【TOP生物信息】CNS图表复现，单细胞marker基因展示的另一种方式—

【TOP生物信息】CNS图表复现，单细胞marker基因展示的另一种方式——蜂巢图

扫码关注下方公粽号，回复推文合集，获取400页单细胞学习资源！

在这里插入图片描述

本文共计1359字，阅读大约需要4分钟。

Sten Linnarsson大神的单细胞绘图堪称极致美学，在这里，小编选择了发表在nature上展示marker基因的绘图进行复现。

本文目录如下：

准备数据
常规小提琴图展示
使用geom_beeswarm()绘制
使用geom_quasirandom()绘制
更换配色
更换主题
获取代码和数据
参考
往期回顾

准备数据

首先处理单细胞数据为ggplot2绘图所需格式，准备的数据包括marker基因名（gene），单个细胞编号名（CB），细胞分群命名（celltype），基因表达量（exp）作为输入数据，进行melt转换后得到如下展示的数据表（vln.df）

library(tidyverse)
library(ggplot2)
library(ggbeeswarm)
library(scales)
library(reshape2)
vln.df <- read.csv(file = 'vln.df.0319.csv',row.names = 1)
vln.df$gene = factor(vln.df$gene,levels = c("Krt18","Krt14","Mbp","Cd34","Pdgfra","Cldn5","Pecam1","Acta2","Myh11","Ly6g","S100a8","Kit","Ms4a2","Mki67","Stmn1","Lyz2","Retnla","Cd74","Cd83","Jchain","Mzb1","Cd19","Cd79a","Cd3d","Cd3g","Klrd1","Nkg7")
)
head(vln.df)> head(vln.df)gene                     CB       exp celltype
1  Krt18 Brep4_TAGACTGCACTTGGGC 0.7077087   cell_B
2  Krt14 Brep4_TAGACTGCACTTGGGC 3.2859138   cell_B
3    Mbp Brep4_TAGACTGCACTTGGGC 0.0000000   cell_B
4   Cd34 Brep4_TAGACTGCACTTGGGC 0.0000000   cell_B
5 Pdgfra Brep4_TAGACTGCACTTGGGC 0.0000000   cell_B
6  Cldn5 Brep4_TAGACTGCACTTGGGC 0.0000000   cell_B

从上图观察发现，作者并没有用传统的dotplot或者violinplot进行marker基因展示，而像是用散点图绘制而来，因此我们尝试是否可以在小提琴图的基础上进行改进。

常规小提琴图展示

先看一下小提琴图的展示效果

p1 <- vln.df%>%ggplot(aes(celltype,exp),color=factor(celltype))+geom_violin(aes(fill=celltype),scale = "width")+ facet_grid(gene~.,scales = "free_y")+scale_y_continuous(expand = c(0,0))+theme_bw()+theme(panel.grid = element_blank(),axis.title.x.bottom = element_blank(),axis.ticks.x.bottom = element_blank(),axis.text.x.bottom = element_text(angle = 45,hjust = 1,vjust = NULL,color = "black",size = 14),axis.title.y.left = element_blank(),axis.ticks.y.left = element_blank(),axis.text.y.left = element_blank(),legend.position = "none",panel.spacing.y = unit(0, "cm"),strip.text.y = element_text(angle=0,size = 14,hjust = 0),strip.background.y = element_blank())
p1
ggsave("图01.png",width = 12,height = 20,units = "cm")

使用geom_beeswarm()绘制

通过一番搜寻发现，可以用ggbeeswarm包绘制散点图，ggbeeswarm提供了两种使用ggplot2创建蜂群图的方法。一个是geom_beeswarm(),另一个是geom_quasirandom()，我们分别进行尝试

首先使用geom_beeswarm()试一试。注意！散点图的绘制会比较慢，需要等待一段时间

p2 <- vln.df%>%ggplot(aes(celltype,exp,color=factor(celltype)))+geom_beeswarm(cex = 0.1)+  #用蜂巢图替代小提琴图facet_grid(gene~.,scales = "free_y")+scale_y_continuous(expand = c(0,0))+theme_bw()+theme(panel.grid = element_blank(),axis.title.x.bottom = element_blank(),axis.ticks.x.bottom = element_blank(),axis.text.x.bottom = element_text(angle = 45,hjust = 1,vjust = NULL,color = "black",size = 14),axis.title.y.left = element_blank(),axis.ticks.y.left = element_blank(),axis.text.y.left = element_blank(),legend.position = "none",panel.spacing.y = unit(0, "cm"),strip.text.y = element_text(angle=0,size = 14,hjust = 0),strip.background.y = element_blank())
ggsave("图02.pdf",plot = p2,width = 12,height = 20,units = "cm")
p2=ggrastr::rasterise(p2, dpi = 300)#得到的图太大使用ggrastr包降低分辨率进行保存
ggsave("图02b.pdf",plot = p2,width = 12,height = 20,units = "cm")

