T 细胞研究的常规方法，无非经典的流式细胞术，功能实验和基因表达分析。
流式细胞术。先使用流式细胞术检测 T 细胞表面或者胞内分子的表达，如CD4、CD8、CD25、FOXP3等标记，区分不同亚群的 T 细胞（免疫表型分析）；然后检测细胞因子（如IFN-γ、IL-2等）的产生，评估 T 细胞的功能状态（功能分析）。 功能实验。杀伤功能：评估细胞毒性 T 细胞对靶细胞（如肿瘤细胞或病毒感染细胞）的杀伤能力。增殖功能：用噻唑蓝（MTT）或羧基荧光素二醋酸盐（CFSE）稀释测试，检测 T 细胞的增殖能力。 基因表达分析。实时定量PCR：用于定量分析 T 细胞特异性基因的表达。转录组测序（RNA-seq）：包括常规和单细胞转录组测序，可提供 T 细胞在不同激活状态或不同亚型中全基因表达的全景视图。
在张泽民老师团队题为Landscape of Infiltrating T Cells in Liver Cancer Revealed by Single-Cell Sequencing的论文中，CD8+ T 细胞和 CD4+ T 细胞的单细胞可视化热图，其实也没那么美观！当然，美图美不美不是关键！关键是找到线索，实验验证。
CD8+ T 细胞
如果我们先做个美化，或者个性化展示，那当然更好！
## 先选择基因，将其转化为列表，然后比对到原数据。## markers自己个性化定义markers <- as.data.frame(markers)markerdata <- ScaleData(scedata, features = as.character(unique(markers$markers)), assay = "RNA")## 默认绘图DoHeatmap(markerdata,features = as.character(unique(markers$markers)),group.by = "celltype",assay = 'RNA')## 美化绘图DoHeatmap(markerdata,features = as.character(unique(markers$markers)),group.by = "celltype",assay = 'RNA',group.colors = c("#00BFC4","#AB82FF","#00CD00","#C77CFF"))+scale_fill_gradientn(colors = c("white","grey","firebrick3"))## 重新美化markerdata$celltype <- factor(x=markerdata$celltype,levels = c("Endothelial","Fibroblast","Epithelial","Immune","Other"))DoHeatmap(markerdata,features = as.character(unique(markers$markers)),group.by = "celltype",assay = 'RNA',group.colors = c("#00BFC4","#AB82FF","#00CD00","#C77CFF"))+scale_fill_gradientn(colors = c("white","grey","firebrick3"))
还可以提取表达矩阵，然后分组注释，用heatmap或者ComplexHeatmap做图。
library(Seurat)library(stringr)library(dplyr)all.markers <- FindAllMarkers(scedata,only.pos = TRUE,min.pct = 0.25,logfc.threshold = 0.75)## markers个性化定义sc_marker <- all.markers[markers,]## 提取表达矩阵，分组注释exp <- GetAssayData(scedata, slot = "counts")exp <- log10(exp + 1)head(scedata$celltype)new_celltype <- sort(scedata$celltype)head(new_celltype)cs_data <- as.matrix(exp[sc_marker$gene, names(new_celltype)])ac=data.frame(cluster=new_celltype)rownames(ac)=colnames(cs_data)
用heatmap绘制热图
library(pheatmap)pheatmap(cs_data,show_colnames =F,show_rownames = T,cluster_rows = F,cluster_cols = F,annotation_col=ac,border_color = "black")
library(ComplexHeatmap)color = paletteer_d("ggsci::nrc_npg")[c(1,3,4,2,5)]names(color) <- levels(new_celltype)top_anno <- HeatmapAnnotation(cluster=anno_block(gp=gpar(fill=color),labels = levels(new_celltype),labels_gp = gpar(cex=0.5,color='white',fontsize = 18)))Heatmap(cs_data,cluster_rows = FALSE,cluster_columns = FALSE,show_column_names = FALSE,show_row_names = T,column_split = new_celltype,top_annotation = top_anno,column_title = NULL,heatmap_legend_param = list(title='Expression',title_position='leftcenter-rot'),col = colorRampPalette(c("white","#66CCFF","#333366"))(100),border = "black",row_names_gp = gpar(fontsize = 8))
