qq_42090739的博客

这里我们可能会发现一个问题，明明是每个celltype10个gene，为什么行注释好像不是很对，这是应为有些基因不仅在一 中celltype中高表达，而数据是按照表达从高到低排序的，所以才会出现这个问题，可以自行调整注释的数目，或者不采用注释等。接下来我们看看函数具体的使用，首先我们用一个ATAC TF分析的数据，这个矩阵是已经导出的，行是celltype，列是TF。需要注意一下，函数有一个参数data_scale，假设你的数据不需要scale标准化，那么参数选择T，作图使用你的原始数 据。

热图我们号的热图系列已经写的很完善了，也写过其他的热图，随便在公众号检索关键词”热图“就有很多，这里就不再列举了。近期关注我们号的小伙伴应该了解，我们最近出的作图函数基本上都是采用点的注释，而很多文章中的热图也是这种形式，可能是有PS，但是我们还是可以使用函数代码实现，所以这里我们写一下。这里我们的示例数据是单细胞，其他数据也是一样的，我们只不过是利用单细胞数据构建一个作图的矩阵而已，作图使用的是Heatmap函数。调整下列的顺序：​​​​​​​。作图：​​​​​​​。

接下来我们测试一下：这里差异基因的分析使用的是Seurat的Findmarkers函数，所以一些参数和Findmarkers是一样的，自行调节。最好可以将logfc.threshold和min.pct设置为0，这样就可以获得所有的基因，这个结果我们函数是直接保存在相关路径中的，那么这么做有什么用呢？很显然，由于不知道差异结果如何，所以上面的图参数没有调整，不是很好，我们需要进行细节调整。显然是很麻烦的，我们可考虑到这个问题。此外，我们直接将差异基因的分析和可视化包装成一个通用的函数，函数有一定的可调节性。

原文作者有很多的函数上传到github，自行下载原文查看，还是有很多好代码的，但是它的代码并不能满足我们复杂的作图。而且数据完全不一样。不过它图的修饰和颜色可以参考。但是小伙伴发现这个图只有表达的细胞上面添加了等高线密度。所以这里我们修改一下，其实很简单，只需要调整密度的表达量阈值即可。然后是多个marker的展示：增加ncol参数。最后看一下UMAP降维的数据：​​​​​​​。接下来我们看看具体的效果。

演示了差异基因KEGG或者GO的分析流程。其实差异基因的富集分析输入的文件只需要一组基因就可以了。所以我们发挥了专治懒病的优良传统，将KEGG、GO（BP、CC、MF）的分析封装为一个函数，您只需要提供gene，选择物种即可，只有human和mouse。而且一次性完成KEGG和GO分析结果，免去了分析两次的麻烦。这里我们直接用向量提供了基因。如果您的文件是差异基因，很好弄，只需要$符号传入gene symbol那一列即可。有需要的可以试一下，总之是为了省时省力，那些在线的分析工具的底层原理也就是这样。

今天我们复现一篇cell子刊的图表，这篇文章有一副关于转录因子的图表，观察这个图有什么特点呢？第一是热图是二项值热图，只有0，1两个值，我们知道，在R语言版本的SCENIC分析中，最后可以得到二项值热图，那么pyscenic的分析结果中也是可以进行二项值分析并做热图的。第二是热图左侧注释有auc值的注释，热图是按照分组split的，而且两组的celltype分布是对称的。第三则是左侧行名的展示。我们的复现结果如下，因为数据是随意挑选的，所以结果看上去没有原图那么明显，但是所有的元素我们都完成了。

我们也说过，我们号是放弃R语言版的SCENIC的分析了，因为它比较耗费计算资源和时间，所以我们的单细胞转录因子分析教程都是基于pyscenic的分析进行的。有些说想知道整个运行过程是怎么样的，所以我们出了这个视频教程，演示整个pyscenic的流程。我们的这个视频从数据准备、软件安装、步骤分析、镜像分析等等方面，展示了pyscenic分析的过程，最终得到分析结果。得到分析结果之后，那么后续的内容也就好办了，我们也写了很多的R语言版的分析和可视化，以及python版本的分析可视化。

