ai 文爱

筋膜枪 自慰 Doheatmap常用参数及好意思化

筋膜枪 自慰 Doheatmap常用参数及好意思化

前情摘要

在上期的推文细胞类群marker基因识别及可视化扫尾的时候筋膜枪 自慰,提到了五种基本可视化Marker基因的相貌

图片筋膜枪 自慰

那这期一谈来了解一下DoHeatmap函数的参数缔造,以及在可视化marker基因有什么不错调度修改的场地。

DoHeatmap常用参数

图片

常用参数object:输入的seurat对象features:要绘图的基因向量,不错是marker基因也不错需要可视化的基因集cells:要绘图的细胞,默许是全部的细胞slot = "scale.data":指定使用的数据,默许使用的是scale.data分组信息实时势group.by = "ident":分组的依据,不错自行遴聘,默许是active.ident的实质group.bar:添加分组信息的时势条group.colors:指定分组时势条的时势group.bar.height = 0.02:缩放时势条的高度标签信息label = TRUE:分组信息的标签size = 5.5:文本字体的代销hjust = 0:水平对王人vjust = 0:垂直对王人angle = 45:歪斜的角度分隔线draw.lines = TRUE:用线将各组信息分隔lines.width = NULL:分隔线的宽度DoHeatmap可视化及好意思化获得marker基因径直可视化

用到的数据,照旧seurat官网pbmc-3k的示例数据

爱啦啦视频在线观看

走完基本的降维聚类分群,然后使用FindAllMarkers分析获得全部亚群的marker基因,然后遴聘top5的marker基因进行可视化

pbmc.markers <- FindAllMarkers(pbmc, only.pos = TRUE, min.pct = 0.25,  logfc.threshold = 0.25, verbose = FALSE)top5 = pbmc.markers %>% group_by(cluster) %>% top_n(n = 5, wt = avg_log2FC)g = unique(top5$gene)#五种相貌可视化marker基因DoHeatmap(pbmc,features = g) + NoLegend()

图片

径直可视化的恶果图有些不错调度的点:

标签角度:默许参数会导致部分标签信息展示不全脸颜色整:默许时势有点不好意思瞻念top5基因时势在对应亚群莫得很明显,因为莫得scale是以展示莫得很明显细胞数目太多,不错研究抽样展示,不展示太具体的细胞CD4 T的marker基因在naive和memory间亮度不明显,可能因为marker基因不够特异,后续不错再细分1. 调度时势和标签角度

因为默许参数的标签的角度是angle = 45是以是向右歪斜的,导致Platelet标签会披露不全

不错调动一下横轴标签的成列章程不错调动一下歪斜的角度
#调动标签的成列章程pbmc$cell_type <- factor( x= pbmc$cluster_by_counts ,c("Naive CD4 T", "CD14+ Mono", "Memory CD4 T",                                                       "B", "CD8 T","FCGR3A+ Mono", "Platelet", "NK", "DC"))#调度歪斜角度和时势DoHeatmap(pbmc,features = g,group.by = "cell_type",group.colors = mycolors,          size = 3,angle = -50,hjust=0.8) +   scale_fill_gradientn(colors = c("white","grey","firebrick3"))

使用group.colors调度分组时势——不错缔造和umap图同样的时势,使用scale_fill_gradientn调度热图的时势,一般缔造三个时势

图片

2. 再行scale何况抽样展示

正好意思瞻念到群里有一又友在问,为什么选了top5基因进行可视化的时候,平时会发现展示的时候只剩下3到4个基因?

之前作念细胞类群醒目top5基因的dotplot的时候延续发现剩3个4个基因,我合计是这一步2000筛除了

因为DoHeatmap中默许slot = "scale.data" ,也等于用的数据是ScaleData后的恶果数据集。而FindAllMarkers中默许slot = "data" ,也等于用的数据是NormalizeData后的数据集。

因此就可能会形成DoHeatmap画热图时,不在前2000个高变基因中的marker不出当今热图中。不错基于top基因再行scale,何况抽样展示,不展示全部的细胞

#基于top基因再行scale并迅速抽样pbmc.Scale <- ScaleData(subset(pbmc,downsample=100),features = g )  DoHeatmap(pbmc.Scale,          features = g,          group.by = "cell_type",size = 3,          assay = 'RNA', label = T)+  scale_fill_gradientn(colors = c("white","grey","firebrick3"))

图片

3.是否展示图例

一般是默许展示图例的,如若不思展示的话不错加上NoLegend(),遴聘不展示图例

DoHeatmap(pbmc.Scale,          features =  g,          group.by = "cell_type",size = 3,          assay = 'RNA', label = T)+NoLegend()+  scale_fill_gradientn(colors = c("white","grey","firebrick3"))

图片

小结

这期推文主要整理了一下DoHeatmap的常用参数,以及基于DoHeatmap的参数咱们不错进行的一些图片调度与好意思化。

好多一又友在进行热图可视化的时候筋膜枪 自慰,会遴遴聘到Complexheatmap包,进行好意思化。那下期不错一谈来学习一下使用Complexheatmap绘图热图。

本站仅提供存储做事,所有实质均由用户发布,如发现存害或侵权实质,请点击举报。

上一篇:麻豆 足交 非遗+旅游、乡村糊口……假期还没决定去哪?不错来这些地方望望    下一篇:裸舞 合集 商场利率订价自律机制:主要交易银行原则上不晚于10月12日发布批量调节存量房贷利率操作笃定    

友情链接:

Powered by ai 文爱 @2013-2022 RSS地图 HTML地图

Copyright Powered by365站群 © 2013-2024