导语
GUIDE ╲
常见的单细胞轨迹研究方法包括拟时序分析及RNA 速率分析等,广泛应用于发育研究,干细胞分化及肿瘤微环境免疫细胞的动态变化研究等。
背景介绍
细胞轨迹分析可以通过构建细胞间的变化轨迹来重塑细胞随着时间的变化过程,帮助人们从单细胞水平推断细胞之间的演化及分化过程,今天小编给大家介绍的R包dynplot,功能主要是将单细胞轨迹作为图形或树状图,作为表达数据的降维或热图,或将两条轨迹之间的比较作为成对散点图或降维投影。
R包安装
BiocManager::install("dynplot")
library(dynplot)
可视化介绍
01
示例数据
data(example_bifurcating)
trajectory <- example_bifurcating
02
绘制拓扑和细胞位置
plot_onedim(trajectory)
##树
plot_dendro(trajectory)
#复杂拓扑
plot_graph(trajectory)
plot_topology(trajectory, layout = "circle")
plot_dimred(trajectory)
plot_dimred(trajectory, color_trajectory = "nearest")
03
绘制分组或聚类
按分组上色
grouping <- trajectory$prior_information$groups_id
plot_onedim(trajectory, grouping = grouping)
plot_dendro(trajectory, grouping = grouping)
plot_dimred(trajectory, grouping = grouping)
04
绘制一个特征的表达
feature_oi <- first(colnames(trajectory$counts))
plot_onedim(trajectory, feature_oi = feature_oi)
plot_dendro(trajectory, feature_oi = feature_oi)
plot_dimred(trajectory, feature_oi = feature_oi)
结合表达热图
plot_heatmap(trajectory)
05
轨迹比较
pseudotime <- trajectory$counts %>% prcomp() %>% {.$x[, 1]}
prediction <-
dynwrap::wrap_data(id = "dummy_prediction", cell_ids = trajectory$cell_ids) %>%
dynwrap::add_linear_trajectory(pseudotime)
plot_linearised_comparison(trajectory, prediction)
小编总结
随着单细胞测序技术的飞速发展和相应分析工具的大量出现,单细胞测序的应用逐渐走向成熟,使用dynplot可以方便的绘制细胞轨迹,产出图片十分精美,可以直接用于发表,大家快快尝试吧。
END