图片偷拍 英文偷拍 英文

媒介

Hello小伙伴们公共好，我是生信手段树的小学徒”我才不吃蛋黄“。今天是胃癌单细胞数据集GSE163558复现系列第五期。第四期，咱们使用了DimPlot、FeaturePlot、DoHeatmap、DotPlot等多种函数对细胞群和基因进行了可视化。本期，咱们将绘制饼图、堆积柱状图、箱线图、气泡图等，比拟不同分组之间细胞比例各异。

1.布景

在细胞分群定名完成之后，咱们不错比拟不相通本和分组之间细胞比例的各异。细胞发生癌变、肿瘤细胞升沉、药物诊治等刺激成分，都会导致肿瘤微环境中细胞类型发生编削。不同类型的细胞实际不同的生物学功能，通过盘算细胞比例，咱们不错评估细胞类型的组内及组间散布情况。

2.可视化

在这里，咱们将递次绘制饼图、堆积柱状图、气泡图。

2.1 饼图

饼图不错直不雅展示组内各细胞比例的各异。

领先加载R包：

rm(list=ls())options(stringsAsFactors = F)library(Seurat)library(ggplot2)library(clustree)library(cowplot)library(dplyr)library(plotrix)library(ggsci)library(celldex)library(singleseqgset)library(devtools)

创建责任目次，并读取细胞分群防御后数据：

getwd()setwd()dir.create("5-prop")setwd('5-prop/')sce.all=readRDS( "../3-Celltype/sce_celltype.rds")sce.all

绘制饼图：

head(sce.all@meta.data)table(sce.all$celltype)mynames <-   table(sce.all$celltype) %>% names()myratio <-  table(sce.all$celltype) %>% as.numeric()pielabel <- paste0(mynames，" ("， round(myratio/sum(myratio)*100，2)， "%)")cols <-c('#E64A35'，'#4DBBD4' ，'#01A187'，'#6BD66B'，'#3C5588'  ，'#F29F80'  ，         '#8491B6'，'#91D0C1'，'#7F5F48'，'#AF9E85'，'#4F4FFF'，'#CE3D33'，         '#739B57'，'#EFE685'，'#446983'，'#BB6239'，'#5DB1DC'，'#7F2268'，'#800202'，'#D8D8CD')pie(myratio， labels=pielabel，    radius = 1.0，clockwise=T，    main = "celltype"，col = cols)

图片

绘制3D饼图：

pie3D(myratio，labels = pielabel，explode = 0.1，       main = "Cell Proption"，      height = 0.3，      labelcex  = 1)

图片

pie函数参数诠释：

x: 数值向量，示意每个扇形的面积。labels: 字符型向量，示意各扇形面积标签。edges: 这个参数用处不大，指的是多边形的边数（圆的笼统肖似好多边的多边形）。radius: 饼图的半径。main: 饼图的标题。clockwise: 是一个逻辑值，用来开采饼图各个切片是否按顺时针作念出分割。angle: 确立底纹的斜率。density: 底纹的密度。默许值为 NULL。col: 是示意每个扇形的神采，绝顶于调色板。

2.2 堆积柱状图

堆积柱状图除了不错展示组内各异偷拍 英文，还不错直不雅展示组间细胞比例各异。

绘制堆积柱状图前，领先整理图形输入数据：

library(tidyr)library(reshape2)tb=table(sce.all$tissue， sce.all$celltype)head(tb)library (gplots) balloonplot(tb)bar_data <- as.data.frame(tb)bar_per <- bar_data %>%   group_by(Var1) %>%  mutate(sum(Freq)) %>%  mutate(percent = Freq / `sum(Freq)`)head(bar_per) #write.csv(bar_per，file = "celltype_by_group_percent.csv")col =c("#3176B7"，"#F78000"，"#3FA116"，"#CE2820"，"#9265C1"，                "#885649"，"#DD76C5"，"#BBBE00"，"#41BED1")colnames(bar_per)

可视化：

library(ggthemes)p1 = ggplot(bar_per， aes(x = percent， y = Var1)) +  geom_bar(aes(fill = Var2) ， stat = "identity") + coord_flip() +  theme(axis.ticks = element_line(linetype = "blank")，        legend.position = "top"，        panel.grid.minor = element_line(colour = NA，linetype = "blank")，         panel.background = element_rect(fill = NA)，        plot.background = element_rect(colour = NA)) +  labs(y = " "， fill = NULL)+labs(x = 'Relative proportion(%)')+  scale_fill_manual(values=col)+  theme_few()+  theme(plot.title = element_text(size=12，hjust=0.5))p1

