玩转单细胞(19)：单细胞Seurat分析基本可视化实现python版Scanpy风格

学术 2025-01-20 09:00 黑龙江

偷偷问一下，关注了吗？

内容获取

1、购买打包合集（2025KS微信VIP付费合集），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(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(18)：UMAP图修饰之同时展示亚群/cluster与总的细胞群

这个问题我们之前提到过，很多小伙伴可能看到某些文章中这样的可视化，很感兴趣，其实熟悉python分析的小伙伴一眼就可以看出是scanpy出图，虽然R也能实现这样的效果，但是自从我们集全了seurat转h5ad（单细胞seurat V5转V4格式及seurat转为h5ad格式），以及h5ad转seurat之后（玩转单细胞(16)：Scanpy单细胞h5ad数据转化为Seurat对象），这都不是问题了，想要这种风格的作图，直接转化格式即可！

（reference：Molecular logic for cellular specializations that initiate the auditory parallel processing pathways）

这里我们首先演示直接将seurat转化为h5ad，使用scanpy作图：转化我使用的是sceasy包，很简单方便：

setwd('./data_analysis/Gene_NMF/')# devtools::install_github("cellgeni/sceasy")library(sceasy)library(reticulate)use_condaenv('sceasy')loompy <- reticulate::import('loompy')uterus <- readRDS("~/data_analysis/Gene_NMF/uterus.rds")sceasy::convertFormat(uterus, from="seurat", to="anndata", outFile='uterus.h5ad')

#plot TSNEimport scanpy as scimport anndata#这里我seurat的数据是TSNE降维uterus = anndata.read_h5ad('./uterus.h5ad')sc.pl.tsne(    uterus,    color=["celltype"],    frameon=False,    ncols=1,)

#plot marker gene dotplot#每种celltype对应的marker genemarkers = {'Smooth muscle cells':['ACTA2', 'RGS5'],           'Macrophages':['MS4A6A','CD68','LYZ'],           'Lymphocytes':['CCL5','STK17B','PTPRC'],           'Stromal fibroblasts':['DCN', 'COL6A3', 'LUM'],           'Endothelial cells':['PECAM1','PCDH17', 'VWF'],           'Unciliated epithelial cells':['EPCAM', 'CDH1'],           'Ciliated epithelial cells':['FOXJ1','CDHR3','DYDC2'],}
sc.pl.dotplot(uterus, markers, 'celltype',dendrogram=True)

当然了，也有小伙伴完全没有接触过python，想用R做出这样的效果，不必担心，优秀的老俊俊推出过R版的包，实现scanpy的效果。更多参数请详细阅读帮助函数。

其他优秀可视化参考：（https://github.com/junjunlab/scRNAtoolVis）

#安装包install.packages('devtools')devtools::install_github('junjunlab/scRNAtoolVis')library(Seurat) library(ggplot2)library(dplyr)library(scRNAtoolVis)

uterus <- readRDS("D:/KS项目/公众号文章/uterus.rds")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

markers_plot <- data.frame(cluster = c(rep("Smooth muscle cells",2),                                  rep("Macrophages",3),                                  rep("Lymphocytes",3),                                  rep("Stromal fibroblasts",3),                                  rep("Endothelial cells",3),                                  rep("Unciliated epithelial cells",2),                                  rep("Ciliated epithelial cells",3)),                      gene = markers)


jjDotPlot(object = uterus,          markerGene = markers_plot,          anno = T,          id = 'celltype',          textSize = 10,          base_size= 10,          plot.margin = c(5,3,3,3))

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）