❝

详情请联系作者：

❞之前我们写过一个函数，主要是展示单细胞比例图（nature级别图表：单细胞转录组细胞比例统计可视化函数），很多小伙伴购买函数，在使用过程却出现问题，主要的原因是我们在帖子里写的不够清楚，小伙伴也没有理解代码的意思，鉴于一个一个解释太费时间，我们决定写函数的帖子一律录制视频解说(视频在B站，搜索：KS科研分享与服务)，方便大家使用。
所以，本次函数的使用我们已经制作好视频了，B站链接：
https://www.bilibili.com/video/BV16h411g7C1/?spm_id_from=333.999.0.0 vd_source=05b5479545ba945a8f5d7b2e7160ea34
需要购买函数的小伙伴可添加作者微信联系。微信VIP群已提前发布过，没有看到的小伙伴可查看记录。QQ群成员还是半价。

正式内容

我们写了一个作图函数Dotplot_anno()。首先写的初衷是为了展示单细胞marker基因，并对基因进行注释。但是后来我们将这个函数的功能扩大了，不仅仅使用在单细胞中，而且可以使用在普通基因表达气泡热图或者方块热图的使用上，并对需要的基因进行注释。或者在多组富集气泡图展示上，并对通路绘制相关的注释。而且，对legend给加上了边框。理解函数内容，学习更多。

函数的相关参数在开头已经进行详细了的注释。接下来就使用下看看效果！这个函数输入的数据单细胞是seurat对象，其他的数据则是ggplot可识别的长数据，如果是宽数据需要自己转化，对照我们的示例数据。

1、单细胞marker基因展示

首先我们运行单细胞数据看看效果：这里的features基因的顺序可以自定义，至于基因的分组要和group结合一致。

library(Seurat)library(ggplot2)library(dittoSeq)library(viridis)setwd('D:/KS项目/公众号文章/seurat中Dotplot注释函数')source('./Dotplot_anno.R')#单细胞的效果DefaultAssay(uterus) - "RNA"markers - c("ACTA2", "RGS5", #smooth muscle cells---7, 16 "MS4A6A", "CD68","LYZ",#macrophages---13 "CCL5", "STK17B","PTPRC",#lymphocytes---0,3,4,5,6,14,15,17,23,18,19 "DCN", "COL6A3", "LUM",#stromal fibroblasts---2,20 "PECAM1","PCDH17", "VWF",#endothelial cells---8,11,22 "EPCAM", "CDH1",#(unciliated)epithelial cells---1,9,21 "FOXJ1","CDHR3","DYDC2")#(ciliated)epithelial cells---10,12
Dotplot_anno(uterus, features = markers, celltype_color = dittoColors(), group = c(rep('SMC',2), rep('MAC',3),rep('Ly',3), rep('SF',3), rep('EC',3),rep("UEC",2), rep('CEC',3)), color = colorRampPalette(c("navy","white","firebrick3"))(100), order = T)

2、基因表达热图
接下来看看bulk的效果，对于bulk表达数据，bulk基因表达量那一列列名要修改命名成exp，对于非单细胞的数据，首先要进行设置的一个参数就是single_type=F，表明我们的对象不是单细胞对象。

df - read.csv('Bulk.csv', header = T)df$exp - log10(df$exp)#气泡图效果Dotplot_anno(df, single_type = F, group = c(rep('inflammation',7), rep("chemotaxis",6), rep("cytotoxicity",5)), celltype_color = dittoColors(), color = colorRampPalette(c("navy","white","firebrick3"))(100), order = F,heatmap = F, bulk_feature = 'features.plot', bulk_samples = 'id')

#热图效果Dotplot_anno(df, single_type = F, group = c(rep('inflammation',7), rep("chemotaxis",6), rep("cytotoxicity",5)), celltype_color = dittoColors(), color = colorRampPalette(c("navy","white","firebrick3"))(100), order = F,heatmap = T, bulk_feature = 'features.plot', bulk_samples = 'id')

3、富集气泡图

富集分析则是需要将log（P）那一列列名修改为exp，而且gene ratio那一列的列名必须修改为ratio。当然，首先要进行设置的一个参数就是single_type=F。

#看一下富集效果df2 - read.csv('df_enrich.csv',header = T)df2$exp - -log10(df2$exp)Dotplot_anno(df2, single_type = F, group = c(rep('immune',5), rep("Metabolism",5), rep("stress",5), rep("antigen",5)), celltype_color = dittoColors(), color = viridis(256), order = F, bulk_feature = 'features.plot', bulk_samples = 'id',)

修改下顺序，效果会好点。

#自定义顺序Dotplot_anno(df2, single_type = F, group = c(rep('immune',5), rep("Metabolism",5), rep("stress",5), rep("antigen",5)), celltype_color = dittoColors(), color = viridis(256), order = T, bulk_feature = 'features.plot', bulk_samples = 'id', level=c('NK',"CD14+ Mono","DC","FCGR3A+ Mono"))