這里準(zhǔn)備了一個(gè)文件，是要將這個(gè)文件中的信息plot到umap圖上，文件有3列
今天的目標(biāo)就是:
- 將第一列barcode plot到umap上
- 將第二列clonotype id plot到UMAP上
- 將第三列counts plot 到umap上
- 用count的大小表示clonotype的大小，且每個(gè)clonotype分別用不同的顏色。
首先要有一個(gè)seurat obj, 通常情況下做了Run_UMAP，cluster，數(shù)據(jù)整合，等上游步驟。
library(Seurat)
library(ggplot2)
library(magrittr)
library(tidyr)
# 讀取文件
srt_obj <- readRDS("integrated_seurat.rds")
df <- read.table("endoTCR.bc.counts.txt", header = T)
head(df)
1. 將barcode plot 到umap上
用seurat自帶的DimPlot cells.highlight， 再稍微修改一下labels就行
highlighted_barcode <- df$barcode
DimPlot(srt_obj, cells.highlight = highlighted_barcode)+
scale_color_manual(
values = c("grey","red"),
breaks = c("Unselected","Group_1"),
labels = c("Others","Selected")
)
2. 將clonotype plot到umap上
思路是根據(jù)表格中的對(duì)應(yīng)關(guān)系，把clonotype信息添加到meta.data中，這樣就可以用以下兩種方法：
方法1：用group.by方法畫(huà)圖
# 如果barcode中有重復(fù)，去重
if (any(duplicated(df[,"barcode"]))){
df <- df[!duplicated(df[,"barcode"]),]
}
# df不能有rownames
rownames(df) <- NULL
# 將column轉(zhuǎn)換成rownames
df <- df %>% tibble::column_to_rownames("barcode")
srt_obj <- AddMetaData(srt_obj, df)
# method 1 : group.by
DimPlot(srt_obj, group.by = "clonotype_ID")</pre>
這個(gè)圖的缺點(diǎn)是，圖上有顏色的點(diǎn)和灰色的點(diǎn)大小都是一樣的，沒(méi)有體現(xiàn)highlight功能。那么就可以采用下面的方法2
方法2：ggplot2
思路是將數(shù)據(jù)提出來(lái)，把灰色的點(diǎn)和需要highlight的點(diǎn)也單獨(dú)提取出來(lái)，這樣就有兩份數(shù)據(jù)，把兩份數(shù)據(jù)用圖層的方式分別畫(huà)在umap上。
data <- FetchData(srt_obj, vars = c("UMAP_1","UMAP_2","clonotype_ID"))
data$plot <- ifelse(is.na(data$clonotype_ID),"others", data$clonotype_ID)
data_grey <- data %>% subset(plot == "others")
data_selected = data %>% subset(plot != "others")
ggplot(data_grey, aes(UMAP_1,UMAP_2)) +
geom_point(color="grey",size=0.5) +
geom_point(data = data_selected,aes(UMAP_1,UMAP_2,color=clonotype_ID),
size = 2) + theme_classic() +
theme(
legend.title = element_blank()
)
3. 將數(shù)值型的數(shù)據(jù)plot到umap上：
用count的大小表示clonotype的大小，且每個(gè)clonotype分別用不同的顏色。
data <- FetchData(srt_obj, vars = c("UMAP_1","UMAP_2","clonotype_ID", "counts"))
data_list <- split(data, is.na(data$clonotype_ID))
head(data_list$`TRUE`)
ggplot(data_list$`TRUE`, aes(UMAP_1,UMAP_2)) +
geom_point(color="grey",size=0.5) +
geom_point(data = data_list$`FALSE`,
aes(UMAP_1,UMAP_2,color=clonotype_ID),
size=log(data_list$`FALSE`$counts)) +
theme_classic() +
theme(
legend.title = element_blank()
)
需要注意的是，size需要用log處理一下，不然會(huì)很大。
進(jìn)階方法：按樣本拆分后畫(huà)圖
數(shù)據(jù)本身是多個(gè)樣本的整合，我們可以通過(guò)“orig.ident”來(lái)識(shí)別樣本，
上文提到的將barcode plot 到umap上用cells.highlight方法，只需要split.by參數(shù)即可：
DimPlot(srt_obj, cells.highlight = highlighted_barcode,
split.by = "orig.ident") +
scale_color_manual(
values = c("grey","red"),
breaks = c("Unselected","Group_1"),
labels = c("Others","Selected")
)
那么用ggplot2來(lái)做思路也是一樣的，就是要拆分成不同的樣本，再拆分成不同的數(shù)據(jù)。
data <- FetchData(srt_obj, vars = c("UMAP_1","UMAP_2",
"orig.ident","clonotype_ID", "counts"))
head(data)
df_list <- split(data, data$orig.ident)
plot_list <- lapply(seq_along(df_list), function(i){
name = names(df_list[i])
x <- df_list[[i]]
data_list <- split(x, is.na(x$clonotype_ID))
ggplot(data_list$`TRUE`, aes(UMAP_1,UMAP_2))+
geom_point(size=0.5,color="grey")+
geom_point(data = data_list$`FALSE`, aes(UMAP_1,UMAP_2,color=clonotype_ID),
size=log(data_list$`FALSE`$counts))+
theme_classic() +
theme(
legend.title = element_blank()
) + ggtitle(name) +theme(
plot.title = element_text(hjust=0.5)
)
})
# 組合起來(lái)
combine_plot <- Reduce(`+`, plot_list)
combine_plot
如果這段代碼看起來(lái)吃力，請(qǐng)看我解釋的視頻 單細(xì)胞: (https://www.bilibili.com/video/BV1jT411S7v3/)
關(guān)注我，下一篇帶你看看數(shù)值型的數(shù)據(jù)，其實(shí)還可以用另一種進(jìn)階畫(huà)法（CNS常見(jiàn)）
