跟着Cell学单细胞转录组分析(八):单细胞转录组差异基因分析及多组结果可视化

接着单细胞下游分析：

• 从Cell学单细胞转录组分析(一):开端！！！

• 跟着Cell学单细胞转录组分析(二):单细胞转录组测序文件的读入及Seurat对象构建

• 跟着Cell学单细胞转录组分析(三):单细胞转录组数据质控（QC）及合并去除批次效应

• 跟着Cell学单细胞转录组分析(四):单细胞转录组测序UMAP降维聚类

• 跟着Cell学单细胞转录组分析(五):单细胞转录组marker基因鉴定及细胞群注释

• 跟着Cell学单细胞转录组分析(六):细胞比例计算及可视化

• 跟着Cell学单细胞转录组分析(七):细胞亚群分析及细胞互作

===========================================

这节内容我们说说差异基因的筛选及个性化作图。单细胞转录组差异基因的鉴定原理类似于普通转录组，只不过是样品数增加了，也就是一个细胞代表一个样品。关于单细胞转录组差异基因分析方法的选择可以参考：http://www.360doc.com/content/21/0714/12/76149697_986499764.shtml。我们这里使用Seurat默认的方法，重点是结果的可视化。

细胞定群后，我们可以看看不同组同一细胞的差异基因（DEG），首先提取这个类型的Seurat对象，使用FingMarkers函数，设置分组和比较。

DimPlot(object = scedata,label = T,pt.size = 1)+
  labs(x = "UMAP1", y = "UMAP2",title = 'celltype') + 
  theme(legend.position = c(14,0),
        legend.justification = c(0,1),
        panel.border = element_rect(fill=NA,color="black", size=1, linetype="solid"))
#DEGs
Fibroblast <- subset(scedata, celltype=="Fibroblast")
diff_Fibroblast <- FindMarkers(Fibroblast, min.pct = 0.25, 
                    logfc.threshold = 0.25,
                    group.by = "group",
                    ident.1 ="GM",
                    ident.2="BM")       

一般我们可以直接使用一个火山图来展示差异基因。

BiocManager::install('EnhancedVolcano')
library(EnhancedVolcano)
EnhancedVolcano(diff_Fibroblast,
                lab = rownames(diff_Fibroblast),
                x = 'avg_log2FC',
                y = 'p_val_adj',
                pCutoff = 0.05,
                FCcutoff = 0.5,
                pointSize = 3.0,
                labSize = 6.0,
                title = 'diff_Fibroblast')

image

但是这样我们也发现一个问题，每一个分群，每一次比较都要做一个火山图，那简直是放不完的，所以可以将这些火山图放在一张图上显示，这样的显示方式是不是好多了。

image

<mp-pay-preview-filter style="margin: 0px; padding: 0px;"></mp-pay-preview-filter>

首先我们将每个组比较得到的差异基因结果合并，并添加各自的cluster类型。设置显著基因，与之前转录组火山图类似（转录组不求人系列(十): NCS级别的火山图，总有一款适合你！）。

更多内容请至我的个人公众号《KS科研分享与服务》