修车群直播

图片修车群直播修车群直播

作家按

专家好像王人曾被Nature, Science上的单细胞umap图诱骗过，难免心生珍重。在这里，咱们将先容一种简便便捷的顶刊级umap图可视化

全翰墨数|瞻望阅读工夫: 2000|5min

——Starlitnightly（星夜）

环境加载

咱们先导入一些必须的依赖包

import omicverse as ovimport scanpy as scimport matplotlib.pyplot as pltov.ov_plot_set()

       ____            _     _    __                        / __ \____ ___  (_)___| |  / /__  _____________      / / / / __ `__ / / ___/ | / / _ / ___/ ___/ _ \     / /_/ / / / / / / / /__ | |/ /  __/ /  (__  )  __/     \____/_/ /_/ /_/_/\___/ |___/\___/_/  /____/\___/                                                      Version: 1.6.3, Tutorials: https://omicverse.readthedocs.io/

读取数据

咱们考中了一个结直肠癌的数据行动演示。

adata=ov.read('crc_50000.h5ad')adata

    # AnnData object with n_obs × n_vars = 50000 × 25121    #     obs: 'n_genes', 'doublet_score', 'predicted_doublet', 'n_genes_by_counts', 'total_counts', 'total_counts_mt', 'pct_counts_mt', 'leiden', 'scsa_celltype', 'major_celltype', 'scsa_true_celltype'    #     var: 'gene_ids', 'n_cells', 'mt', 'n_cells_by_counts', 'mean_counts', 'pct_dropout_by_counts', 'total_counts', 'highly_variable', 'means', 'dispersions', 'dispersions_norm'    #     uns: 'dendrogram_leiden', 'hvg', 'leiden', 'leiden_colors', 'leiden_sizes', 'log1p', 'major_celltype_colors', 'neighbors', 'paga', 'pca', 'rank_genes_groups', 'scrublet', 'scsa_celltype_colors', 'umap'    #     obsm: 'X_pca', 'X_umap'    #     obsp: 'connectivities', 'distances'

最初咱们先尝试一下最基础的umap图绘画可视化

fig, ax = plt.subplots(figsize=(4,4))ov.pl.embedding(adata,    basis="X_umap",    color=['major_celltype'],    title='',    show=False,      size=10,    frameon='small',    ax=ax)

图片

细胞可视化步骤

咱们发现成果平平无奇对吧，接下来，咱们最初需要修改的是，细胞可视化的步骤，将免疫细胞放到一块，将其他细胞放到另一块

adata.obs['major_celltype'].cat.categories

    # Index(['B cell', 'Endothelial cell', 'Epithelial cell', 'Fibroblast',    #        'Mast cell', 'Myeloid cell', 'Natural killer cell', 'Plasma cell',    #        'T cell', 'pDC'],    #       dtype='object')

new_order=['B cell', 'Plasma cell','T cell', 'Natural killer cell','Myeloid cell','pDC','Mast cell',            'Endothelial cell', 'Epithelial cell', 'Fibroblast',              ]

adata.obs['major_celltype']=adata.obs['major_celltype'].cat.reorder_categories(new_order)

此时咱们再可视化，会发现细胞的排序造成了咱们指定的步骤

fig, ax = plt.subplots(figsize=(4,4))ov.pl.embedding(adata,    basis="X_umap",    color=['major_celltype'],title='',    show=False,      frameon='small',    size=10,    ax=ax)

图片

接下来咱们再指定细胞类型的心绪，这里有两个法子：

第一个法子是咱们使全心绪条步骤来指定第二个法子是径直指定细胞类型的心绪

咱们先尝试第一个法子，咱们但愿B细胞是蓝色，T细胞是红色，髓系细胞是绿色，其他细胞是黄色，那么咱们字据数目指定心绪条。

需要珍视的是，咱们在omicverse中提供了5种顶刊级别的心绪条调用

红色: ov.pl.red_color蓝色: ov.pl.blue_color橙色: ov.pl.orange_color绿色: ov.pl.green_color紫色: ov.pl.purple_color

若是你有其他的心绪需求也不错自行指定，心绪条是list体式，举例palette=['#000000','#FFFFFF']

fig, ax = plt.subplots(figsize=(4,4))ov.pl.embedding(adata,    basis="X_umap",    color=['major_celltype'],title='',    show=False,      size=10,    frameon='small',    palette=ov.pl.blue_color[4:6]+ov.pl.purple_color[1:3]+ov.pl.green_color[:3]+ov.pl.orange_color[:],    ax=ax)

