让单细胞差异更加明显你需要调整配色方案

Posted on by

安排学徒复现一个新鲜出炉的阿兹海默症的单细胞文章：《Characterisation of premature cell senescence in Alzheimer’s disease using single nuclear transcriptomics》：

  • Acta Neuropathologica (2024)
  • https://doi.org/10.1007/s00401-024-02727-9
    对应的数据集是：GSE264648，大家很容易读取作者提供的表达量矩阵然后进行降维聚类分群，但是学徒在进行 the ‘canonical senescence pathway (CSP)’, the ‘senescence initiating pathway (SIP)’ 的打分的时候，虽然是复现出来了文章的主要是结论， 就是：
  • the aver- age expression of individual senescence gene was most in microglia (e.g., ATM, RB1, NFATC2 and GLB1)
    如下所示被高亮的区域就是小胶质细胞，确实是打分会比较高，但是不够显著。所以我让它简单的询问了人工智能大模型的解决方案。做了一个简单的配色， 就可以达到显著的效果，代码是：

    my.colors <- colorRampPalette(c("lightblue", "white", "darkred"))(100) 
FeaturePlot(sc_dataset,'gene_vector_UCell' ) +
FeaturePlot(sc_dataset,'gene_vector_UCell',cols = my.colors)

    打分会比较高，但是不够显著
    提问：r编程语言里面的Seurat包里面的FeaturePlot函数可视化一个基因的时候颜色渐变不够明显，有什么调色方案吗
    在R语言的Seurat包中，FeaturePlot 函数用于可视化单个或多个基因在各个细胞中的表达水平。如果颜色渐变不够明显，可以通过调整颜色渐变的参数来增强视觉效果。以下是一些常用的调色方案和参数调整的建议：

  1. 使用已有的颜色渐变方案：
    Seurat内置了一些颜色渐变方案，例如”viridis”、”cividis”、”magma”、”inferno”、”plasma”等，这些颜色方案通常提供较好的对比度和渐变效果。
  2. 自定义颜色渐变：
    你可以使用R的颜色函数，如colorRampPalette()或brewer.pal()来自定义颜色渐变。例如：

    my.colors <- colorRampPalette(c("blue", "white", "red"))(100)

    这段代码创建了一个从蓝色到白色再到红色的颜色渐变。

  3. 调整颜色的数量：
    通过调整颜色的数量，可以改变渐变的细腻程度。颜色数量越多，渐变越细腻。
  4. 调整底图的分辨率：
    使用FeaturePlot函数时，可以通过nCol参数调整底图的列数，以及pt.size参数调整点的大小，从而影响视觉效果。
  5. 使用reorder参数：
    使用reorder参数可以根据基因表达量的大小重新排序细胞，可能会使表达模式更加明显。
  6. 调整透明度：
    通过设置alpha参数，可以调整点的透明度，有助于在细胞点重叠时区分不同的表达水平。
  7. 使用对数转换：
    如果基因表达水平差异很大，使用对数转换可能会使渐变更加明显。可以通过Log1p函数对数据进行转换。
  8. 使用Scale参数：
    FeaturePlot函数的scale参数可以调整颜色的缩放，例如使用scale = "count"根据基因计数缩放颜色。
    下面是一个使用自定义颜色渐变的FeaturePlot示例：

    library(Seurat)
library(ggplot2)
# 假设seurat_obj是你的Seurat对象，gene是你想可视化的基因
my.colors <- colorRampPalette(c("lightblue", "white", "darkred"))(100)
FeaturePlot(seurat_obj, features = gene, cols = my.colors)

    请注意，这些调整可能需要根据你的具体数据和可视化需求进行尝试和优化。如果需要更专业的调色方案，可以考虑使用如ggplot2的scale_color_gradientn()函数来获取更多的颜色选项。

    但是为什么修改配色的同时造成了值的修改

    如果仔细看上面的两个FeaturePlot就会发现最开始默认配色的时候打分在0到0.25这个范围，但是配色后值的范围成为了0到1，这个是为什么呢？

​

Comments are closed.