细胞比例

细胞比例

1

celltype_ratio <- tbimc@meta.data %>%
  group_by(group, celltype) %>%#分组
  summarise(n=n()) %>%
  mutate(relative_freq = n/sum(n))
celltype_ratio$celltype <- factor(celltype_ratio$celltype)

#ggplot可视化
##dark2 <- RColorBrewer::brewer.pal(5, "Dark2")  ##颜色参数
fillcolor <- c("#F8766D","#00BFC4")
freq_plot <- ggplot(celltype_ratio, aes(x=celltype, y=relative_freq)) +
  geom_col(aes(fill=group), color="black", position="dodge") +
  ylab("Relative Frequency") +
  scale_fill_manual(values=fillcolor) + #颜色填充
  scale_y_continuous(expand=c(0,0)) +
  facet_wrap( ~ celltype, ncol=4, scales="free") + #设置排版
  theme_classic() +
  theme(strip.background=element_blank(),
        strip.text = element_text(size=11),
        legend.title = element_blank(),
        legend.text = element_text(size=12),
        axis.text.y=element_text(size=10, color='black'),
        axis.text.x=element_text(size=10, color='black', angle=45, hjust=1),
        axis.title.x=element_blank(),
        axis.ticks.x=element_blank())
pdf("Cell-ratio-bycluster.pdf")
freq_plot
dev.off()
分开展示

2

pdf("Cell-ratio-Bar.pdf")
ggplot(celltype_ratio, aes(x=celltype, y=relative_freq)) +
  geom_col(aes(fill=group), color="black", position="dodge") +
  ylab("Relative Frequency") +
  scale_fill_manual(values=fillcolor) +
  scale_y_continuous(expand=c(0,0)) +
  theme_classic() +
  theme(strip.background=element_blank(),
        strip.text = element_text(size=11),
        legend.title = element_blank(),
        legend.text = element_text(size=12),
        axis.text.y=element_text(size=10, color='black'),
        axis.text.x=element_text(size=10, color='black', angle=45, hjust=1),
        axis.title.x=element_blank(),
        axis.ticks.x=element_blank())
dev.off()
合在一起展示

3

wps做的

4

wps+ai

5堆叠柱状图

Mac<-readRDS("newid_Mac.rds")
Mac_counts <- FetchData(Mac, vars = c("celltype", "group")) %>%  
  mutate(group = factor(group, levels = c("TBI", "MC")))
#TBI_TTTGGTTTCCAAGCCG-1     Mac3   TBI
#TBI_TTTGTTGCAGACTGCC-1     Mac1   TBI
### count根据patient_id,和tissue_type来统计总数,相当于excel分类汇总了
Mac_counts_pro <- Mac_counts %>% dplyr::count(celltype,group)
#Mac1   TBI 1708
#Mac1    MC    2
write_csv(Mac_counts_pro,"Mac_counts_pro.csv")
use_colors <- c("Mac1"="#F8766D" , "Mac2"="#F8766D" , "Mac3"= "#FFBFF1" , "Mac4"= "#00B0F6" , "Mac5"= "#E76BF3")
ggplot(data = Mac_counts, aes(x = group, fill = celltype)) +
  geom_bar(position = "fill") +
  scale_fill_manual(values = use_colors) +
  coord_flip() +
  scale_y_reverse()
ggsave2("barplot_Mac.pdf", width = 8, height = 2)
堆叠柱状图

5-2堆叠柱状图

Mac<-readRDS("newid_Mac.rds")
unique(Mac$sample)
cellnum <- table(Mac$celltype,Mac$sample)
cell.prop<-as.data.frame(prop.table(cellnum))
colnames(cell.prop)<-c("Celltype","sample","Proportion") #给这个数据框的列命名
use_colors <- c("Mac1"="#F8766D" , "Mac2"="#A3A500" , "Mac3"= "#FFBFF1" , "Mac4"= "#00B0F6" , "Mac5"= "#E76BF3")
ggplot(cell.prop,aes(sample,Proportion,fill=Celltype))+
  geom_bar(stat="identity",position="fill",width = 0.8,linewidth = 0.2,colour = '#222222')+
 scale_fill_manual(values=use_colors)+#自定义fill的颜色
 #ggtitle("cell proportion")+coord_flip()+#横着放
 theme_classic()+
 labs(x='',y = '')+
 theme(axis.ticks.length=unit(0.1,'cm'))+
 guides(fill=guide_legend(title=NULL))
ggsave2("barplot_Mac3.pdf", width = 3, height = 4)

use_colors <- c("TBI"="#00BFC4" , "MC"="#F8766D")
ggplot(cell.prop,aes(Celltype,Proportion,fill=sample))+
  geom_bar(stat="identity",position="fill",width = 0.8,linewidth = 0.2,colour = '#222222')+
 scale_fill_manual(values=use_colors)+#自定义fill的颜色
 #ggtitle("cell proportion")+coord_flip()+#横着放
 theme_classic()+
 labs(x='',y = 'Cell Proportion')+
 theme(axis.ticks.length=unit(0.1,'cm'))+
 guides(fill=guide_legend(title=NULL))
ggsave2("End_cellpro_sample.pdf", width = 4, height = 3)
image.png
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 224,642评论 6 522
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 96,168评论 3 402
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 171,809评论 0 366
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 60,921评论 1 300
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 69,924评论 6 399
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 53,415评论 1 314
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 41,794评论 3 428
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 40,765评论 0 279
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 47,297评论 1 324
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 39,331评论 3 345
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 41,458评论 1 354
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 37,065评论 5 350
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 42,777评论 3 337
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 33,233评论 0 25
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 34,366评论 1 275
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 50,001评论 3 381
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 46,524评论 2 365

推荐阅读更多精彩内容