SCpubr：一个单细胞数据绘图大全的R包
今天给大家介绍一个可以对单细胞数据绘制各种各样图片的R包：Scpubr！这个包宣称：以最小的努力生成尽可能的高质量的图表，这些图表可以直接用于或仅需进行最小修改即可用于研究文章。
学习网址：/
0.安装
代码语言：javascript代码运行次数：0运行复制## 使用西湖大学的 Bioconductor镜像
options(BioC_mirror=";)
options("repos"=c(CRAN="/"))
install.packages("SCpubr")
# 检测安装包是否都安装上了
library(SCpubr)
1.示例数据
这里就用经典的pbmc3k吧，下载地址：
代码语言：javascript代码运行次数：0运行复制rm(list=ls())
library(Seurat)
library(SCpubr)
# 加载数据
load("pbmc3k.final.Rdata")
pbmc3k.final
# An object of class Seurat
# 13714 features across 2700 samples within 1 assay
# Active assay: RNA (13714 features, 2000 variable features)
# 3 layers present: counts, data, scale.data
# 3 dimensional reductions calculated: pca, umap, tsne
2.绘图
这个包有非常多的可视化方法，一一看下！
2.1 umap/tsne散点图
.html
- plot.axes = TRUE：加不加坐标轴
- legend.nrow = 3：设置图例显示的行数
- label = TRUE：加不加细胞类型标签
- label.box = FALSE：细胞类型标签加不加方框
- legend.position = "none"：需不需要图例
- legend.position = "right"：图例的位置
# 散点图
# SCpubr's DimPlot.
p2 <- do_DimPlot(sample = pbmc3k.final, plot.axes = TRUE,legend.ncol = 1,pt.size = 0.5,
label = F,label.box = FALSE,legend.position = "right")
p2
这个地方有非常多的参数可以调整，我尝试了一些参数，结果如下：
2.2 FeaturePlot
这个地方的图可以绘制连续值的任何特征如基因，metadata中的某列：
- plot.title = "CD3D"：添加标题
- legend.length = 12：调整图例的长和宽
- legend.width = 1：调整图例的长和宽
- legend.position = "right"：图例的位置
# 特征图
# SCpubr's Feature Plot.
p2 <- do_FeaturePlot(sample = pbmc3k.final, features = "CD3D",plot.title = "CD3D",
legend.position = "right",order =T,legend.length = 12,
legend.width = 1)
p2
这里也是一些常规参数，我选了一些如下：
2.3 密度图
这个包还封装了 Nebulosa 包的功能，Nebulosa 我们之前介绍过：5种方式美化你的单细胞umap散点图
绘制 一些marker基因 的核密度估计图：
代码语言：javascript代码运行次数：0运行复制# 单个基因
p <- do_NebulosaPlot(sample =pbmc3k.final, features = "CD14",legend.position = "right")
p
# 两个基因
p <- do_NebulosaPlot(sample =pbmc3k.final, features = c("CD14","CD3D"),legend.position = "right")
p
# 两个基因共表达
p <- do_NebulosaPlot(sample =pbmc3k.final, features = c("CD14","CD3D"),joint = T,return_only_joint = F,plot.axes = T,
legend.position = "none")
p
2.4 小提琴图
- plot_boxplot = FALSE：不绘制象限图
- axis.text.x.angle = 90：坐标轴标签旋转
- y_cut = 25000：添加一条阈值线
- line_width = 2：小提琴框线的宽度
- boxplot_width = 0.1：箱线图的宽度
p <- do_ViolinPlot(sample = pbmc3k.final, features = "nCount_RNA", y_cut = 5000,
plot_boxplot =T,axis.text.x.angle = 90,
line_width = 1.5,boxplot_width = 0.1,legend.position = "none")
p
2.5 山峦图
关于山峦图，我们介绍过两篇个性化定制：
- Nat Commun同款山脊图：千里江山图
- raincloud云雨图：一图囊括小提琴+箱线图+散点图
参数修改：
- continuous_scale = TRUE：颜色映射改为连续值
- viridis_direction = 1：设置颜色渐变的方向，由大到小对应的颜色
- compute_custom_quantiles = TRUE：绘制四分位数
- quantiles = c(0.1, 0.5, 0.75)：添加分位数具体的位置
# Compute the most basic ridge plot.
DefaultAssay(pbmc3k.final)
p <- do_RidgePlot(sample = pbmc3k.final,feature = "nFeature_RNA",continuous_scale = T,sequential.direction = 1,
compute_quantiles = TRUE,compute_custom_quantiles = TRUE,
quantiles = c(0.1, 0.5, 0.75))
p
选了一个调整各个参数的结果：
2.5 气泡图
关于特征基因气泡图，我们前面也分享过啦：顶刊Cell杂志单细胞特征基因气泡图
可以接受基因向量和基因list对象：
- dot_border = F：气泡图是否加边圈
genes <- list("Naive CD4+ T" = c("IL7R", "CCR7"),
"CD14+ Mono" = c("CD14", "LYZ"),
"Memory CD4+" = c("S100A4"),
"B" = c("MS4A1"),
"CD8+ T" = c("CD8A"),
"FCGR3A+ Mono" = c("FCGR3A", "MS4A7"),
"NK" = c("GNLY", "NKG7"),
"DC" = c("FCER1A", "CST3"),
"Platelet" = c("PPBP"))
p <- do_DotPlot(sample =pbmc3k.final, features = genes,dot_border = F)
p
2.6 barplot
这里可以对细胞数做各种统计：
- flip = TRUE：坐标轴交换
head(pbmc3k.final)
p2 <- do_BarPlot(sample = pbmc3k.final, position = "stack",
group.by = "celltype",
legend.position = "none",
plot.title = "Number of cells per cluster",
flip = T)
p2
2.7 冲击图
这个图可以展示不同层次注释之间的复杂关系：
代码语言：javascript代码运行次数：0运行复制# Use viridis scales.
sample <- readRDS(system.file("extdata/seurat_dataset_example.rds", package = "SCpubr"))
sample
head(sample)
# Generate a more fine-grained clustering.
sample$annotation <- ifelse(sample$seurat_clusters %in% c("0", "3"), "A", "B")
table(sample$annotation, sample$seurat_clusters)
p <- do_AlluvialPlot(sample = sample, first_group = "annotation",last_group = "seurat_clusters",
fill.by = "annotation",stratum.fill = "grey80")
p
2.8 火山图
这个示例数据只有14个基因，将就看吧：
代码语言：javascript代码运行次数：0运行复制# 火山图
# Modify number of gene tags.
# Retrieve DE genes.
de_genes <- readRDS(system.file("extdata/de_genes_example.rds", package = "SCpubr"))
head(de_genes)
de_genes
p <- do_VolcanoPlot(sample = sample,de_genes = de_genes,n_genes = 15)
p
Note
这个包还有很多其他的有意思的图，快去看看吧~
此外，需要注意的是这个包的版本，教程中为v1.1.2，我这里安装后的版本如下，参数发生了一些变化：
代码语言：javascript代码运行次数：0运行复制packageVersion("SCpubr")
[1] ‘2.0.2’
发布评论