使用降维分析图展示marker基因

大部分单细胞分析，以及seurat package这个包给出的示例，也都是某一marker基因在降维分析之后得到位置的表现。例如下图

image.png

单细胞分析的一点小技巧

那如果只是展示某一类细胞在降维分析图中的位置，如何操作

虽然降维分析，并对细胞进行族群分析，直接呈现出来的就是各个细胞的状态和位置，但是主要是还不够明显，不能一下子展现出个人的研究重点细胞族群。所以这个技巧还是有一定的作用

使用降维分析图展示单个细胞群

准备数据

要将需要分析的数据保存为rds 格式，方便读取。

按照Rdata 格式进行保存，也是完全可以的，但是为了方便后续读入，并进行重命名，rds格式值得推荐

# all cell type 
rm(list = ls())
scobj = readRDS(file = "output/Seurat_single_sample_scobj.rds")
metadata <- scobj@meta.data

其中scobj 是读入的单细胞数据，经过转换成seurat处理的对象，并进行了细胞族群注释。具体前期分群和注释参阅
单细胞分析（一）——seurat包单个样本处理
单细胞分析（二）——细胞注释（SingleR自动注释）

展示单个细胞群

rm(list = ls())
scobj = readRDS(file = "output/Seurat_single_sample_scobj.rds")

# 单个单个细胞群 --------------------
metadata <- scobj@meta.data
FeaturePlot(scobj, features = 'percent.mt')

# 以CD14+ MONO 为例
scobj@meta.data$cd14_mono <- ifelse(metadata$celltype == "CD14+ Mono", 1, 0)
FeaturePlot(scobj, features = "cd14_mono")

image.png

构建适合FeaturePlot函数的矩阵

展示所有的细胞

design <- model.matrix(~0 + metadata$celltype)
design <- as.data.frame(design)
colnames(design) <- levels(metadata$celltype)

scobj@meta.data = cbind(scobj@meta.data, design)
metadata <- scobj@meta.data

FeaturePlot(scobj, features = levels(metadata$celltype)， cols = c("lightgrey","red"))

image.png

还可以选定展示的细胞

FeaturePlot(scobj, features = c('CD8+ T', 'B cell'), cols = c("lightgrey","#00ff00"))
#可以改变展示位置的颜色

image.png

上面的构建矩阵信息的方法使用的是model.matrix 这个函数，非常有用的一个函数，也是一种批量化的思维模式。