类似2021年CELL 文章Single-cell landscape of the ecosystem in early-relapse hepatocellular carcinoma，单细胞文献的Fig1一般会有细胞类型的全局umap图，分样本 和 分组的umap图 ，以及分样本 和 分组的细胞类型比例柱形图。
本推文介绍一下如何实现，涉及（1）颜色调整 ；（2）标签顺序设定 ；（3）pathwork组图拼图 。
一 调整umap图
读取scRNA分析|Marker gene 可视化 以及 细胞亚群注释--你是如何人工注释的？中注释后的RData文件 ，然后查看一下
library(Seurat)
library(tidyverse)
library(patchwork) #拼图
#读取数据
load("sce.anno.RData")
head(sce2@meta.data)
table(sce2@meta.data$celltype)
colour=c("#DC143C","#0000FF","#20B2AA","#FFA500","#9370DB","#98FB98","#F08080","#1E90FF","#7CFC00","#FFFF00",
"#808000","#FF00FF","#FA8072","#7B68EE","#9400D3","#800080","#A0522D","#D2B48C","#D2691E","#87CEEB","#40E0D0","#5F9EA0",
"#FF1493","#0000CD","#008B8B","#FFE4B5","#8A2BE2","#228B22","#E9967A","#4682B4","#32CD32","#F0E68C","#FFFFE0","#EE82EE",
"#FF6347","#6A5ACD","#9932CC","#8B008B","#8B4513","#DEB887")
t1 <- DimPlot(sce2, reduction = 'umap',
cols = colour , #设置颜色
repel = T, #label不重叠
label.size = 5, #调整label的大小
label = TRUE, #是否展示label
pt.size = 0.5)
t2 <- DimPlot(sce2, reduction = 'umap',
group.by = "sample",
cols = colour , label = F, pt.size = 0.5)
t1 + t2颜色比默认时候好很多 ；但是分样本umap图的标签顺序是MET样本在上 PT样本在下，想更改一下 ，可以使用以下设置factor的方式进行。
注：group.by 选择metadata中的某列 即可以进行展示了 。当然可以添加你想展示的各种score，表达量，时序结果等等。 还有一个 split.by 函数 ，也很有用，可以自行试一下。
标签顺序可以自定义为自己想展示的顺序
#设置sample的顺序
sce2@meta.data$sample <- factor(sce2@meta.data$sample,
levels=c("P01", "P02","P03", "P04" , "P05","P06","P07" ,"P08", "P09" ,"P10" ,
"MET01" ,"MET02","MET03" ,"MET04" ,"MET05" ,"MET06"
) )
#设置group顺序
sce2@meta.data$group <- factor(sce2@meta.data$group,
levels=c("PT", "MET") )
Idents(sce2) <- "celltype"
p1 <- DimPlot(sce2, reduction = 'umap',
cols = colour , #设置颜色
repel = T, #label不重叠
label.size = 5, #调整label的大小
label = TRUE, #是否展示label
pt.size = 0.5)
p2 <- DimPlot(sce2, reduction = 'umap',
group.by = "sample",
cols = colour ,
label = F, pt.size = 0.5)
p3 <- DimPlot(sce2, reduction = 'umap', group.by = "group",cols = colour ,
label = F, pt.size = 0.5)
#简单的拼图
p1 / (p2 + p3)
二 细胞比例柱形图
绘制细胞比例柱形图的话，只需要根据metadata中的样本（分组）和细胞类型（cluster） ，table后获得长数据，然后ggplot2绘制即可。
#分样本
sample_table <- as.data.frame(table(sce2@meta.data$sample,sce2@meta.data$celltype))
names(sample_table) <- c("Samples","celltype","CellNumber")
plot_sample<-ggplot(sample_table,aes(x=Samples,weight=CellNumber,fill=celltype))+
geom_bar(position="fill")+
scale_fill_manual(values=colour) +
theme(panel.grid = element_blank(),
panel.background = element_rect(fill = "transparent",colour = NA),
axis.line.x = element_line(colour = "black") ,
axis.line.y = element_line(colour = "black") ,
plot.title = element_text(lineheight=.8, face="bold", hjust=0.5, size =16)
)+labs(y="Percentage")+RotatedAxis()
plot_sample
#分组
group_table <- as.data.frame(table(sce2@meta.data$group,sce2@meta.data$celltype))
names(group_table) <- c("group","celltype","CellNumber")
plot_group<-ggplot(sce2@meta.data,aes(x=group,fill=celltype))+
geom_bar(position="fill")+
scale_fill_manual(values=colour) +
theme(panel.grid = element_blank(),
panel.background = element_rect(fill = "transparent",colour = NA),
axis.line.x = element_line(colour = "black") ,
axis.line.y = element_line(colour = "black") ,
plot.title = element_text(lineheight=.8, face="bold", hjust=0.5, size =16)
)+labs(y="Percentage")
plot_group
plot_sample + plot_group +
plot_layout(widths = c(2, 1))
ggplot2绘制就意味着可以根据自己的需求随意调整。
三 patchwork拼图
上两部分最后都涉及到了拼图，最终把所有结果合在一起，并添加A B的标识 ，建议通过小括号来区分优先级 。
(p1 + plot_sample)/((p2+p3)+plot_group) +
plot_annotation(title = "FIG1", tag_levels = "A")
简单的汇总一下pathwork的拼图规则：
（1）+ 运算符进行图形拼接（并不提供任何布局信息，并列）
（2）|：图形并列放置，即按行排列
（3） /：图形竖直堆叠，即按列排列
（4）plot_layout中的widths 和 heights 控制图形的 宽和高
（5）tag_level 用于控制标签的格式，格式包括：
1：阿拉伯数字
a：小写字母
A：大写字母
i：小写罗马数字
I：大写罗马数字
更多pathwork的参数详见 https://github.com/thomasp85/patchwork
◆ ◆ ◆ ◆ ◆
精心整理（含图PLUS版）|R语言生信分析，可视化（R统计，ggplot2绘图，生信图形可视化汇总）
联系客服
