【原】dittoSeq：一个优秀的单细胞转录组、Bulk可视化R包（都准备过年不学习了嘛？最近阅读好低）

TS的美梦 2023-01-16 发布于重庆

展开全文

❞

最近看一篇文章的时候，发现文章的作者很厉害，写了一个用于单细胞转录组和Bulk RNA的可视化R包---dittoSeq。如果你对於seurat的可视化看腻了，这个R包是一个不错的选择。当然了，我还是那句话，够用就行了，之所以要介绍这个包，主要是里面几个函数非常有用！！！能够解决几个头疼的问题。

参考文献：

R包地址：https://github.com/dtm2451/dittoSeq。具体有用的参数我已经探索好了，详细注释代码已上传群文件！其他参数感兴趣的可自行探索！

首先加载R包并做一个小提琴图，风格挺好看的。

####安装R包，加载数据BiocManager::install("dittoSeq")library(dittoSeq)library(dplyr)mouse_data <- readRDS("D:/KS科研分享与服务公众号文章/mouse_data.rds")
####基因表达小提琴图#theme主题的修饰和ggplot一样dittoPlot(mouse_data,          "S100a8",           group.by = "orig.ident",          plots=c("vlnplot","boxplot"),          boxplot.fill=F,          boxplot.color='white',          color.panel = dittoColors(),          colors = c(1,3),          theme = theme(axis.text = element_text(size = 12, color = 'black'),                        axis.line = element_line(size = 1),                        axis.title.y = element_text(size = 15, color = 'black'),                        plot.title = element_text(size=15,hjust=0.5, color = 'black')),          ylab = 'Expression',          y.breaks = seq(0,8,1),          xlab = '',          x.labels = c("Female","Male"),          x.labels.rotate =F,          max=8,          min=4,          main = "S100a8",          legend.show = F)

看一下UMAP图，可以置信区间：

####UMAP图---seurat中的dimplotdittoDimPlot(mouse_data,              var = 'ident',             size = 2,             # split.by='orig.ident',             do.ellipse =T,             main = '',             theme=theme(axis.text = element_text(size = 12, color = 'black'),                   axis.line = element_line(size = 1),                   axis.title = element_text(size = 15, color = 'black')),             show.axes.numbers=T,             do.label=T,             labels.size = 4,             # add.trajectory.lineages=T,             # add.trajectory.curves=T, #有轨迹分析的话可以添加轨迹             legend.show=F)

更为重要的是，很多时候，我们做基因表达的时候，UMAP图标记，发现有些有表达的点被覆盖了，导致感觉表达不高，这里完美解决！

####UMAP图---seurat中的Featureplotp1 <- dittoDimPlot(mouse_data,              var = 'Il1b',             size = 2,             theme = theme_classic(),             min.color = "lightgrey",             max.color = "blue",             main = "dittoSeq plot",             order = "increasing")#这个函数的优势
p2 <- FeaturePlot(mouse_data, features = 'Il1b', pt.size = 2)+  ggtitle('Seurat plot')
p1|p2

第二个优势，我们在seurat中查看细胞比例柱状图的时候，需要先进行麻烦的细胞比例计算，然后用ggplot作图，这里可以直接作图！

####单细胞比例图p3 <- dittoBarPlot(mouse_data, "celltype", group.by = "orig.ident",main = '')p4 <- dittoBarPlot(mouse_data, "orig.ident", group.by = "celltype",main = '')p3|p4

最后一个我认为比较好的，就是热图，可以进行多重注释，很简单，而且出图快，也不会有bug，值得拥有！

marker <- FindAllMarkers(mouse_data,                       min.pct = 0.25,                       logfc.threshold = 0.25,                       only.pos = T)
top_gene = marker %>%   group_by(cluster) %>%   top_n(n = 5, wt = avg_log2FC)
####p5 <- dittoHeatmap(mouse_data, genes = top_gene$gene,             annot.by = c("celltype",                           "SingleCellNet_Xie",                          "orig.ident"),             scaled.to.max = F,             treeheight_row = 10,             heatmap.colors = colorRampPalette(c('#1A5592','white',"#B83D3D"))(50),             show_rownames=F,             highlight.features = c( "Ltf","Camp","Ngp",                                  "Il1b","Fgl2","Itga4","Csf3r",                                  "Ngp","Lcn2","Camp"))