scRNA分析

单细胞常见的可视化方式有DimPlot，FeaturePlot ，DotPlot ，VlnPlot 和 DoHeatmap几种 ，Seurat均可以实现，但文献中的图大多会精美很多。比如

惊艳umap图: scRNA复现|所见即所得，和Cell学umap，plot1cell完成惊艳的细胞注释umap图；

DimPlot美化 scRNA分析 | 定制 美化FeaturePlot 图，你需要的都在这,

DotPlot美化scRNA分析| 和SCI学 定制化聚类点图（Dotplot ），含二行代码出图方式，

DoHeatmap 热图：scRNA分析| DoHeatmap 美化，dittoSeq ，scillus 一行代码出图，你PICK谁？

本次介绍Seurat 以及 ggplot2绘制，优化堆叠小提琴图的方法。

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。

二 Seurat 调整，美化

1，基础VlnPlot图

首先计算marker基因，然后使用seurat的DoHeatmap 函数绘制初始热图

当展示少量基因时候，很清晰 。但是更常见的时候需要同时展示各个cluster/celltype的marker gene ，这时候就会看不清晰。

Seurat的VlnPlot函数中stack 参数可以实现堆叠小提琴图，flip 是否翻转

自定义颜色，是否排序，主题等信息更是和前面的一样，直接添加theme信息即可。

注意如果想要每种cluster/celltype是一种颜色的话使用split.by参数。

Seurat的堆叠小提琴图其实已经可以了，当然也可以使用ggplot2进行更多的自定义。

三 ggplot2-堆叠小提琴图

首先使用FetchData提取出marker gene的表达量，celltype /seurat_clusters（宽数据），然后转为ggplot2读取的长数据类型 。

此外对照上述的图，可以看到celltype /seurat_clusters一个表达量值，而FetchData得到的是每个cell 的表达量，因此还需要计算每种cluster的基因均值。

上述是ggplot2绘制堆叠小提琴图的核心代码，可以做很多调整

（1）主题（大小，颜色），legend 等

（2）“翻转”（使用aes调整横纵坐标）

（3）添加基因的分组/注释

A：添加分组，注释

假设知道marker gene的通路，也可以添加上（为了美观先隐藏p1中的横坐标基因标签）

B：构建注释信息-基因分组信息

这里通路是随便写的，仅为示例，并不是该marker gene 在的通路。

C：拼图收工

参考资料：

https://github.com/ycl6/StackedVlnPlot