umap图中绘制样本类型的密度分布

加载所需包

library(Seurat)
library(ggplot2)
library(ggsignif)

加载函数

  • res:分辨率越高density的单位面积越小,根据细胞数目取值从10-100
  • type.1和type.2分别为sample_type的两个因子
  • type.1的百分比为正,type.2的百分比为负
  • filename:不包含后缀的文件名,输出pdf文件
PlotDensity <- function(seurat.object,res,type.1,type.2,filename,path.out){
sample_type <- seurat.object@meta.data$sample_type
names(sample_type) <- rownames(seurat.object@meta.data)
#提取坐标,也可以将umap改为tsne提取tsne的坐标
coord <- seurat.object@reductions$umap@cell.embeddings
r_x <- (max(coord[, 1])-min(coord[, 1]))/res #横坐标的单位距离
r_y <- (max(coord[, 2])-min(coord[, 2]))/res #纵坐标的单位距离
x_left <- apply(coord,1,function(x){x[1] - r_x})
x_right <- apply(coord,1,function(x){x[1] + r_x})
y_up <- apply(coord,1,function(x){x[2] + r_y})
y_down <- apply(coord,1,function(x){x[2] - r_y})
coord_span <- data.frame(left=x_left,right=x_right,up=y_up,down=y_down)

#提取单位区域的细胞
coord_span$cell <- rownames(coord_span)
coord_span_list <- split(coord_span,f=coord_span$cell)
cell_pool_list <- lapply(coord_span_list,function(span){
    cell_pool <- rownames(coord)[apply(coord,1,function(x) {
    ifelse(x[1] > span[1] & x[1] < span[2] & x[2] < span[3] & x[2] > span[4],TRUE,FALSE)
    })]
    })

#计算比例
final_percent <- lapply(cell_pool_list,function(x) {
n1 <- table(sample_type[match(x,names(sample_type))])[[type.1]]
n2 <- table(sample_type[match(x,names(sample_type))])[[type.2]]
percent_n1 <- n1/(n1+n2)
percent_n2 <- n2/(n1+n2)
percent <- ifelse(percent_n1 > percent_n2,percent_n1,-percent_n1) #crF为正,MAT为负
    })
seurat.object[["density"]] <- unlist(final_percent)
plot <- FeaturePlot(seurat.object,features = "density",pt.size=1)+scale_color_gradient2(low='#003399',mid='white',high='#990000')
ggsave(paste0(filename,".pdf"),plot,path=path.out,width = 8, height = 5)
}

加载数据

path_out_BioRad_debach_FAP <- "/data/zhaoxueya/project/gut/result/BioRad/CD_merge/debach/subset/FAP"
seurat_object_FAT <- readRDS(file=paste(path_out_BioRad_debach_FAP,"seurat_object_subset.rds", sep="/"))
PlotDensity(seurat.object=seurat_object_FAT,res=10,type.1="CrF",type.2="MAT",filename="test10",path.out=path_out_BioRad_debach_FAP)

©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 204,793评论 6 478
  • 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 87,567评论 2 381
  • 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 151,342评论 0 338
  • 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 54,825评论 1 277
  • 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 63,814评论 5 368
  • 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 48,680评论 1 281
  • 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 38,033评论 3 399
  • 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 36,687评论 0 258
  • 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 42,175评论 1 300
  • 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 35,668评论 2 321
  • 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 37,775评论 1 332
  • 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 33,419评论 4 321
  • 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 39,020评论 3 307
  • 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 29,978评论 0 19
  • 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 31,206评论 1 260
  • 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 45,092评论 2 351
  • 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 42,510评论 2 343

推荐阅读更多精彩内容