单细胞: 将meta.data plot 到UMAP图上的几种方法

这里准备了一个文件，是要将这个文件中的信息plot到umap图上，文件有3列

image-20230222064141508.png

今天的目标就是:

将第一列barcode plot到umap上
将第二列clonotype id plot到UMAP上
将第三列counts plot 到umap上
用count的大小表示clonotype的大小，且每个clonotype分别用不同的颜色。

首先要有一个seurat obj, 通常情况下做了Run_UMAP，cluster，数据整合，等上游步骤。

library(Seurat)
library(ggplot2)
library(magrittr)
library(tidyr)
# 读取文件
srt_obj <- readRDS("integrated_seurat.rds")
df <- read.table("endoTCR.bc.counts.txt", header = T)
head(df)

1. 将barcode plot 到umap上

用seurat自带的DimPlot cells.highlight，再稍微修改一下labels就行

highlighted_barcode <- df$barcode
DimPlot(srt_obj, cells.highlight = highlighted_barcode)+ 
  scale_color_manual(
    values = c("grey","red"),
    breaks = c("Unselected","Group_1"),
    labels = c("Others","Selected")
  )

image-20230222064934567.png

2. 将clonotype plot到umap上

思路是根据表格中的对应关系，把clonotype信息添加到meta.data中，这样就可以用以下两种方法：

方法1：用group.by方法画图

# 如果barcode中有重复，去重
 if (any(duplicated(df[,"barcode"]))){
   df <- df[!duplicated(df[,"barcode"]),]
 }
 # df不能有rownames
 rownames(df) <- NULL
 # 将column转换成rownames
 df <- df %>% tibble::column_to_rownames("barcode")
 srt_obj <-  AddMetaData(srt_obj, df)

 # method 1 : group.by
 DimPlot(srt_obj, group.by = "clonotype_ID")

image-20230222065245834.png

这个图的缺点是，图上有颜色的点和灰色的点大小都是一样的，没有体现highlight功能。那么就可以采用下面的方法2

方法2：ggplot2

思路是将数据提出来，把灰色的点和需要highlight的点也单独提取出来，这样就有两份数据，把两份数据用图层的方式分别画在umap上。

data <- FetchData(srt_obj, vars = c("UMAP_1","UMAP_2","clonotype_ID"))
data$plot <- ifelse(is.na(data$clonotype_ID),"others", data$clonotype_ID)

data_grey <- data %>% subset(plot == "others")
data_selected = data %>% subset(plot != "others")

ggplot(data_grey, aes(UMAP_1,UMAP_2)) +
  geom_point(color="grey",size=0.5) + 
  geom_point(data = data_selected,aes(UMAP_1,UMAP_2,color=clonotype_ID),
             size = 2) + theme_classic() +
  theme(
    legend.title = element_blank()
  )

image-20230222070636012.png

3. 将数值型的数据plot到umap上：

用count的大小表示clonotype的大小，且每个clonotype分别用不同的颜色。

data <- FetchData(srt_obj, vars = c("UMAP_1","UMAP_2","clonotype_ID", "counts"))
data_list <- split(data, is.na(data$clonotype_ID))
head(data_list$`TRUE`)
ggplot(data_list$`TRUE`, aes(UMAP_1,UMAP_2)) +
  geom_point(color="grey",size=0.5) + 
  geom_point(data = data_list$`FALSE`,
        aes(UMAP_1,UMAP_2,color=clonotype_ID),
        size=log(data_list$`FALSE`$counts)) + 
  theme_classic() +
  theme(
    legend.title = element_blank()
  )

需要注意的是，size需要用log处理一下，不然会很大。

image-20230222071903526.png

进阶方法：按样本拆分后画图

数据本身是多个样本的整合，我们可以通过“orig.ident”来识别样本，

上文提到的将barcode plot 到umap上用cells.highlight方法，只需要split.by参数即可：

DimPlot(srt_obj, cells.highlight = highlighted_barcode, 
        split.by = "orig.ident") +
  scale_color_manual(
          values = c("grey","red"),
          breaks = c("Unselected","Group_1"),
          labels = c("Others","Selected")
        )

image-20230222072549265.png

那么用ggplot2来做思路也是一样的，就是要拆分成不同的样本，再拆分成不同的数据。

data <- FetchData(srt_obj, vars = c("UMAP_1","UMAP_2",
                                    "orig.ident","clonotype_ID", "counts"))
head(data)
df_list <- split(data, data$orig.ident)
plot_list <- lapply(seq_along(df_list), function(i){
  name = names(df_list[i])
  x <- df_list[[i]]
  data_list <- split(x, is.na(x$clonotype_ID))
  ggplot(data_list$`TRUE`, aes(UMAP_1,UMAP_2))+ 
    geom_point(size=0.5,color="grey")+
    geom_point(data = data_list$`FALSE`, aes(UMAP_1,UMAP_2,color=clonotype_ID),
               size=log(data_list$`FALSE`$counts))+
    theme_classic() +
    theme(
      legend.title = element_blank()
    ) + ggtitle(name) +theme(
      plot.title = element_text(hjust=0.5)
    )
    
})
# 组合起来
combine_plot <- Reduce(`+`, plot_list)
combine_plot

image-20230222074204612.png

如果这段代码看起来吃力，请看我解释的视频单细胞: (https://www.bilibili.com/video/BV1jT411S7v3/)

关注我，下一篇带你看看数值型的数据，其实还可以用另一种进阶画法（CNS常见）