【单细胞高级绘图】近期代码更新

27 篇文章 3 订阅
16 篇文章 7 订阅

扫码关注下方公粽号,回复推文合集,获取400页单细胞学习资源!

在这里插入图片描述

绘图代码交流群已经成立半年多了,群里的氛围,还算是不错的。通常群里的提问我都会尽量回答;大家对代码有啥建议,我也会优化。

图片

针对高级绘图系列中,大家讨论得比较多的几个代码近期进行了更新。


  • 更新4套代码

    • 03.两组比较_差异基因数目展示
    • 04.两组比较_差异基因展示
    • 07.KEGG富集柱形图,并添加通路注释信息
    • 11.marker展示_分组气泡图
  • 高级绘图系列其他代码

  • 如何加群?

更新4套代码

03.两组比较_差异基因数目展示

图片

更新内容:

  • 简化代码,现在可以一键出图

04.两组比较_差异基因展示

图片

更新内容:

  • 简化代码,一键出图;
  • 增加了更多参数,调整图形细节更加方便;
  • 除了显示top n个差异基因,还能显示自己感兴趣的基因

图片

07.KEGG富集柱形图,并添加通路注释信息

[图片

更新内容:

  • 简化代码,一键出图

11.marker展示_分组气泡图

图片

更新内容:

  • 原来在探究某个基因在不同分组(level等于2或3,不包括4)中的表达时,多个分组会排列为一行,现在可以排成一列多行
  • 简化代码,一键出图。

![图片](data:image/svg+xml,%3C%3Fxml version=‘1.0’ encoding=‘UTF-8’%3F%3E%3Csvg width=‘1px’ height=‘1px’ viewBox=‘0 0 1 1’ version=‘1.1’ xmlns=‘http://www.w3.org/2000/svg’ xmlns:xlink=‘http://www.w3.org/1999/xlink’%3E%3Ctitle%3E%3C/title%3E%3Cg stroke=‘none’ stroke-width=‘1’ fill=‘none’ fill-rule=‘evenodd’ fill-opacity=‘0’%3E%3Cg transform=‘translate(-249.000000, -126.000000)’ fill=‘%23FFFFFF’%3E%3Crect x=‘249’ y=‘126’ width=‘1’ height=‘1’%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)

高级绘图系列其他代码

01.marker展示_聚类和热图组合

图片01.marker展示_聚类和热图组合

02.marker展示_堆叠小提琴图

图片02.marker展示_堆叠小提琴图

05.两组比较_基因集分数添加显著性

图片05.两组比较_基因集分数添加显著性

06.feature展示

图片06.feature展示

08.细胞通讯_两组比较_气泡图

图片08.细胞通讯_两组比较_气泡图

09.细胞通讯_两组比较_连线图

图片09.细胞通讯_两组比较_连线图

10.KEGG富集结果的圆圈图

图片10.KEGG富集结果的圆圈图

如何加群?

本公众号后台回复:加群

图片

进入链接,然后点击感兴趣的群即可

图片

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
单细胞测序(single-cell sequencing)是一种高通量测序技术,可以对单个细胞的基因组或转录组进行全面的分析。而R语言是一种广泛用于统计分析和数据可视化的编程语言。 在单细胞测序实验中,通过测序技术可以获取到大量的细胞的基因表达数据,包括每个细胞中数以千计的基因的表达水平。而这些数据的处理和分析就需要使用到R语言以及相关的数据分析包和函数。 首先,我们可以使用R语言中的数据读取函数将单细胞测序的原始数据导入到R环境中,并进行数据清洗和预处理。例如,可以通过R的数据处理包如‘Seurat’对单细胞数据进行降噪、标准化和归一化等处理,以确保数据的准确性和可靠性。 接下来,我们需要使用R语言的统计分析技术对这些单细胞数据进行分析。例如,可以通过差异表达分析(DEG)来寻找在不同细胞类型或条件下差异表达的基因。也可以使用聚类算法将细胞进行分组,寻找不同细胞群体之间的差异和相似性。 同时,R语言还提供了多种数据可视化的方法,我们可以使用R语言中的绘图包如‘ggplot2’和‘pheatmap’等对单细胞测序数据进行可视化。可视化可以帮助我们更直观地展示细胞群体的分布情况、基因表达的模式等,从而更好地理解和解释实验结果。 总而言之,单细胞测序数据的R语言分析可以帮助我们深入理解细胞的表达特征和功能,发现新的细胞类型和亚群体,并为研究细胞发育、疾病机制等提供重要的生物学信息。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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