单细胞差异基因炫酷展示:南丁格尔玫瑰图(鸡冠花图)

差异基因展示图

    这个图分别选取了两组差异基因相比上调与下调的基因来进行绘图。简言之,展示了每一个出现在差异基因表中的差异基因在不同celltype中共表达的情况,每一格代表一个celltype,红色代表上调的基因,蓝色代表下调的基因。如何做出来的差异基因比较,见我主页的另一片文章《单细胞多组差异基因上下调统计热图展示代码示例》。

    代码展示环节:

    首先加载r包与数据:

```

library(dplyr)

library(reshape2)

library(ggplot2)

library(colorspace)  #加载渐变色的包

library(patchwork)

data <- read.csv("P0_VS_AD.csv",sep = ",",row.names = 1) %>% .[.$p_val_adj < 0.05,]

data_up <- data[data$avg_log2FC > 0.25,]

data_down <-data[data$avg_log2FC <= -0.25,]

up <- as.data.frame.array(table(data_up$gene,data_up$cluster))

```

    这样,我们就得到了上调的基因在每个celltype的出现情况:


up数据展示

    随后,我们选取共同出现次数为7,8,9,10,11的基因来绘图。

```

up$sum <- apply(up,1,sum)

up <- up[up$sum %in% c("7","8","9","10","11"),] %>% .[order(as.numeric(.$sum)),-c(12)] #筛选&排序

up <- as.data.frame(t(up))

up$celltype <- rownames(up)

```

    现在的数据可以用来画图,列是基因,行是celltype。

上调基因在celltype中分布

    利用ggplot绘图:

```

data <- melt(up,id.vars = 'celltype')

color1 <- rev(colorspace::sequential_hcl(n = 11, palette = "Red"))

p1 <- ggplot(data,aes(variable,value,fill=celltype))+

  scale_fill_manual(values=color1) +

  geom_bar( position = "stack",stat = "identity",width = 0.7)+theme_bw()+

  coord_polar()+

  theme(axis.text.x = element_text(vjust = 1, hjust = 1,angle = 45),

        axis.text.y = element_blank(),

        axis.line = element_blank(),

        axis.title  = element_blank(),

        axis.ticks = element_blank(),  #  删除坐标线

        panel.grid.major = element_blank(),

        panel.grid.minor = element_blank(),

        panel.border = element_blank())

```


成图展示

    同理,下调的也是这样,把上调与下调的加起来就得到了刚开始展示的图。

```

down <- as.data.frame.array(table(data_down$gene,data_down$cluster))

down$sum <- apply(down,1,sum)

down <- down[down$sum %in% c("7","8","9","10","11"),] %>% .[order(as.numeric(.$sum)),-c(12)]

down <- as.data.frame(t(down))

down$celltype <- rownames(down)

data <- melt(down,id.vars = 'celltype')

color1 <- rev(colorspace::sequential_hcl(n = 11, palette = "Blue"))

p2 <- ggplot(data,aes(variable,value,fill=celltype))+

  scale_fill_manual(values=color1) +

  geom_bar( position = "stack",stat = "identity",width = 0.7)+theme_bw()+

  coord_polar()+

  theme(axis.text.x = element_text(vjust = 1, hjust = 1,angle = 45),

        axis.text.y = element_blank(),

        axis.line = element_blank(),

        axis.title  = element_blank(),

        axis.ticks = element_blank(),  #  删除坐标线

        panel.grid.major = element_blank(),

        panel.grid.minor = element_blank(),

        panel.border = element_blank())

p <- p1 + p2

ggsave("deg_gene.pdf",p,width = 20,height = 10)

```

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,271评论 5 466
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 83,725评论 2 376
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,252评论 0 328
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,634评论 1 270
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,549评论 5 359
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 47,985评论 1 275
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,471评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,128评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,257评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,233评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,235评论 1 328
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,940评论 3 316
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,528评论 3 302
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,623评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,858评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,245评论 2 344
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,790评论 2 339

推荐阅读更多精彩内容