跟NC学画图--单细UMAP降维聚类（单细胞亚群对比）图，3分钟内3步骤0代码1：1完美复现，超越R语言...

先来感受下仅需几秒的极速出图流程和一键随机修改配色功能，性能遥遥领先：

本次复现的图表来源于Nature Communications（NC，IF=16.6）题目为《Single-cell and spatial analysis reveal interaction of FAP+ fibroblasts and SPP1+ macrophages in colorectal cancer，译：单细胞和空间分析揭示结直肠癌中FAP+成纤维细胞和SPP1+巨噬细胞的相互作用》中的Fig.1ｂ。跟着操作，只需要简单的鼠标点点点3步骤，在短暂3分钟内即可轻松复现该图。大家如果有类似数据分析需求可以按照平台上示例数据格式直接复制粘贴替换成自己数据直接分析哦！

CNSknowall完美1:1复现NC的UMPA图，每个亚群的坐标点、轮廓和形状均100%复现！

复现目标图片介绍

--- ·UMAP细胞亚群对比图 · ---

本图用于对UMAP算法或tSNE算法得出的降维数据进行可视化。UMAP图或tSNE图是单细胞RNA测序分析中常见的一种散点图，用于对细胞类型的聚类可视化，帮助理解细胞群之间的差异和关系。

图中UMAP１和UMAP２分别为UMAP降维的两个主要降维方向，UMAP图可以在低维空间中映射出高维数据的近邻关系。本图在此基础上增加了对样本的分组，可以同时绘制两个不同样本组或不同组织的细胞亚群，帮助理解组间或不同组织间的细胞组成差异。

这篇文章主要通过单细胞RNA测序技术来研究结直肠癌（CRC）中的细胞类型和分子机制，深入分析结直肠癌（CRC）的肿瘤微环境，并探索了特定细胞类型：FAP+成纤维细胞和SPP1+巨噬细胞在CRC发展中的作用。通过比较不同患者样本，研究揭示了这些细胞在影响患者生存率和免疫疗法响应中的潜在作用。

文章从5例非转移性直肠癌患者手术获得肿瘤样本和邻近正常组织进行scRNA-seq数据分析，其中29481个细胞来自邻近的非恶性组织，24622个细胞来自肿瘤。通过UMAP进行降维分析后，细胞被分为9种主要细胞类型，包括上皮细胞(epithelial cells)、T/ILCs细胞(T/ILCs cells)、B细胞(B cells)、浆细胞(plasma cells)、髓系细胞(myeloid cells)、肥大细胞(mast cells)、内皮细胞(ECs,endothelial cells)，间充质干细胞(MSCs)，胶质细胞(glial cells)。作者通过UMAP降维聚类可视化细胞亚群对比情况，从而比较5例患者的肿瘤和邻近正常组织中主要细胞类型的差异。

NC原文Fig.1b

话不多说，直接看如何3分钟内3步骤0代码画出100%一比一复现该图：

详细步骤

UMAP plots

1

登录CNSknowall平台 

点击工具链接:

http://cnsknowall.com/#/HomePage

直接微信扫码登录即可免费使用，进入“数据分析模块”——“组学流程”——“单细胞”，找到细胞亚群对比展示图，点击进入细胞亚群对比展示图分析界面。

CNSknowall  UMAP细胞亚群对比图可视化界面

2

数据下载

从原文下载Source Data数据，NC原文链接：

文献地址：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8976074/

 下载数据Souce Data，原文提供的Souce Data Fig.1ｂ如下：

第一列为单细胞数据在第一主要降维方向上的映射，第二列为单细胞数据在第一主要降维方向上的映射，第三列为细胞亚群类型，第四列为组织名称。

3

数据上传

将上述Souce Data Fig.1b中的数据复制粘贴到新的EXcel表格中，点击平台右侧“选择文件”后上传。

上传成功后，页面上方会显示弹窗信息，“已上传成功”。

最后点击点击页面左下角“开始做图”，等待平台运行。该图由于数据量高达5万条，点击开始作图后需要耐心等待3-5秒的出图过程，更改颜色字体参数时也需要耐心等待几秒的响应时间。

1分钟内即可得到的运行结果，如下：

4

图形细节设置

01

标题设置

修改标题一为Normal，标题二Tumor，可同时修改标题的字体、颜色、字号。

02

副标题设置

修改副标题的字体、颜色、字号。

副标题的位置在下图中展示：

03

坐标轴设置

设置坐标轴名称、字体、字号。

04

标签设置

设置聚类标签的字体、颜色、字号。

5

图形颜色设置

方式1：全网首创的一键随机变色模式，遥遥领先（本图由于数据量极大需要耐心等待几秒相应时间）：

方式2：输入精准的颜色参数

方式3：首次将取色器用于医学数据分析，一键复制相中文献上的配色风格：

6

输出结果

再次看下复现结果图与文献原图对比（下图是CNSknowall复现结果，上图是原文结果），每个点的横纵坐标、各亚群轮廓、形状以及聚类情况均一比一100%完美复现（平台画出的图由于图片宽度较大，轮廓外形会受到长度和宽度的影响，需要复制到PS/AI上调整图片宽度，从而将各个亚群达到跟原文一样的长宽距离）：

NC原文结果

CNSknowall复现结果

最后直接下载出可满足SCI发表像素（＞300dpi）的图片。本工具有四种图片格式可供下载，可根据需要，自行选择。以下载pdf格式的图片为例，点击“下载图片”--“Download PDF"，即可完成下载，下载后的矢量pdf可以进一步编辑各个细节如字体大小和格式、移动标签位置等。

---

END

 点击关注我们，用最短的时间和最高的效率学习更多数据分析方法!

加入我们的官方群咨询平台使用方法，高效学习更多数据分析方法，会晤道友！

‍免费注册登录CNSknowall

--一次性收藏120个皆可一键出图的高级通用生信工具--

‍

同时收藏42个柱状图+23个饼图+其余70个各类常用图表

写在后面：AI时代已来，您需要非同以往的更强数据分析工具

      CNSknowall （中文：CNS万事通）平台是今年1月份新上线的一款专门针对医学领域的创新型免费在线数据分析云平台，和目前常用的数据分析工具如SPSS、Origin、GraphPad Prsim和R语言相比，CNSknowall在数据上传、配色修改和参数调整等各方面做出了一系列重大创新，各项性能遥遥领先，几乎没有任何学习成本（包括时间成本和金钱成本），甚至优于GPT（毕竟GPT不是专门的数据分析工具）。您只需要简单的套用平台提供的固定数据格式复制粘贴替换成自己的数据，鼠标点点点就可以完成CNS级别的高水平图表制作，可以让不擅长或没接触过数据分析的人以最短的时间内快速建立医学数据分析的基本思维，以最快的速度掌握各种数据分析技能，帮助大家在数据分析上节省大量宝贵的时间，从而可以把时间和精力用在更重要的事情比如查阅文献和设计研究思路方案等，提高文章发表速度，减缓毕业焦虑，赋能职业生涯，开启科研天骄之路！

 CNSknowall 首页

很多时候知道自己要画什么图往往比会画什么图更重要

平台包含300个数据分析模块，您可以快速找到能让自己数据价值最大化的分析方法