万网标准网站销售手册,梅州网站建设wlwl,河北省建设网站锁安装什么驱动,凡客建网站目录 数据读入 每个样本各细胞比例 两个组间细胞比例 亚组间细胞比例差异分析#xff08;循环#xff09; 单个细胞类型亚新间比例差异 ①单细胞学习-数据读取、降维和分群-CSDN博客 比较各个样本间的各类细胞比例或者亚组之间的细胞比例差异 ①数据读入 #各样本细胞…目录 数据读入 每个样本各细胞比例 两个组间细胞比例 亚组间细胞比例差异分析循环 单个细胞类型亚新间比例差异 ①单细胞学习-数据读取、降维和分群-CSDN博客 比较各个样本间的各类细胞比例或者亚组之间的细胞比例差异 ①数据读入 #各样本细胞比例计算 rm(list ls()) library(Seurat) load(scedata1.RData)#这里是经过质控和降维后的单细胞数据 table(scedata$orig.ident)#查看各组细胞数 table(Idents(scedata))#查看各种类型细胞数目 #prop.table(table(Idents(scedata))) table(Idents(scedata), scedata$orig.ident)#每个样本不同类型细胞数据 table(scedata$orig.ident)#查看各组细胞数BM1 BM2 BM3 GM1 GM2 GM3 2754 747 2158 1754 1528 1983 table(Idents(scedata))#查看各种类型细胞数目Fibroblast Endothelial Immune Other Epithelial 2475 4321 2688 766 674 #prop.table(table(Idents(scedata)))table(Idents(scedata), scedata$orig.ident)#每个样本不同类型细胞数据BM1 BM2 BM3 GM1 GM2 GM3Fibroblast 571 135 520 651 312 286Endothelial 752 244 619 716 906 1084Immune 1220 145 539 270 149 365Other 142 161 194 55 79 135Epithelial 69 62 286 62 82 113 ②每个样本各细胞比例 #换算每样样本每种细胞占有的比例:绘制总的堆积图 Cellratio - prop.table(table(Idents(scedata),scedata$orig.ident),margin 2)# margin 2按照列计算每个样本比例 Cellratio - as.data.frame(Cellratio)#计算比例绘制堆积图 library(ggplot2)#绘制细胞比例堆积图 colourCount length(unique(Cellratio$Var1)) p1 - ggplot(Cellratio) geom_bar(aes(x Var2, y Freq, fill Var1),stat identity,width 0.7,size 0.5,colour #222222) theme_classic() labs(xSample,y Ratio)#coord_flip() #进行翻转theme(panel.border element_rect(fillNA,colorblack, size0.5, linetypesolid)) p1 dev.off() head(Cellratio)Var1 Var2 Freq 1 Fibroblast BM1 0.20733479 2 Endothelial BM1 0.27305737 3 Immune BM1 0.44299201 4 Other BM1 0.05156137 5 Epithelial BM1 0.02505447 6 Fibroblast BM2 0.18072289 ③两个组间细胞比例 这里比较BM和GM两个组间的细胞比例 ##分成两个组进行比较:先查看每个样本的具体细胞数量 library(tidyverse) library(reshape) clusdata - as.data.frame(table(Idents(scedata), scedata$orig.ident)) #进行长宽数据转换 clusdata1 - clusdata %% pivot_wider(names_from Var2,values_from Freq ) clusdata1 - as.data.frame(clusdata1) rownames(clusdata1) - clusdata1$Var1 clusdata2 - clusdata1[,-1]#[1] BM1 BM2 BM3 GM1 GM2 GM3 #分别计算每个组每种细胞和 BM - c(BM1,BM2,BM3) clusdata2$BMsum - rowSums(clusdata2[,BM]) GM - c(GM1,GM2,GM3) clusdata2$GMsum - rowSums(clusdata2[,GM])#然后绘制堆积图 clus2 - clusdata2[,c(7,8)] clus2$ID - rownames(clus2) clus3 - melt(clus2, id.vars c(ID))##根据分组变为长数据 p - ggplot(data clus3,aes(xID,yvalue,fillvariable))#geom_bar(stat identity,position stack) ##展示原来数值geom_bar(stat identity,position fill) ##按照比例展示:纵坐标为1scale_y_continuous(expand expansion(multc(0.01,0.1)),##展示纵坐标百分比数值labels scales::percent_format())scale_fill_manual(values c(BMsum#a56cc1,GMsum#769fcd), ##配色BMsum#98d09d,GMsum#e77381limitsc(BMsum,GMsum)) ##limit调整图例顺序theme(panel.background element_blank(), ##主题设置axis.line element_line(), legend.position top) #bottomlabs(title single cell,xNULL,ypercent) ##XY轴设置guides(fillguide_legend(title NULL,nrow 1,byrow FALSE)) p dev.off() head(clus3)ID variable value 1 Fibroblast BMsum 1226 2 Endothelial BMsum 1615 3 Immune BMsum 1904 4 Other BMsum 497 5 Epithelial BMsum 417 6 Fibroblast GMsum 1249 ④亚组间细胞比例差异分析循环 #组间差异分析仍然是使用这个比例数据进行分析不过却是在各个样本中进行比例比较 table(scedata$orig.ident)#查看各组细胞数 table(Idents(scedata))#查看各种类型细胞数目 table(Idents(scedata), scedata$orig.ident)#各组不同细胞群细胞数 Cellratio - prop.table(table(Idents(scedata), scedata$orig.ident), margin 2)#计算各组样本不同细胞群比例 Cellratio - data.frame(Cellratio) #需要进行数据转换,计算每个样本比例后进行差异分析 library(reshape2) cellper - dcast(Cellratio,Var2~Var1, value.var