玩转单细胞(18):UMAP图修饰之同时展示亚群/cluster与总的细胞群

学术   2024-12-07 10:00   重庆  

偷偷问一下,关注了吗

内容获取


1、购买打包合集(《KS科研分享与服务》付费内容打包集合),价格感人,可以加入微信VIP群(答疑交流群,甚至有小伙伴觉得群比代码更好),可以获取建号以来所有内容,群成员专享视频教程,提前更新,其他更多福利!


2、《KS科研分享与服务》公众号有QQ群,进入门槛是20元(完全是为了防止白嫖党,请理解),请考虑清楚。群里有免费推文的注释代码和示例数据(终身拥有),没有付费内容,群成员福利是购买单个付费内容半价!


需要者详情请联系作者(非需要者勿扰,处理太费时间):


玩转单细胞往期精彩系列:
玩转单细胞(1):玩转单细胞---提取特定基因表达的细胞群分析(一个小问题)
玩转单细胞(2):Seurat批量做图修饰
玩转单细胞(3):堆叠柱状图添加比例
玩转单细胞(4):单细胞相关性
玩转单细胞(5):单细胞UMAP图只标记特定细胞群、圈定细胞群及坐标轴修改
玩转单细胞(6):单细胞差异基因展示之对角散点图
玩转单细胞(7):修改Seurat对象基因名称
玩转单细胞(8): 单细胞3维聚类图展示
玩转单细胞(9):单细胞Seurat对象数据操作
玩转单细胞(10):替换单细胞Seurat对象UMAP坐标
玩转单细胞(11):Seurat单细胞基因表达DotPlot图分面设置
玩转单细胞(12):单细胞celltype颜色、顺序设置及V5小问题
玩转单细胞(13):Seurat V5单细胞基本可视化
玩转单细胞(14): 玩转单细胞(14): 单细胞分亚群之后分群信息返回原来的seurat对象
玩转单细胞(15):一些简便的作图、数据运行处理小技巧

玩转单细胞(16):Scanpy单细胞h5ad数据转化为Seurat对象

玩转单细胞(17):差异基因分析可以舍弃一些没必要的基因-例如MT..RPL..
玩转单细胞系列都是一些小玩意,别看内容小,但并不是无关紧要的,有时候往往能够解决你的小问题!接到粉丝”举报“,为什么有的文章单细胞降维图,label的celltype里面怎么颜色不一样,其实就是label的大群,但是里面颜色不一样的是亚群或者clusters。

实现也很简单,提取注释结果即可:
library(Seurat)library(dplyr)library(ggplot2)library(ggrepel)#===============================================================================#UMAP plotemb <- Embeddings(obj,reduction = 'umap') %>% #提取坐标数据  as.data.frame() %>%   mutate(clusters=obj@meta.data$seurat_clusters,#添加cell注释信息         celltype=obj@meta.data$celltype)
#ggplot作图ggplot(emb, aes(UMAP_1,UMAP_2))+ geom_point(aes(colour = clusters), size=0.5)+#颜色选择cluster theme_classic()+ theme(axis.text = element_text(color = 'black', size = 10))+ scale_color_manual(values = c("#edc951","#eb6841","#cc2a36","#4f372d","#00a0b0", "#7A989A", "#849271", "#CF9546", "#C67052", "#C1AE8D", "#3F6F76", "#C65840", "#F4CE4B", "#62496F", "#69B7CE", "#A4B7E1", "#B8B87A"))#修改颜色

添加label,自行调整合适的位置:最好自己在AI/PS将同一celltype圈起来更直观!
label <- emb %>%  group_by(celltype) %>%    summarise(UMAP_1 = median(UMAP_1),            UMAP_2 = median(UMAP_2))%>%    as.data.frame()

ggplot(emb, aes(UMAP_1,UMAP_2))+ geom_point(aes(colour = clusters), size=0.5)+#颜色选择cluster theme_classic()+ theme(axis.text = element_text(color = 'black', size = 10))+ scale_color_manual(values = alpha(c("#edc951","#eb6841","#cc2a36","#4f372d","#00a0b0", "#7A989A", "#849271", "#CF9546", "#C67052", "#C1AE8D", "#3F6F76", "#C65840", "#F4CE4B", "#62496F", "#69B7CE", "#A4B7E1", "#B8B87A"),0.5))+ geom_text(data = label[label$celltype %in% c("Muscle",'Fibroblasts','Endothlial'),], aes(UMAP_1,UMAP_2, label=celltype), nudge_y = 4, color = 'black', size = 4) + geom_text(data = label[label$celltype %in% c("T cells",'Mast cells','Melanocytes','Lymphatic'),], aes(UMAP_1,UMAP_2, label=celltype), nudge_y = 2, color = 'black', size = 4) + geom_text(data = label[label$celltype %in% c("Keratinocytes"),], aes(UMAP_1,UMAP_2, label=celltype), nudge_y = 2,nudge_x = 5, color = 'black', size = 4) + geom_text(data = label[label$celltype %in% c('Myeloid'),], aes(UMAP_1,UMAP_2, label=celltype), nudge_y = 4, color = 'black', size = 4) + NoLegend()

这样就完成了!觉得我们分享有些用的,点个赞再走呗!
关注我们获取精彩内容:


关注不迷路:扫描下面二维码关注公众号!
B站视频号链接https://space.bilibili.com/471040659?spm_id_from=333.1007.0.0




关注 KS科研分享与服务,

认清正版优质内容和服务!

优质内容持续输出,物超所值!

合作联系:ks_account@163.com

新的板块-重要通知-双向选择

KS科研分享与服务
科研学习交流于分享,生信学习笔记,科研经历和生活!
 最新文章