今天这个帖子的起因是这样的。有小伙伴说自己在GEO数据库上看中了一个单细胞数据，作者提供了样本的表达矩阵，还提供了注释好celltype和坐标信息的metadata。小伙伴利用这个数据并不是想重新分析，而是想要原文作者一模一样的聚类降维，然后进行一些比较，所以说是想还原这个数据。如果不是原文作者提供了包含cell type和细胞坐标信息的metadata，那么还真不能，但是有数据就好办了。看这个图和原文还有差距比较大的，我们将原文作者的celltype信息合UMAP坐标信息替换一下。

这里我们以基因互作演示一个简单的网络图示意。第一：基因按照分组展示。第二：上下调基因也区分展示出来。其实，就是一个非常简单的网络图，很基础，主要是为了熟悉下网络的设置等等。首先准备网络数据，我这里是 STRING网络分析的结果。最后构建ggraph作图数据。ggraph作图重要的是构建好作图数据。ggraph是ggplot2的拓展包，所以作图设置和ggplot类似。不同组的基因按照不同的颜色区别，上下调基因按照节点边框颜色区分。本贴示例数据及详细注释代码已上传群文件，请自行下载。

主要更新的内容是一些之前遗留的疏忽错误，例如气泡过大的问题等等。此外小伙伴反应之后，我们也发现，之前的函数在做单细胞气泡图的时候函数没有提供修改因子顺序，因为order=T设置之后导致气泡是按照从大到小排列的。这个函数还是受到很多小伙伴的喜爱的。可以看到，顶部分组排序是按照首字母排序的，数据不是从到大到小从左到右排列。那么order参数选择F，用level设置自己需要的顺序，groups也是可以设置的。为了演示，我们换一个数据，其他的内容不变，只演示单细胞的内容。我们先按照默认的做一下，order=T。

后来干脆一不做二不休，写一个函数吧，有差异分析结果即可，可视化也是一键出结果。我们此部分一共有两个函数，一个是KS_GSEA，作用是进行转录组数据GSEA分析，提供clusterProfiler和fgsea两种R包分析方式，KS_GSEA适用于human和mouse两个物种，支持KEGG、GO（BP）的GSEA分析。NES

其实到这里就差不多了，x轴的label、已经legend都可以通过AI的形式修饰，这样还最简单，当然了，提取数据后用ggplot2按照我们之前很多帖子的方式，也是可以完成的，但是我觉得没必要了。小伙伴的问题所在于横坐标是每个celltype下包含每个分组，其实但凡思考一下，或者自己摸索过就会一眼看出，这就是cellchat多组结果的可视化，这也就是我第一眼就说这是cellchat默认做的图。可是我们也知道，cellchat流程很繁琐，如果我一个一个的去做太费劲，这里3各样本还好，假设是5个六个不得烦死。

第二个问题是有小伙伴发来图让复现，是富集结果的展示，乍一看很复杂，既是网络图，又是多组的，其实很简单，clusterProfiler多组富集分析和enrichplot早就解决了这个问题。我们演示的时候都是直接提供了富集的结果文件，一般演示为了图方便，也是利用在线工具cytoscape做的。是网络的形式，GO、KEGG结果都可以展示，还是可以。首先我们做一下单独的GO、KEGG分析，这里我们使用的是引用很高的，基本上人人都在用的余老师的R包-clusterProfiler，相信大家都很熟悉了。

首先我们分析了一组数据的差异基因，利用上下调差异基因做了GO富集，展示相关的结果。后来有小伙伴反应说有比这个更好的雷达图，是一篇Immunity上的文章，也是利用雷达图展示通路富集的结果，其实也是一样，只不过是分组了，我们还是用fmsb包进行复现。当然了也有其他的包做雷达图，例如ggradar或者ggplot2也能实现，感兴趣的可以自行探索，我们就不再深究了，这个展示应用还是可以的。我们整理一下，挑选需要的通路进行展示。复现基本上90%是完成了，但是有一点没有，就是点用渐变来实现，不知道这个包有没有办法。