Freq) rownames(cellper) - cellper[,1] cellper - cellper[,-1] ###添加分组信息dataframe sample - c(BM1,BM2,BM3,GM1,GM2,GM3) group - c(BM,BM,BM,GM,GM,GM) samples - data.frame(sample, group)#创建数据框 rownames(samples)samples$sample cellper$sample - samples[rownames(cellper),sample]#R添加列 cellper$group - samples[rownames(cellper),group]#R添加列###作图展示 pplist list()##循环作图建立空表 library(ggplot2) library(dplyr) library(ggpubr) library(cowplot) sce_groups c(Endothelial,Fibroblast,Immune,Epithelial,Other) for(group_ in sce_groups){cellper_ cellper %% select(one_of(c(sample,group,group_)))#选择一组数据colnames(cellper_) c(sample,group,percent)#对选择数据列命名cellper_$percent as.numeric(cellper_$percent)#数值型数据cellper_ - cellper_ %% group_by(group) %% mutate(upper quantile(percent, 0.75), lower quantile(percent, 0.25),mean mean(percent),median median(percent))#上下分位数print(group_)print(cellper_$median)pp1 ggplot(cellper_,aes(xgroup,ypercent)) #ggplot作图geom_jitter(shape 21,aes(fillgroup),width 0.25) stat_summary(funmean, geompoint, colorgrey60) #stat_summary添加平均值theme_cowplot() theme(axis.text element_text(size 10),axis.title element_text(size 10),legend.text element_text(size 10),legend.title element_text(size 10),plot.title element_text(size 10,face plain),legend.position none) labs(title group_,yPercentage) geom_errorbar(aes(ymin lower, ymax upper),col grey60,width 1)###组间t检验分析labely max(cellper_$percent)compare_means(percent ~ group, data cellper_)my_comparisons - list( c(GM, BM) )pp1 pp1 stat_compare_means(comparisons my_comparisons,size 3,method t.test)pplist[[group_]] pp1 }#批量绘制 plot_grid(pplist[[Endothelial]],pplist[[Fibroblast]],pplist[[Immune]],pplist[[Epithelial]],pplist[[Other]],#nrow 5,#列数ncol 5)#行数 ⑤单个细胞类型亚新间比例差异 ##数据处理 ##单个细胞类型比例计算 rm(list ls()) library(Seurat) library(tidyverse) library(reshape2) library(ggplot2) library(dplyr) library(ggpubr) library(cowplot) load(scedata1.RData)#计算各个样本细胞各种类型细胞 Cellratio - prop.table(table(Idents(scedata), scedata$orig.ident), margin 2)#计算样本比例 Cellratio - data.frame(Cellratio) cellper - dcast(Cellratio,Var2~Var1, value.var Freq)##长数据转宽数据 rownames(cellper) - cellper[,1] cellper - cellper[,-1] sample - c(BM1,BM2,BM3,GM1,GM2,GM3)###添加分组信息dataframe group - c(BM,BM,BM,GM,GM,GM) samples - data.frame(sample, group)#创建数据框 rownames(samples)samples$sample cellper$sample - samples[rownames(cellper),sample]#R添加列 cellper$group - samples[rownames(cellper),group]#R添加列dat - cellper[,c(1,7)]#提取需要分析的细胞类型Fibroblast group #根据分组计算四分位及中位数 dat1 - dat %% group_by(group) %% mutate(upper quantile(Fibroblast, 0.75), lower quantile(Fibroblast, 0.25),mean mean(Fibroblast),median median(Fibroblast)) #table(dat1$group)#BM GM 作图 #pdf(单个细胞类型组间比较.pdf,width 4,height 4)##一定添加大小 my_comparisons list( c(BM,GM)) P - ggplot(dat1,aes(xgroup,y Fibroblast)) #ggplot作图geom_jitter(shape 21,aes(fillgroup),width 0.25) stat_summary(funmean, geompoint, colorgrey60) theme_cowplot() theme(axis.text element_text(size 10),axis.title element_text(size 10),legend.text element_text(size 10),legend.title element_text(size 10),plot.title element_text(size 10,face plain),legend.position none) labs(title group,yFibroblastage) geom_errorbar(aes(ymin lower, ymax upper),col grey60,width 1)#误差棒#差异检验stat_compare_means(comparisonsmy_comparisons,label.y c(0.4),methodt.test,#wilcox.testlabelp.signif) P dev.off()感谢 TS的美梦-CSDN博客 参考跟着Cell学单细胞转录组分析(六):细胞比例计算及可视化 (qq.com) 跟着Cell学单细胞转录组分析(十四):细胞比例柱状图---连线堆叠柱状图_单细胞细胞占比图怎么画-CSDN博客