【原】单细胞分析工具-scCustomize包改进Seurat可视化

scCustomize包由来自波士顿儿童医院/哈佛医学院的博士后Samuel E. Marsh编写。该包基于Seurat，提供了若干便捷、高效的可视化方法。根据官方教程学习其中感兴趣的用法。

• https://github.com/samuel-marsh/scCustomize/
• https://samuel-marsh./scCustomize/index.html

0、示例数据

sce <- pbmc3k.SeuratData::pbmc3k.final
sce$sample_id <- sample(c("sample1", "sample2", "sample3"), size = ncol(sce),
                        replace = TRUE)
sce$treatment <- sample(c("before", "after"), size = ncol(sce),
                        replace = TRUE)
sce = sce %>%
  NormalizeData() %>%
  FindVariableFeatures() %>%
  ScaleData()
sce = sce %>% 
  RunPCA() %>% 
  RunUMAP(dims = 1:30) %>%  #RunTSNE
  FindNeighbors(dims = 1:30) %>% 
  FindClusters(resolution = c(0.01, 0.05, 0.1, 0.2, 0.3, 0.5,0.8,1))

1、高变基因

• 可设置参数，加标签

VariableFeaturePlot_scCustom(seurat_object = sce, num_features = 5,
 label = TRUE, repel = TRUE)

2、小提琴图

Idents(sce) = "RNA_snn_res.0.01"
gene_list_plot <- VariableFeatures(sce)[1:5]
p1 = Stacked_VlnPlot(seurat_object = sce, features = gene_list_plot, x_lab_rotate = TRUE)
p2 = Stacked_VlnPlot(seurat_object = sce, features = gene_list_plot, plot_spacing = 0.3)
p3 = Stacked_VlnPlot(seurat_object = sce, features = gene_list_plot, split.by = "sample_id")
p4 = Stacked_VlnPlot(seurat_object = sce, features = gene_list_plot, split.by = "treatment", split.plot=TRUE)
(p1 | p2) / (p3 | p4)

3、聚类点图

Idents(sce) = "RNA_snn_res.0.2"
all_markers <- FindAllMarkers(object = sce)

top5_markers <- Extract_Top_Markers(marker_dataframe = all_markers, num_genes = 5, named_vector = FALSE,
    make_unique = TRUE)

Clustered_DotPlot(seurat_object = sce, features = top5_markers)         # 左
Clustered_DotPlot(seurat_object = sce, features = top5_markers, k = 6)  # 右

4、降维相关可视化

• （1）FeaturePlot_scCustom：低于特定阈值的基因不映射连续颜色

FeaturePlot_scCustom(seurat_object = sce, features = "PTPRC", na_cutoff=2)

• （2）DimPlot_scCustom：迷你版坐标轴

DimPlot_scCustom(seurat_object = sce, figure_plot = TRUE)

• （3）Cluster_Highlight_Plot：单独显示特定细胞群

Idents(sce) = "RNA_snn_res.0.1"
p1 = Cluster_Highlight_Plot(seurat_object = sce, cluster_name = "0", highlight_color = "red",
    background_color = "lightgray")
p2 = Cluster_Highlight_Plot(seurat_object = sce, cluster_name = c(2,3), highlight_color = c("red","blue"),
    background_color = "lightgray")
p1 | p2

5、自定义颜色

• （1）连续型变量：默认为viridis_plasma_dark_high，其它可选包括
• viridis_plasma_light_high
• viridis_magma_dark_high
• viridis_magma_light_high
• viridis_inferno_dark_high
• viridis_inferno_light_high
• viridis_dark_high
• viridis_light_high

PalettePlot(pal = viridis_plasma_dark_high)
# FeaturePlot_scCustom(seurat_object = sce, colors_use = viridis_magma_dark_high, features = "CD3E")

• （2）离散型变量：单变量-"dodgerblue"；双变量-NavyAndOrange()；<36-"polychrome"；>36--"varibow"(shuffle)。其它包括
• alphabet (24)
• alphabet2 (24)
• glasbey (32)
• polychrome (36)
• stepped (24)
• ditto_seq (40)
• varibow (Dynamic)

PalettePlot(pal = DiscretePalette_scCustomize(num_colors = 10, palette = "polychrome"))

PalettePlot(pal = DiscretePalette_scCustomize(num_colors = 10, palette = "ditto_seq", shuffle_pal = TRUE))