图片

咱们发现心绪造成了咱们指定的心绪类型

第二种法子也很简便，泰国按摩群咱们指定每一种细胞类型的心绪然后进行可视化就好了

color_dict={    'B cell':ov.pl.blue_color[4],    'Plasma cell':ov.pl.blue_color[5],    'T cell':ov.pl.purple_color[0],     'Natural killer cell':ov.pl.purple_color[1],    'Myeloid cell':ov.pl.green_color[0],    'pDC':ov.pl.green_color[1],    'Mast cell':ov.pl.green_color[2],     'Endothelial cell':ov.pl.red_color[0],     'Epithelial cell':ov.pl.red_color[1],     'Fibroblast':ov.pl.red_color[2]}

fig, ax = plt.subplots(figsize=(4,4))ov.pl.embedding(adata,    basis="X_umap",    color=['major_celltype'],title='',    show=False,      frameon='small',    size=10,    palette=color_dict,    ax=ax)

图片

细胞标签优化

咱们接下来需要优化的是细胞类型的展示，咱们上头绘画的细胞的标签在右边，关于读者而言，需要一个一个去心绪对应的。在Nature最新的出书需求中，但愿作家们讨论到色弱等东说念主士的需求，因此咱们不错径直在细胞umap图上绘画细胞类型。

需要珍视的是，scanpy默许的细胞类型在umap图上的可视化可能出现讳饰，咱们在omicverse中提供了新的函数ov.pl.embedding_adjust

from matplotlib import patheffectsfig, ax = plt.subplots(figsize=(4,4))ov.pl.embedding(adata,    basis="X_umap",    color=['major_celltype'],title='',                   show=False, legend_loc=None, add_outline=False,                    frameon='small',legend_fontoutline=2,ax=ax                 )ov.pl.embedding_adjust(    adata,    basis="X_umap",    groupby='major_celltype',    ax=ax,    adjust_kwargs=dict(arrowprops=dict(arrowstyle='-', color='black')),    text_kwargs=dict(fontsize=12 ,weight='bold',                     path_effects=[patheffects.withStroke(linewidth=2, foreground='w')] ),)

图片

同类细胞玄虚

咱们在好多顶刊中会发现，同类细胞频频作家心爱用玄虚线圈起来，因此，咱们在omicverse中也提供了访佛的驱散。

from matplotlib import patheffectsfig, ax = plt.subplots(figsize=(4,4))ov.pl.embedding(adata,    basis="X_umap",    color=['major_celltype'],title='',                   show=False, legend_loc=None, add_outline=False,                    frameon='small',legend_fontoutline=2,ax=ax                 )ov.pl.embedding_adjust(    adata,    basis="X_umap",    groupby='major_celltype',    ax=ax,    adjust_kwargs=dict(arrowprops=dict(arrowstyle='-', color='black')),    text_kwargs=dict(fontsize=12 ,weight='bold',                     path_effects=[patheffects.withStroke(linewidth=2, foreground='w')] ),)ov.pl.contour(ax=ax,adata=adata,        basis="X_umap",        groupby='major_celltype',clusters=['T cell','Natural killer cell'],        contour_threshold=0.02,colors=ov.pl.red_color[2],linestyles='dashed')ov.pl.contour(ax=ax,adata=adata,        basis="X_umap",        groupby='major_celltype',clusters=['Plasma cell','B cell'],        contour_threshold=0.01,colors=ov.pl.blue_color[6],linestyles='dashed')ov.pl.contour(ax=ax,adata=adata,        basis="X_umap",        groupby='major_celltype',clusters=['Endothelial cell', 'Epithelial cell', 'Fibroblast'],        contour_threshold=0.002,colors=ov.pl.orange_color[2],linestyles='dashed')fig.savefig('umap-ct_major.png',dpi=300,bbox_inches='tight')fig.savefig('umap-ct_major.pdf',dpi=300,bbox_inches='tight')

图片

以上等于本期教程的一起执行了，若是合计OmicVerse对你的论文有匡助，不要健忘诳骗哦，更多单细胞的可视化法子与教程请参考:

https://starlitnightly.github.io/omicverse/Tutorials-plotting/t_visualize_single/

图片

本站仅提供存储做事，通盘执行均由用户发布，如发现存害或侵权执行，请点击举报。

• 修车群直播