这里有一个小技巧：单细胞的点非常多，直接保存文件很大，可以使用ggrastr::rasterise()降低分辨率进行保存。

图片效果并不好，原因是ggbeeswarm会横向展开所有点。单细胞数据点太多，图片装不下，point往两边无限展开，字就往中间挤。

所有点少的时候可以用ggbeeswarm这个函数画蜂巢图。

使用geom_quasirandom()绘制

我们来看看另一个函数geom_quasirandom，当点很多的时候，该函数可以处理过度绘图(overplotting)的问题。

p3 <- vln.df%>%ggplot(aes(celltype,exp,color=factor(celltype)))+geom_quasirandom(size=0.02,method = "smiley")+ #设置散点大小，因为单细胞测序数量很多，点可以尽量小一点，否则看不出效果facet_grid(gene~.,scales = "free_y")+scale_y_continuous(expand = c(0,0))+theme_bw()+theme(panel.grid = element_blank(),axis.title.x.bottom = element_blank(),axis.ticks.x.bottom = element_blank(),axis.text.x.bottom = element_text(angle = 45,hjust = 1,vjust = NULL,color = "black",size = 14),axis.title.y.left = element_blank(),axis.ticks.y.left = element_blank(),axis.text.y.left = element_blank(),legend.position = "none",panel.spacing.y = unit(0, "cm"),strip.text.y = element_text(angle=0,size = 14,hjust = 0),strip.background.y = element_blank())
ggsave("图03.pdf",plot = p3,width = 12,height = 20,units = "cm")

与原图有些接近了，下一步修改颜色，原图采用了单一的红色配色，表达量用透明度进行区分，这里我们采用黄蓝渐变的配色方案，如果不会配色可以问chatGPT哒

更换配色

my_colors <- colorRampPalette(c("#1A5276", "#F7DC6F"))(15)p4 <- vln.df%>%ggplot(aes(celltype,exp,color=factor(celltype),alpha=abs(exp)))+ #用透明度映射基因表达量geom_quasirandom(size=0.02,method = "smiley")+facet_grid(gene~.,scales = "free_y")+scale_y_continuous(expand = c(0,0))+scale_color_manual(values = my_colors)+ #给每个celltype添加颜色theme_bw()+theme(panel.grid = element_blank(),axis.title.x.bottom = element_blank(),axis.ticks.x.bottom = element_blank(),axis.text.x.bottom = element_text(angle = 90,hjust = 1,vjust = 0.5,color = "black",size = 14),axis.title.y.left = element_blank(),axis.ticks.y.left = element_blank(), axis.text.y.left = element_blank(),legend.position = "none",panel.spacing.y = unit(0, "cm"),strip.text.y = element_text(angle=180,size = 14,hjust = 1),strip.background.y = element_blank())
ggsave("图04.pdf",plot = p4,width = 12,height = 20,units = "cm")

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-PVitPKU1-1684650313266)(data:image/svg+xml,%3C%3Fxml version=‘1.0’ encoding=‘UTF-8’%3F%3E%3Csvg width=‘1px’ height=‘1px’ viewBox=‘0 0 1 1’ version=‘1.1’ xmlns=‘http://www.w3.org/2000/svg’ xmlns:xlink=‘http://www.w3.org/1999/xlink’%3E%3Ctitle%3E%3C/title%3E%3Cg stroke=‘none’ stroke-width=‘1’ fill=‘none’ fill-rule=‘evenodd’ fill-opacity=‘0’%3E%3Cg transform=‘translate(-249.000000, -126.000000)]’ fill=‘%23FFFFFF’%3E%3Crect x=‘249’ y=‘126’ width=‘1’ height=‘1’%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)

更换主题

最后，更换theme去掉分面网格线，就得到美美的图啦~

p5 <- vln.df%>%ggplot(aes(celltype,exp,color=factor(celltype),alpha=abs(exp)))+geom_quasirandom(size=0.02,method = "smiley")+facet_grid(gene~.,scales = "free_y")+scale_y_continuous(expand = c(0,0))+scale_color_manual(values = my_colors)+theme_classic()+ #更换theme主题theme(axis.title.x.bottom = element_blank(),#axis.ticks.x.bottom = element_blank(),#添加刻度axis.text.x.bottom = element_text(angle = 90,hjust = 1,vjust = 0.5,color = "black",size = 14),axis.title.y.left = element_blank(),axis.ticks.y.left = element_blank(),axis.text.y.left = element_blank(),legend.position = "none",panel.spacing.y = unit(0, "cm"),strip.text.y = element_text(angle=180,size = 14,hjust = 1),strip.background.y = element_blank())
ggsave("图05.pdf",plot = p5,width = 12,height = 20,units = "cm")