主要观点总结
本文主要介绍了如何使用VlnPlot函数的相关参数来绘制堆叠小提琴图，并展示了小提琴图的分组分半展示。同时，文章也提到了基于ggplot2在VlnPlot结果的基础上进行美化，以及提取数据使用ggplot2进行美化的方法。文章还强调了在进行单细胞转录组数据分析时，拥有自己的计算机资源和基本的生物信息学基础的重要性。
关键观点总结
关键观点1: 使用VlnPlot函数绘制堆叠小提琴图
介绍如何使用VlnPlot函数绘制堆叠小提琴图，包括直接使用VlnPlot函数、使用stack参数绘制堆叠小提琴图、使用调色板函数美化小提琴图等。
关键观点2: 小提琴图的分组分半展示
介绍如何在同一图形中展示多个分组的分布情况，通过分组小提琴图和分组分半小提琴图来比较不同组之间的数据分布情况。
关键观点3: 基于ggplot2对VlnPlot结果进行美化
介绍如何使用ggplot2的theme函数调整VlnPlot结果的样式，包括调整坐标轴、设置文本颜色和大小、添加边框、调整间距等。
关键观点4: 提取数据使用ggplot2进行美化
介绍如何提取需要的数据，使用ggplot2从绘图到美化的方法，包括生信菜鸟团、生信星球和生信补给站等前辈们整理的可参考的推文。
关键观点5: 进行单细胞转录组数据分析的建议
强调进行单细胞转录组数据分析时，需要有自己的计算机资源、基本的生物信息学基础，并推荐了一些相关的课程和资源。
文章预览
前情提要 上期的推文 VlnPlot结果及常用参数浅析 整理介绍了一下小提琴图可视化marker基因，在结尾简单介绍了一下 可用于美化可视化结果的参数。 这期我们就一起来 使用一下这些参数，绘制更好看的小提琴图叭！ 分析数据简介 因为分析中需要用到分组信息，而pbmc3k的数据集是单个样品，没有包含分组信息。所以 这期的示例数据换为 ifnb.SeuratData 的数据集 ifnb.SeuratData数据降维聚类分群的内容见推文—— ifnb数据集分析及注释对比 最后的 手动分群情况 ： 获取top3的Marker基因： markers top3 = markers %>% group_by(cluster) %>% top_n(n = 3, wt = avg_log2FC) g2 = unique(top3 $gene ) 基于VlnPlot参数美化小提琴图 1. 直接可视化 VlnPlot(sce.all.int, features = g2[1:6]) 如果直接使用VlnPlot可视化，不设置参数，会得到每个基因单独展示的结果，不太易读 。 如果想将marker一起展
………………………………
