文章预览
前情提要 上一期的推文 探索scCustomize:提升单细胞数据分析与可视化的利器 中,我们一起了解了一下 scCustomize包安装以及其功能 结尾的时候测试了一下 FeaturePlot_scCustom函数可视化单个基因,对比了FeaturePlot直接可视化的结果 那这期推文一起来 使用scCustomize改进一下FeaturePlot直接可视化的结果 用到的单细胞数据,还是 seurat官网pbmc-3k的示例数据 ,走完基本的降维聚类分群,然后 使用 FindAllMarkers 分析获取全部亚群的marker基因,然后选择top5的marker基因进行可视化 pbmc.markers top5 = pbmc.markers %>% group_by(cluster) %>% top_n(n = 5, wt = avg_log2FC) g = unique(top5 $gene ) DimPlot(pbmc, reduction = "umap" , label = TRUE, repel = T,pt.size = 0.5) + NoLegend() 非表达细胞覆盖表达细胞及难以区分的问题 调整order参数 FeaturePlot()函数中默认 order = FALSE ,这 可能导致非
………………………………