关于单细胞气泡图的做法，我们写过很多很多，但是这些图基本上都是利用Seurat提取了数据，然后在ggplot2中完成的。因为Seurat包中的DotPlot函数的底层就是ggplot2，所以这里我们决定就是用Dotplot函数，然后进行修饰，得到具有NCS质感的图片。

当然了，这篇内容对于高手来说没什么，但是对于一般学习者而言，我们解决的问题有：1、基本函数的使用技巧。2、气泡图注释拼图。首先我们读入数据做一个气泡图。横坐标当然是基因了，纵坐标我们不希望是celltype，而是既包含celltype，还包含分组信息的，于是我们这样作图：

library(Seurat)
library(ggplot2)
library(cowplot)
markers <- c("SPARCL1","GNG11","IFITM3","AQP1","IGFBP7","IFI27",
             "CD3D","CD2","TRAC","CD3G","CD3E","TRBC2","PTPRC","GZMA",
             "AIF1","MS4A6A","MNDA","SPI1","LYZ",
             "S100A8","S100A9",
             "MS4A2","HPGDS","TPSAB1","HDC")

DotPlot(human_data, features = markers, split.by = 'orig.ident')

但是收到了如下的报错：

Error in DotPlot(human_data, features = markers, split.by = "orig.ident") : 
  Not enough colors for the number of groups

很显然分组太多，默认颜色不够了，我们自己添加点。

library(dittoSeq)
DotPlot(human_data, 
        features = markers, 
        split.by = 'orig.ident',
        cols = dittoColors())

image.png

分组没有毛病了，然而这显然也不是我们需要的图，因为每一个样本表达量一种颜色，而我们需要的表达气泡图是一种连续的渐变。

所以，我们在seurat对象metadata中新建一列，这一列将celltype和样本分组结合起来，然后将新的列设置为idents。这样这个问题就得到完美的解决了。

human_data@meta.data$newgroup <- paste0(human_data$celltype,"_",human_data$orig.ident)
Idents(human_data) <- 'newgroup'
Idents(human_data) <- factor(Idents(human_data), levels = c(paste0("Macrophage","_",unique(human_data$orig.ident)),
                                                            paste0("T cell","_",unique(human_data$orig.ident)),
                                                            paste0("mDC","_",unique(human_data$orig.ident)),
                                                            paste0("Neutrophil","_",unique(human_data$orig.ident)),
                                                            paste0("Mast","_",unique(human_data$orig.ident))))        

DotPlot(human_data, features = markers, cols = c("lightgrey", "red"))

image.png

然后，我们对图的主题进行修饰，增加分组注释，添加分割线，添加背景，等等一系列的操作之后，我们就得到妥妥的NCS质感的图片。

image.png