單細(xì)胞繪圖系列：

• Seurat繪圖函數(shù)總結(jié)
• 使用ggplot2優(yōu)化Seurat繪圖
• scRNAseq靈活的點(diǎn)圖繪制：FlexDotPlot
• 富集分析結(jié)果雷達(dá)圖
• DoHeatmap的優(yōu)化+ComplexHeatmap繪制帶特定基因的單細(xì)胞熱圖
• 不同單細(xì)胞群之間的相關(guān)性分析
• 單細(xì)胞RunPCA()結(jié)果解讀+DimHeatmap的用法

多分辨率下的分群變化桑基圖

常規(guī)的樹狀圖畫法

library(Seurat)
library(SeuratData)
library(clustree)
pbmc <- readRDS("pbmc.rds")
pbmc <- FindClusters(
  object = pbmc,
  resolution = c(seq(0,1.6,.2))
)
clustree(pbmc@meta.data, prefix = "RNA_snn_res.")

?；鶊D畫法

#install.packages("ggalluvial")
library(ggalluvial)
library(tidyverse)

head(pbmc@meta.data)
ggplot(data = pbmc@meta.data,
       aes(axis1 = RNA_snn_res.0, axis2 = RNA_snn_res.0.2,axis3 = RNA_snn_res.0.4, 
           axis4 = RNA_snn_res.0.6,axis5 = RNA_snn_res.0.8,axis6 = RNA_snn_res.1,
           axis7 = RNA_snn_res.1.2,axis8 = RNA_snn_res.1.4,axis9 = RNA_snn_res.1.6)) +
  scale_x_discrete(limits = c(paste0("RNA_snn_res.",seq(0,1.6,.2))), expand = c(.01, .05)) +
  geom_alluvium(aes(fill = RNA_snn_res.1.6)) + #展示其他metadata隨resolution的變化只需改這個參數(shù)就好。如：geom_alluvium(aes(fill = celltype));geom_alluvium(aes(fill = nFeature_RNA))
  geom_stratum() + geom_text(stat = "stratum", infer.label = TRUE) +
  #coord_polar()+
  theme(axis.text.x = element_text(angle = 90, hjust = 1))+
  ggtitle("cell number in each cluster")

可以更加直觀的看到細(xì)胞來源

??理論上只要是metadata中相互對應(yīng)的列，都可以提出來畫?；鶊D

參考：?；鶊D在單細(xì)胞數(shù)據(jù)探索中的應(yīng)用