scRNA分析| DoHeatmap 美化，dittoSeq ，scillus 一行代码出图，你PICK谁？

生信补给站

发布于 2023-08-25 10:31:28

1.6K0

发布于 2023-08-25 10:31:28

文章被收录于专栏：生信补给站

单细胞常见的可视化方式有DimPlot，FeaturePlot ，DotPlot ，VlnPlot 和 DoHeatmap几种，Seurat均可以实现，但文献中的图大多会精美很多。比如

惊艳umap图: scRNA复现|所见即所得，和Cell学umap，plot1cell完成惊艳的细胞注释umap图；

DimPlot美化 scRNA分析 | 定制美化FeaturePlot 图，你需要的都在这,

DotPlot美化scRNA分析| 和SCI学定制化聚类点图（Dotplot ），含二行代码出图方式，

本次介绍DoHeatmap 热图的美化。

（1）Seurat优化

（2）dittoSeq 一键式热图

（3）scillus 一键式热图

一载入R包，数据

仍然使用之前注释过的sce.anno.RData数据，后台回复 anno 即可获取

library(Seurat)
library(tidyverse)
library(viridis)
library(RColorBrewer)

load("sce.anno.RData")
head(sce2,2)

二 Seurat 调整，美化

1，计算marker 基因

首先计算marker基因，然后使用seurat的DoHeatmap 函数绘制初始热图

all_markers <- FindAllMarkers(object = sce2)

top5 <- all_markers %>% group_by(cluster) %>% top_n(5, avg_log2FC)
##Seurat 初始热图 
DoHeatmap(sce2,top5$gene)

相较文献可调整（1）anno的标签有无以及大小（2）热图的颜色（3）聚类与否（4）是否添加sample，group 以及评分等anno中相关信息的注释。

2，优化颜色，标签

基于seurat的基础上，同样也可以使用ggplot2 的一些函数进行美化

DoHeatmap(sce2, label = F , # 不加label
          features = as.character(unique(top5$gene)),   
          group.by = "celltype",  
          assay = "RNA",  
          group.colors = c("#C77CFF","#7CAE00","#00BFC4","#F8766D","#AB82FF","#90EE90","#00CD00","#008B8B","#FFA500"))+ #设置组别颜色
  scale_fill_gradientn(colors = c("navy","white","firebrick3"))#设置热图颜色

至于是否聚类，更多meta信息的注释，交给后续选手了！

三 "定制"热图

提取单细胞矩阵，然后使用pheatmap 或者 complexheatmap 进行绘图

mat <- GetAssayData(pbmc,slot = 'scale.data')

注意使用scale后的数据，该方法需要一些基础知识的组合，以及时间的调整，但绝对是值得的。一些绘图细节可以参考：

ComplexHeatmap|绘制单个热图-I

pheatmap|暴雨暂歇，“热图”来袭！！！

scRNA分析| 和SCI学定制化聚类点图（Dotplot ），含二行代码出图方式

下面同样给出封装比较好的2个现有R包，都可以一个函数完成多种美化内容，自行选取一个即可。

四 dittoSeq 绘制

使用dittoSeq 包中的dittoHeatmap函数，快速且简单的完成热图绘制以及多个meta信息的注释

#BiocManager::install("dittoSeq")
library(dittoSeq)
dittoHeatmap(sce2, top5$gene,
             annot.by = c("celltype", "sample","AUCell"))

可以使用??dittoHeatmap 查看更多的参数或者参照文末的链接，自定义热图的颜色，anno的颜色，是否聚类等。

五 scillus 绘制

scillus-R 包也是一个神器，这里只展示热图的绘制，更多的单细胞可视化参考文末的参考链接。

#devtools::install_github("xmc811/Scillus", ref = "development")
library(Scillus)
#使用和umap一致的颜色  
my36colors <-c('#E5D2DD', '#53A85F', '#F1BB72', '#F3B1A0', '#D6E7A3', '#57C3F3', '#476D87',
               '#E95C59', '#E59CC4', '#AB3282', '#23452F', '#BD956A', '#8C549C', '#585658',
               '#9FA3A8', '#E0D4CA', '#5F3D69', '#C5DEBA', '#58A4C3', '#E4C755', '#F7F398',
               '#AA9A59', '#E63863', '#E39A35', '#C1E6F3', '#6778AE', '#91D0BE', '#B53E2B',
               '#712820', '#DCC1DD', '#CCE0F5',  '#CCC9E6', '#625D9E', '#68A180', '#3A6963',
               '#968175'
)

plot_heatmap(dataset = sce2, 
             markers = top5$gene,
             sort_var = c("celltype","sample"),
             anno_var = c("celltype","sample","percent.mt","AUCell"),
             anno_colors = list("Set2",                                             # RColorBrewer palette
                                my36colors,  # color vecto
                                "Reds",
                                "Greens"))