丝袜 色情 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基因识别及可视化驱散的时刻丝袜 色情，提到了五种基本可视化Marker基因的样子

图片

那这期一王人来了解一下DoHeatmap函数的参数建筑，以及在可视化marker基因有什么不错颐养修改的方位。

DoHeatmap常用参数

图片

女同视频常用参数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分组信息及样子group.by = "ident"：分组的依据，不错自行采选，默许是active.ident的试验group.bar：添加分组信息的样子条group.colors：指定分组样子条的样子group.bar.height = 0.02：缩放样子条的高度标签信息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可视化及好意思化赢得marker基因径直可视化

用到的数据，也曾seurat官网pbmc-3k的示例数据

走完基本的降维聚类分群，然后使用FindAllMarkers分析赢得全部亚群的marker基因，然后采选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)#五种样子可视化marker基因DoHeatmap(pbmc，features = g) + NoLegend()

图片

径直可视化的效能图有些不错颐养的点：

标签角度：默许参数会导致部分标签信息展示不全样子颐养：默许样子有点不好意思瞻念top5基因样子在对应亚群莫得很彰着，因为莫得scale是以展示莫得很彰着细胞数目太多，不错商酌抽样展示，不展示太具体的细胞CD4 T的marker基因在naive和memory间亮度不彰着，可能因为marker基因不够特异，后续不错再细分1. 颐养样子和标签角度

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标签会泄漏不全

不错改革一下横轴标签的摆设律例不错改革一下歪斜的角度

#改革标签的摆设律例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"))#颐养歪斜角度和样子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颐营养组样子——不错建筑和umap图相似的样子，使用scale_fill_gradientn颐养热图的样子，一般建筑三个样子

图片

2. 从头scale况兼抽样展示

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刻，平日会发现展示的时刻只剩下3到4个基因？

之前作念细胞类群驻扎top5基因的dotplot的时刻常常发现剩3个4个基因，我认为是这一步2000筛除了

因为DoHeatmap中默许slot = "scale.data" ，也即是用的数据是ScaleData后的效能数据集。而FindAllMarkers中默许slot = "data" ，也即是用的数据是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基因从头scale，况兼抽样展示，不展示全部的细胞

#基于top基因从头scale并就地抽样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，若是不念念展示的话不错加上NoLegend()，采选不展示图例

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颐养与好意思化。

许多一又友在进行热图可视化的时刻丝袜 色情，会采选用到Complexheatmap包，进行好意思化。那下期不错一王人来学习一下使用Complexheatmap绘图热图。

本站仅提供存储劳动，通盘试验均由用户发布，如发现存害或侵权试验，请点击举报。