scRNA分析 | 定制 美化FeaturePlot 图，你需要的都在这

单细胞常见的可视化方式有DimPlot，FeaturePlot ，DotPlot ，VlnPlot 和 DoHeatmap几种 ，Seurat中均可以很简单的实现，但是文献中的图大多会精美很多。

之前 跟SCI学umap图| ggplot2 绘制umap图，坐标位置 ，颜色 ，大小还不是你说了算 介绍过DimPlot的一些调整方法。

本文介绍FeaturePlot的美化方式，包含以下几个方面 ：

（1）调整点的颜色 ，大小

（2）展示基因共表达情况（点图，密度图）

（3）优化Seurat分组展示

（4）ggplot2修改theme ，lengend等

（5）批量绘制

一 载入R包，数据

仍然使用之前注释过的sce.anno.RData数据 ，后台回复 anno 即可获取

library(Seurat)library(tidyverse)library(scCustomize) # 需要Seurat版本4.3.0library(viridis)library(RColorBrewer)library(gridExtra)

load("sce.anno.RData")head(sce2,2)

这里额外安装scCustomize包，该R包对上面提到的Seurat 常用绘图函数进行了一些优化，但是需要Seurat版本4.3.0 以上。

二 FeaturePlot 相关

1，调整FeaturePlot颜色，大小

（1）Seurat 修改

有以下几种方式，可以使用FeaturePlot 内置的cols参数进行修改（p2 , p3），也可以使用ggplot2的方式 添加scale 进行修改（p4）

p1 <- FeaturePlot(object = sce2, features = "CD3D")

p2 <- FeaturePlot(sce2, "CD3D", cols = c("#F0F921FF", "#7301A8FF"))

p3 <- FeaturePlot(sce2, "CD3D", cols = brewer.pal(10, name = "RdBu"))

p4 <- FeaturePlot(object = sce2, features = "CD3D") scale_colour_gradientn(colours = rev(brewer.pal(n = 10, name = "RdBu")))

注意左下p3 ，legend是有问题的，会随col参数中brewer.pal(10, name = "RdBu")中的10的数值而变动。

修改大小的话很简单，直接调整 pt.size = 1 即可，此处不做演示。

（2）scCustomize 修改

p11 <- FeaturePlot_scCustom(seurat_object = sce2, features = "CD3D")

p22 <- FeaturePlot_scCustom(seurat_object = sce2, features = "CD3D", colors_use = brewer.pal(11, name = "RdBu"),order = T)

p11 p22

这里cols参数是没有问题的。

2 ，多基因共“表达”

单个基因就按照上面的方法直接绘制即可，如果想同时显示2个基因呢？

（1）Seurat 中提供了 blend = TRUE 函数，来可视化两个基因的共表达情况

FeaturePlot(sce2, features = c("MS4A1", "CD79A"), blend = TRUE)

注意blend = TRUE函数只能适用于2个基因，多个基因会报错 。

如果想实现多个基因的话，将目标基因和UMAP 的坐标提取出来使用ggplot2绘制即可 或者 使用scCustomize 包中的多基因联合密度图 ，如下。

（2）scCustomize 多基因联合密度图

密度图是通过Nebulosa包实现的，因此需要先安装Nebulosa 包 。然后用Plot_Density_Joint_Only()函数即可以同时绘制多个基因的联合密度图 ，可以不限于2个基因 。

BiocManager::install("Nebulosa")#单基因p000 <- Plot_Density_Custom(seurat_object = sce2, features = "CD3D")#双基因p111 <- Plot_Density_Joint_Only(seurat_object = sce2,

features = c("CD3D", "CD3E"))#多基因p222 <- Plot_Density_Joint_Only(seurat_object = sce2,

features = c("CD3D", "CD3E","CD79A"),

custom_palette = BlueAndRed())p000 p111 p222

可以通过custom_palette 函数调整颜色，选择较少 。

除了展示共表达外，还可展示目标celltype的几个marker来辅助细胞类型鉴定。

3 , 分组相关

很多时候会需要分样本/分组展示重点基因来进行表达的比较，

（1）Seurat有 split.by 函数 ，虽然可以设置ncol，但是没有效果，如图所示，

sce2sub <- subset(sce2 ,group == "PT")FeaturePlot(sce2sub, "CD3D", cols = brewer.pal(11, name = "RdBu"),

pt.size = 1,

split.by = "sample" ,ncol = 4)

（2）scCustomize 中FeaturePlot_scCustom函数 ，算是修正了这个小bug

FeaturePlot_scCustom(seurat_object = sce2, features = "CD3D", split.by = "orig.ident",

num_columns = 4)

4 ，ggplot2 修改theme / legend 相关

类似前面使用ggplot2的scale修改颜色，当然也可以修改theme等一系列

FeaturePlot(object = sce2, features = "CD3D",pt.size = 1,order = T) scale_colour_gradientn(colours = rev(brewer.pal(n = 10, name = "RdBu"))) DarkTheme() theme(text=element_text(size=14)) theme(text=element_text(face = "bold")) theme(legend.text=element_text(size=8))

此处简单的示例，更多的参考ggplot2 | 关于标题，坐标轴和图例的细节修改，你可能想了解 ， ggplot2|theme主题设置，详解绘图优化-“精雕细琢” ，和ggplot2 |legend参数设置，图形精雕细琢

5 批量绘制

当有多个基因需要绘制时候，需要批量绘制 。

（1）features 可以接受向量，因此可以直接完成

marker_sign <- c("CD3E", 'CD3D', 'EPCAM', 'CD4', 'CD8A','SPP1', 'CD19', 'COL1A1', 'IGLC1')FeaturePlot(sce2,features = marker_sign)

（2）grid.arrange 方式绘制

grid.arrange接受的是list ，可以通过 layout_matrix 调整布局 。当然也可以最开始调整好基因在向量中的顺序，Seurat的结果是一样的 。

intersect_tls <- intersect(marker_sign,rownames(sce2)) plot_list <- lapply(intersect_tls,function(x){ plot_list <- FeaturePlot(sce2,

features = x) })#设置布局lay <- rbind(c(1,2,3),

c(4,5,6),

c(7,8,9))

grid.arrange(grobs = plot_list, layout_matrix = lay)

因为单细胞的FeaturePlot的都是样的，看不出来grid.arrange的优势，后面会介绍空转中使用该函数通过布局 和 选择展示的图片 来绘制CNS级别的主图。

◆ ◆ ◆ ◆ ◆

精心整理（含图PLUS版）|R语言生信分析，可视化（R统计，ggplot2绘图，生信图形可视化汇总）

RNAseq纯生信挖掘思路分享？不，主要是送你代码！（建议收藏）