图片

上图是按样本类型（M、NT、PT）分组比拟的，咱们也不错按患者进行比拟：

草榴社区

bar_data <- as.data.frame(tb)bar_per <- bar_data %>%   group_by(Var1) %>%  mutate(sum(Freq)) %>%  mutate(percent = Freq / `sum(Freq)`)head(bar_per) #write.csv(bar_per，file = "celltype_by_group_percent.csv")col =c("#3176B7"，"#F78000"，"#3FA116"，"#CE2820"，"#9265C1"，       "#885649"，"#DD76C5"，"#BBBE00"，"#41BED1")colnames(bar_per)library(ggthemes)p2 = ggplot(bar_per， aes(x = percent， y = Var1)) +  geom_bar(aes(fill = Var2) ， stat = "identity") + coord_flip() +  theme(axis.ticks = element_line(linetype = "blank")，        legend.position = "top"，        panel.grid.minor = element_line(colour = NA，linetype = "blank")，         panel.background = element_rect(fill = NA)，        plot.background = element_rect(colour = NA)) +  labs(y = " "， fill = NULL)+labs(x = 'Relative proportion(%)')+  scale_fill_manual(values=col)+  theme_few()+  theme(plot.title = element_text(size=12，hjust=0.5)) +   theme(axis.text.x = element_text(angle = 45， hjust = 1))p2

图片

X、Y轴换取一下：

p3 <- ggplot(bar_per， aes(y = percent， x = Var1)) +  geom_bar(aes(fill = Var2) ， stat = "identity") + coord_flip() +  theme(axis.ticks = element_line(linetype = "blank")，        legend.position = "top"，        panel.grid.minor = element_line(colour = NA，linetype = "blank")，         panel.background = element_rect(fill = NA)，        plot.background = element_rect(colour = NA)) +  labs(y = " "， fill = NULL)+labs(x = 'Relative proportion(%)')+  scale_fill_manual(values=col)+  theme_few()+  theme(plot.title = element_text(size=12，hjust=0.5)) +   theme(axis.text.x = element_text(angle = 45， hjust = 1))p3

图片

ggplot函数参数诠释：

原文皆集：https://blog.csdn.net/a11113112/article/details/135091751

data：要用于绘制的数据集。mapping 或 aes：好意思学映射，用于将数据变量映射到图形属性，举例 x、y、color、size、shape 等。geom：几何对象，笃定图形类型，比如 geom_point()（散点图）、geom_line()（折线图）、geom_bar()（条形图）等。x、y：指定 x 轴和 y 轴的数据变量。color、fill、shape、size：用于指定神采、填充、步地和大小的变量。alpha：指定神采透明度。group：指定分组变量。facet：面板分组，允许在一个图中绘制多个小图（facet_wrap() 或 facet_grid()）。theme：用于确立图形的主题款式。labs：用于确立 x、y 轴标签和图例标签的文本。scale：用于调整比例尺和好意思学属性的模范。coord：坐标系变换，举例 coord_flip() 不错交换 x 和 y 轴。position：用于调整图形中元素的位置，举例 position_dodge() 用于幸免叠加的条形或点。xlim、ylim：摈弃 x 轴和 y 轴的绘制限制。coord_cartesian()：肖似于 xlim 和 ylim，但不会删除超出限制的数据点。labs()：确立图形的标题、坐标轴标签和图例标题。ggtitle()：确立图形的主标题。theme()：调整图形的外不雅和布局，如布景、网格线、标签款式等。guides()：摈弃图例的外不雅，如标题、标签和图例键的位置和款式。scale_x_continuous()、scale_y_continuous()：调整 x 轴和 y 轴的连气儿变量的比例尺和标签。

.......

2.3 气泡图

气泡图则不错展示每组样本不同类型细胞的具体数目。

绘制气泡图：

unique(sce.all@meta.data$patient)tb=table(sce.all$patient， sce.all$celltype)head(tb)library (gplots) balloonplot(tb)

图片

不错调整字体大小：

balloonplot(tb， text.size=0.8，label.size=0.8)

图片

还不错调整X/Y标签的角度：

图片

以及标署名体的神采：

图片

balloonplot函数参数诠释：

x : 一个表对象，或一个向量或几个类别向量的列表，其中包含打印矩阵的第一个（x）边距的分组变量。y : 矢量或矢量列表，用于对绘制矩阵的第二（y）维变量进行分组。z : 打印矩阵中点大小的值向量。xlab : x维度的文本标签。这将流露在X轴和绘制标题中。ylab : y标注的文本标签。这将流露在坐标轴和绘制标题中。zlab : 点大小的文本标签。这将包含在地块标题中。dotsize : 最大点大小。可能需要为不同的打印竖立和布局调整此值。dotchar : 用于点的绘制鲜艳或字符。关连鲜艳代码的points函数，请参见匡助页。dotcolor : 指定绘制点神采的标量或向量。text.size， text.color : 行和列标题的字符大小和神采

.......

结语

本期，咱们绘制饼图、堆积柱状图、箱线图、气泡图等，比拟不同分组之间细胞比例各异。下一期，咱们将愚弄胃癌bulk数据（TCGA-STAD）协助分袂平素上皮和恶性上皮，其中还将涵盖各异分析、富集分析、KM糊口分析等bulk RNA-seq数据的惯例分析。干货满满，接待公共抓续追更，谢谢！

图片

本站仅提供存储劳动，扫数本色均由用户发布，如发现存害或侵权本色，请点击举报。