当前位置: 首页 > news >正文

ggplot画 ump 和tsne 从seurat中使用addmodule得到的umap 使用ggplot画图

ggplot画 ump 和tsne 从seurat中使用addmodule得到的umap 使用ggplot画图 subset_data

inflammatory_gene=read.xlsx(“G:/silicosis/sicosis/silicosis_ST/yll/0214/harmony_cluster/HALLMARK_INFLAMMATORY_RESPONSE.xlsx”)
head(inflammatory_gene)
>

inflammatory_gene=capitalize(tolower(inflammatory_gene$gene_symbol))
inflammatory_gene=list(inflammatory_gene)
load(file = “G:/silicosis/sicosis/yll/macrophage/no cluster2/macrophage_clean.rds”)
#对给定的基因集合进行打分
subset_data=AddModuleScore(subset_data,
features = inflammatory_gene,
name = “inflammatory_gene”)

Warning: The following features are not present in the object: Ccl20, Cxcl11, Cxcl6, Icoslg, Il4r, Cxcl8, Ros1, not searching for symbol synonyms

#结果保存在这里
colnames(subset_data@meta.data)

mydata<- FetchData(subset_data,vars = c(“UMAP_1”,“UMAP_2”,“inflammatory_gene1”,“stim”))
head(mydata)
在这里插入图片描述

a <- ggplot(mydata,aes(x = UMAP_1,y =UMAP_2,colour = inflammatory_gene1))+
geom_point(size = 1)+
scale_color_gradientn(values = seq(0,1,0.2),colours = c(‘blue’,‘cyan’,‘green’,‘yellow’,‘orange’,‘red’))

a+ theme_bw() + theme(panel.border = element_blank(), panel.grid.major = element_blank(),
panel.grid.minor = element_blank(), axis.line = element_line(colour = “black”))

mydata<- FetchData(subset_data,vars = c(“UMAP_1”,“UMAP_2”,“inflammatory_gene1”,“stim”,“cell.type”))
head(mydata)
在这里插入图片描述

class_avg <- mydata %>%
group_by(cell.type) %>%
summarise(
UMAP_1 = median(UMAP_1),
UMAP_2 = median(UMAP_2),
inflammatory_gene1=mean(inflammatory_gene1)
)
head(class_avg)

A tibble: 2 x 4

cell.type UMAP_1 UMAP_2 inflammatory_gene1

1 Macrophage-1 -3.66 -0.153 0.0131
2 Macrophage-2 11.2 1.77 0.0837

ggplot(mydata,aes(x = UMAP_1,y =UMAP_2,
colour = inflammatory_gene1))+geom_point(size = 1)+
scale_color_gradientn(values = seq(0,1,0.2),colours = c(‘blue’,‘cyan’,‘green’,‘yellow’,‘orange’,‘red’))+ #face = c(“plain”, “bold”, “italic”)
geom_text(aes(label = cell.type,fontface=“plain”,family=“sans”), data = class_avg,colour = “red”)+ # ggrepel::geom_text_repel(aes(label = cell.type), data = class_avg) +#添加标签
theme(text=element_text(family=“sans”,size=18)) +
facet_wrap(~stim)

getwd()
[1] “G:/silicosis/sicosis/silicosis_ST/yll/0214/harmony_cluster”

在这里插入图片描述
在这里插入图片描述

相关文章:

  • 5.1 Python 算术运算符
  • ggplot画梯度颜色图 不同颜色 对seurat的细胞类型进行inflammatory 炎症打分 addmodule
  • cell annotation细胞注释 给已经做成seurat对象的细胞统一改换名字 换标签 加标签
  • 5.2 Python 赋值运算符
  • 从pdf中提取文本 数据清洗
  • 5.3 Python 比较运算符
  • seurat的 addmodule循环画图 等同于基因的叠加图 识别细胞类型 空转与单细胞得到的marker基因联合
  • 5.4 Python 逻辑运算符
  • 矽肺的 柱状图 比例图 bar图
  • 6.1 Python 单分支结构 if语句
  • 把subset_data的子集重新放到总群allmerge中找marker基因 findallmarkers
  • 6.2 python 多分支结构if...elif...else 语句
  • 6.3 Python if语句 条件判断嵌套
  • 细胞打分 addmodule addmodule对所有细胞进行循环评分
  • 6.4 序列及range函数
  • CentOS 7 修改主机名
  • ES6系统学习----从Apollo Client看解构赋值
  • java第三方包学习之lombok
  • Linux编程学习笔记 | Linux IO学习[1] - 文件IO
  • python 学习笔记 - Queue Pipes,进程间通讯
  • tab.js分享及浏览器兼容性问题汇总
  • vue的全局变量和全局拦截请求器
  • webpack+react项目初体验——记录我的webpack环境配置
  • 后端_ThinkPHP5
  • 基于阿里云移动推送的移动应用推送模式最佳实践
  • 极限编程 (Extreme Programming) - 发布计划 (Release Planning)
  • 利用DataURL技术在网页上显示图片
  • 聊聊flink的TableFactory
  • 我这样减少了26.5M Java内存!
  • 说说我为什么看好Spring Cloud Alibaba
  • ​直流电和交流电有什么区别为什么这个时候又要变成直流电呢?交流转换到直流(整流器)直流变交流(逆变器)​
  • # C++之functional库用法整理
  • #13 yum、编译安装与sed命令的使用
  • #HarmonyOS:基础语法
  • #NOIP 2014# day.1 T2 联合权值
  • (11)MSP430F5529 定时器B
  • (arch)linux 转换文件编码格式
  • (c语言)strcpy函数用法
  • (八)c52学习之旅-中断实验
  • (二)pulsar安装在独立的docker中,python测试
  • (九)c52学习之旅-定时器
  • (论文阅读30/100)Convolutional Pose Machines
  • (深入.Net平台的软件系统分层开发).第一章.上机练习.20170424
  • (原创)攻击方式学习之(4) - 拒绝服务(DOS/DDOS/DRDOS)
  • (转)c++ std::pair 与 std::make
  • (轉貼) 寄發紅帖基本原則(教育部禮儀司頒布) (雜項)
  • * CIL library *(* CIL module *) : error LNK2005: _DllMain@12 already defined in mfcs120u.lib(dllmodu
  • .NET gRPC 和RESTful简单对比
  • .net mvc actionresult 返回字符串_.NET架构师知识普及
  • .NET中两种OCR方式对比
  • .vue文件怎么使用_我在项目中是这样配置Vue的
  • /dev下添加设备节点的方法步骤(通过device_create)
  • /使用匿名内部类来复写Handler当中的handlerMessage()方法
  • @JSONField或@JsonProperty注解使用
  • [2013][note]通过石墨烯调谐用于开关、传感的动态可重构Fano超——