在使用Seurat時，經(jīng)常需要對不同分類的樣本在同一畫布上進行可視化，可以非常方便地通過其DimPlot()函數(shù)的goupyby和spliby等參數(shù)實現(xiàn)，例如對照組和實驗組，如下：

以正常和腫瘤組織作為區(qū)別

但是在python的環(huán)境中，scanpy的sc.pl.umap()并沒有這么靈活的參數(shù)。所以需要通過循環(huán)解決問題，sc.pl.umap()中的color參數(shù)類似于Seurat的groupby，但其groups參數(shù)完全沒有Seurat的splitby強大。所以我們可以通過python的Matplotlib包的plt.subplots()函數(shù)，結(jié)合循環(huán)將分組內(nèi)容一一繪制，再多個分組圖合并在一起，就實現(xiàn)相同目的。

下面提供一個參考：

#data.obsm['umap']=data.obsm['spatial']
#data.obs.refined_pred=data.obs.refined_pred.astype('str') # 數(shù)字轉(zhuǎn)為字符串
celltype=data.obs['refined_pred'].unique().tolist() # refined_pred是細胞注釋
fig, axes = plt.subplots(4, 5, figsize=(18, 12), tight_layout=True,dpi=600) # nrows和ncols取決于想要的畫圖個數(shù)
x=0;y=0
for i in celltype: #celltype為任何需要并列繪制的list
    fig = sc.pl.umap(data, color='refined_pred', groups=i, ax=axes[y][x],show=False)
    x = x +1 if x <4 else 0
    y = y +1 if y <3 and x ==0 else y
plt.show()
#plt.savefig('./split.png')

按細胞類型分頁繪圖

以上這個例子是用于空間組分圖繪制不同細胞類型分布的圖譜，對應(yīng)普通的單細胞數(shù)據(jù)，例如實驗組 vs 對照組、scRNA數(shù)據(jù) vs scATAC數(shù)據(jù)也是一樣的（循環(huán)+共同繪制）。而且值得注意的是，空間組之所以不采用官方推薦的scanpy.pl.spatial()函數(shù)，是因為這個函數(shù)對于純粹的scanpy數(shù)據(jù)可以很好的適配，但是對于其他空間組工具包，例如spateo、spGCN等等，就不適配，還是原始的sc.pl.umap()更香，具有更加廣的應(yīng)用面和適配性，不過注意調(diào)整adata.obsm['umap']=adata.obsm['spatial']就可。