一文解决Cellphonedb单细胞互作分析及可视化作图（2）

之前我们已经讲述了Cellphonedb的安装配置和数据分析，就差可视化了，这里简单说一下常见的可视化，如果需要其他更加个性化的可视方式，就需要发挥自己的聪明才智了！

CellphoneDB单细胞互作分析：

CellPhoneDB单细胞互作分析（1）：Linux软件安装及遇到的Bug（ERROR）解决

CellPhoneDB单细胞互作分析（2）：数据分析|人鼠基因同源转化|ERROR解决|详细注释版代码

cellphonedb分析完成后，我们得到6个数据文件，将其全部读入，看似6个，从内容上讲其实就三个。利用这些文件就可以做互作网络图、受配体气泡图及热图等等文章中常见的可视化图形了。


setwd("D:/cellinter-celldb/out")
#cellphonedb可视化
count_net <- read.delim("count_network.txt", check.names = FALSE)
inter_net <- read.delim("interaction_count.txt", check.names = FALSE)
pvalues <- read.delim("pvalues.txt", check.names = FALSE)
means <- read.delim("means.txt", check.names = FALSE)
sig.means <- read.delim("significant_means.txt", check.names = FALSE)
deconvoluted <- read.delim("deconvoluted.txt", check.names = FALSE)

一、互作网络图

互作图很多网上教程使用igraph包做的，其实这是源码，确实是需要这样做的，但是我认为太麻烦，因为你要自己调整，还不一定做的对。所以我想了一个妙招---”借鸡下蛋“，这应该是生信人需要做的举一反三。之前我们说过Cellchat的单细胞互作分析（Cellchat（代码详细注释版）：单细胞转录组（人、小鼠）细胞互作分析及可视化），这里面有作者写好的函数，可视化也是相当不错的，只要将Cellphonedb文件格式整理成需要的格式，使用Cellchat函数包不就完成了？需要的文件是count_network.txt


#互作网络图
library(CellChat)
count_inter <- count_net
count_inter$count <- count_inter$count/100
library(tidyr)
count_inter<-spread(count_inter, TARGET, count)
rownames(count_inter) <- count_inter$SOURCE
count_inter <- count_inter[, -1]
count_inter <- as.matrix(count_inter)
netVisual_circle(count_inter,weight.scale = T)

image.png

每种细胞与其他细胞的互作，循环出图！

par(mfrow = c(4,3), xpd=TRUE)
for (i in 1:nrow(count_inter)) {mat2 <- matrix(0, nrow = nrow(count_inter), ncol = ncol(count_inter), dimnames = dimnames(count_inter))mat2[i, ] <- count_inter[i, ]netVisual_circle(mat2, weight.scale = T, edge.weight.max = max(count_inter), title.name = rownames(count_inter)[i],arrow.size=0.2)
}

image.png

二、热图

其实热图和网络图一样，都是展示了不同细胞之间互作的数目。我们在运行完cellphonedb的热图作图函数后，热图展示的已经是筛选过的p<0.05的受配体互作数目，生成的文件是count_net, 这里我们直接用这个文件作热图，进行一些简单的修饰，例如展示互作数目，其他个性化修饰同热图。当然如果不需要默认的作图，自己筛选做热图需要从pvalues这个文件开始，具体可参考网上其他教程。

#热图其实和网络图一样，都是展示互作数目的。
library(tidyr)
count_matrix<-spread(count_net, TARGET, count)
rownames(count_matrix) <- count_matrix$SOURCE
count_matrix <- count_matrix[, -1]
count_matrix <- as.matrix(count_matrix)
用pheatmap做热图。library(pheatmap)
pheatmap(count_matrix, show_rownames = T, show_colnames = T, scale="none", cluster_cols = T,border_color='white', cluster_rows = T, fontsize_row = 14, fontsize_col = 14,main = "Control", treeheight_row = 0, family = 'Arial',color = colorRampPalette(c("dodgerblue4",'peachpuff','deeppink4' ))( 1000 ),treeheight_col = 0,display_numbers = T, number_color="white",fontsize_number=12,number_format="%.0f", legend_labels = c(0,300))

image.png

三、受配体点图

受配体点图的绘制需要两个文件pvalues.txt和means.txt，原理是将两个文件合并，提取受配体对进行可视化，ggplot就可以实现。但是自己弄比较繁琐，这里有一个专门针对cellphonedb的可视化R包，可以轻松解决这一问题，你只需修改参数即可，可视化效果也不错，用在文章中绰绰有余！