总之，这个图还是很有用的，一个图展示了多个信息，但是凑图这个路被堵死了[图片上传中...(image-152128-1687142947490-4)]然后计算细胞比例，添加上每个细胞群中心位置，用于添加饼图。也可以添加上细胞群的数量，后面做一个相对化处理，用来表示饼图大小，这个图就会更加生动。在这样就完成了，感兴趣的小伙伴可以在自己文章里面展示起来了。本来是一个简简单单的小破图， 可是需求这个东西是无穷无尽的，以后可不敢乱提了。最后，将细胞比例也展示在饼图山，这样就完美了。

之前微信群发布了一个图希望我们复现，是一篇science子刊的文章。展示的是细胞通讯的受配体对的表达情况。原文的方法部分描述如下，可以看出，作者展示的是cellchat结果的受配体对。但是我想cellphonedb的结果也是可以这样展示的。学习这一节的内容，其实不仅仅是这个图的复现，还是对ggplot2作图各种情况的处理，以及学习拼图。学习的时候也可以注意这些细节。复现这个还是花费了一番功夫，复现结果如下，结果最后需要用AI稍微排版一下，效果就更完美了。详情请至我们的公众号---KS科研分享与服务。

假设这样一个场景，我们预先对某一个数据进行了完美的分群注释，尤其是细胞亚群，当我们要对另外一个数据集进行注释的时候，就可以将之前注释好的数据当作training数据，当前数据作为test数据，根据之前的注释对当前数据集进行分类。还有，做类器官发育的时候，需要要发育阶段的细胞进行分群注释，我们这个时候可以参考相同物种的正常发育顺序的单细胞数据集，对自己的数据进行注释。我们利用前面的数据对我们的数据集进行注释。鉴定到的细胞聚类还是可以的。接下来对一个新的数据进行正常的降维分析，然后利用之前的数据集对其注释。

最近看到一个评分R包，感觉还是挺好的这里分享一下。Ucell是基于Mann-Whitney U统计的单细胞评分R包，灵感来源于SUCell，使用起来稳定性较好，且与其他的方式相比较，Ucell计算所需的时间和耗费的内存更小。Ucell在高分SCI文章的应用还是挺多的，我们在自己的分析中也可以视情况选择使用。这里卖个关子，我们做了那么多的ggplot可视化，给大家思考一下，细胞数是如何添加上的（纯代码，简单的方式）。

最近公众号小伙伴好像扎堆做单细胞转录因子富集分析，这里还是建议使用服务器，因为自己电脑可能跑起来比较费劲。我们也在上一篇内容里面对分析进行了更新，我们提供的方法都在liunux终端的conda环境中运行。我们是在R语言里面提取的seurat单细胞的矩阵去python中分析，所以最后可视化的时候需要将R里面的文件转化为python可读可操作的对象。我们封装了两个函数，第一个是R里面数据提取seurat_to_adata.R，第二个是python中数据构建函数seurat_to_adata.py。

**pySCENIC全部往期精彩系列首先说一句，我们之前也发过R语言版本的SCENIC，但是后来我们感觉容易出错，而且费时，所以就没有再探究过。可是总是有小伙伴喜欢跑R，然后说这里错了，那里找不见，其实我们的帖子写于2022年，但是数据库已经更新了，去官网下载新的数据库，不能无脑跑代码。回到pySCENIC,之前我们写过整个系列4篇帖子，分析可视化都是很完善了。可是近期跑的时候发现在第一步有点问题，要么跑不动，要么出错，怀疑是软件和数据库没有更新的缘故，故而更新一下测试。这个帖子主要有两部分内容。