🤩 scRNA-seq | 吐血整理的单细胞入门教程（基础可视化）（五）

1写在前面

本期我们介绍一下scRNA-seq基本信息的可视化方法。✌️

2用到的包

rm(list = ls())
library(tidyverse)
library(scater)
library(SingleCellExperiment)
library(ggsci)
library(scater)

3示例数据

这里我们用一下上期介绍的counts文件和annotation文件，然后通过SingleCellExperiment包创建SingleCellExperiment格式的文件。

3.1 读入数据

counts <- read.table("./molecules.txt", sep = "\t")
annotation <- read.table("./annotation.txt", sep = "\t", header = TRUE)

---

3.2 创建SingleCellExperiment对象

# 注意assays必须是matrix
tung <- SingleCellExperiment(
  assays = list(counts = as.matrix(counts)),
  colData = annotation
)
assay(tung, "logcounts") <- log2(counts(tung) + 1)
colData(tung)$total_counts <- colSums(counts(tung))
tung

4细胞信息可视化

这里我们对每个batch的总count的分布情况进行可视化。😘
大家可以在colData中找到相应信息。

4.1 提取信息

cell_info <- as.data.frame(colData(tung))
head(cell_info)

---

4.2 可视化

这里的可视化我们以ggplot为例。🌰

cell_info %>% 
  ggplot(aes(x = batch, y = total_counts)) +
  geom_violin(aes(fill= batch)) + 
  theme_bw() + 
  theme(axis.text.x = element_text(angle = 45, vjust = 1, hjust=1))+
  scale_fill_npg()

5特定gene及batch的可视化

如果我们想把每个batch中某个特定gene的表达分布可视化，这就相对比较复杂了，因为gene表达信息是在counts文件中，而batch信息是在colData中。🤯
如果要把这两部分信息放在一起，我们需要做大量的数据处理，然后整合在一个data.frame。😔

这里我们可以使用scater包的ggcells()函数进行可视化，非常简单。🤩

5.1 补充一下

上面我们介绍了使用ggplot对细胞信息进行可视化，这里我们用scater包也可以实现，无需提取colData。

tung %>% 
  ggcells(aes(x = batch, y = total_counts)) + 
  geom_violin(aes(fill = batch)) + 
  theme_bw() + 
  theme(axis.text.x = element_text(angle = 45, vjust = 1, hjust=1))+
  scale_fill_lancet()

---

5.2 特定基因可视化

tung %>% 
  ggcells(aes(x = batch, y = ENSG00000198938), exprs_values = "logcounts") + 
  geom_violin(aes(fill = batch)) +
  theme_bw() + 
  theme(axis.text.x = element_text(angle = 45, vjust = 1, hjust=1))+
  scale_fill_aaas()

---

最后祝大家早日不卷!~

---

需要示例数据的小伙伴，在公众号回复scRNAseq获取吧！

点个在看吧各位~ ✐.ɴɪᴄᴇ ᴅᴀʏ 〰