5.ArchR的细胞类型定义(2)

该篇博客探讨了如何使用ArchR进行scATAC-seq数据的细胞类型定义,通过对作者颜色映射的调整,尝试逼近作者的细胞集群划分。博主分享了调整颜色映射的过程,并展示了UMAP图,旨在比较与作者的差异。文章还提到后续将进行精修工作,以优化结果。
摘要由CSDN通过智能技术生成

愿武艺晴小朋友一定得每天都开心 


就为了更好的洞察自己的和ArchR作者究竟在这张UMAP上差多少?

分2步把:1)找到作者一对一颜色的绝对映射,好观察与作者的差别。

在这之前,先去解决掉Rstudio 颜色预览直接显示的问题:这个是跟Rstudio 的版本对应的,对于共有资源Rstudio,俺好像无能为力了,那就这样吧,放过自己。

##我们发现scATAC-seq里面颜色映射的是cluster;进一步去找出作者cluster的具体位置:

#根据作者ATAC中Cluster的颜色,来调整我们PeakMatrix得到的Clusters颜色,尽量逼近作者的
pal <- c("C1"="#8ED2D0","C3"="#FDDD03","C4"="#D51F26","C2"="#5A2955","C5"="#5A2955","C6"="#5A2955","C24"="#FDDD03","C26"="#FDDD03","C25"="#AA875A","C23"="#DB7D8D","C27"="#DB7D8D","C30"="#3E5D8D","C28"="#3E5D8D","C29"="#3EB3A7","C21"="#9C82BA","C22"="#9C82BA", "C20"="#B36B45","C11"="#216069","C10"="#711E21","C9"="#C0545B","C8"="#C0545B","C7"="#C0545B","C17"="#C39C6F","C12"="#245359","C13"="#B4B883","C14"="#F69421","C15"="#753A80","C19"="#753A80","C18"="#2B7F4A","C16"="#DCABCF")
plotEmbedding(
  projHeme2, 
  pal = pal,alpha=0.5, #调整颜色
  labelAsFactors=F, labelMeans=F, #让图显得干净,什么也不label
  size = 0.5,#点的大小,默认是0.1
  embedding = "UMAP-PeakMatrix", 
  name = 'PeakMatrix_Clusters')+labs(title="scATAC-seq(n=35138 cells)")+
  theme_ArchR() + theme(legend.position = "None") 

 ##如何在这张图label 上约束整合最终版的"Celltype"类型?

> cM <- confusionMatrix(projHeme2$PeakMatrix_Clusters, projHeme2$predictedGroup_Co)
> labelOld <- rownames(cM)
> labelOld
 [1] "C27" "C21" "C24" "C25" "C3"  "C4"  "C18" "C15" "C12" "C1"  "C10" "C19" "C17" "C16" "C8"  &#
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值