#安装
if (!requireNamespace("devtools", quietly = TRUE))install.packages("devtools")
if (!requireNamespace("BiocManager", quietly = TRUE))install.packages("BiocManager")
devtools::install_github('zktuong/ktplots', dependencies = TRUE)
library(ktplots)
#作图需要的文件，means.txt， pvalues.txt, 单细胞seurat对象
读入作图需要的文件。

pvals <- read.delim(paste0(pbmc,"pvalues.txt"), check.names = FALSE)
means <- read.delim(paste0(pbmc,"means.txt"), check.names = FALSE)load("E:/生物信息学/数据/scRNA.Rdata")

气泡图。cell_type1、2指定互作细胞，如果不指定则默认所有细胞，这里我们指定DC，可视化的就是DC发出信号作用于其他细胞，以及DC接受的其他细胞的作用。实际情况按照自己的实验目的指定。scdata就是我们用于分析的单细胞seurat对象。means和pvals就是我们cellphonedb分析产生的两个文件。gene.family是一些基因对集合，有chemokines', 'Th1', 'Th2', 'Th17', 'Treg', 'costimulatory', 'coinhibitory', 'niche'，可以选择需要的指定，不选择则默认所有。keep_significant_only=T，我们只选择显著的。其他的可视化参数可自行查阅函数，可视化是基于ggplot的，所以主题修改和ggplot一样。

plot_cpdb(cell_type1 = 'DC', cell_type2 = "", scdata = scRNA,idents = 'celltype', means = means, pvals = pvals, gene.family = 'costimulatory',highlight = "blue",keep_significant_only=T) +theme(axis.text  = element_text(size = 10, color = 'black'))

image.png

这样的可视化就很足够了。当然了，ktplots还有其他的可视化，比如比较新奇的将细胞之间互作基因对用弦图展示，还可以指定特定的几种细胞互作弦图展示。还可以多组分析可视化、结合空间转录组的可视化、对于单细胞的可能化等等，感兴趣的值得学习。但是就我们细胞互作而言，已经足够了。

我们这里提供了最少的代码和步骤，比较简洁的完成了cellphonedb的可视化，我觉得这就足够了。如果你觉得有用，分享点赞一下呗！当然，你可以学习其他包的函数，研究明白其原理，可以自己写函数可视化。

更多精彩内容请至我的公众号《KS科研分享与服务》

一文解决Cellphonedb单细胞互作分析及可视化作图（2）相关推荐

iTALK---单细胞受配体互作分析及可视化（详细版教程）
今天我们说一说另外一种---iTALK,iTALK也在很多文章中出现过,原理是基于受配体平均表达量.它有两个优点,第一是可以比较差异受配体,第二是可视化比较好,我们可以借用借用它的函数,让自己的结果更 ...
哇！单细胞测序-配体受体互作分析原来可以这么简单又高大上！
NGS系列文章包括NGS基础.转录组分析 (Nature重磅综述|关于RNA-seq你想知道的全在这).ChIP-seq分析 (ChIP-seq基本分析流程).单细胞测序分析 (重磅综述:三万字长文读 ...
知识分享 | 转录组个性化分析(4)——蛋白互作分析
蛋白质-蛋白质相互作用(protein-protein interaction, PPI)是指两个或两个以上的蛋白质分子通过非共价键形成蛋白质复合体(protein complex)的过程.在进行数据 ...
rna pull down,蛋白互作分析,蛋白鉴定实验
RNA pull down是一种分子生物学技术,可以用来研究RNA与蛋白质之间的相互作用.它的原理是通过向细胞中添加含有RNA结合位点的蛋白质来捕获与RNA相互作用的蛋白质. 广州如期生物技术有限公司 ...
重磅综述：三万字长文读懂单细胞RNA测序分析的最佳实践教程（原理、代码和评述）
原文链接: https://www.embopress.org/doi/10.15252/msb.20188746 主编评语这篇文章最好的地方不只在于推荐了工具,提供了一套分析流程,更在于详细介绍了 ...
MPB：南农韦中组-根际细菌便利和竞争互作类型和强度的研究方法
为进一步提高<微生物组实验手册>稿件质量,本项目新增大众评审环节.文章在通过同行评审后,采用公众号推送方式分享全文,任何人均可在线提交修改意见.公众号格式显示略有问题,建议电脑端点击文末阅 ...
Cell ：根部微生物跨界的互作促进拟南芥生存
文章目录根部微生物跨界互作促进拟南芥存活本文亮点热心肠导读概述引言结果根相关微生物组合图1 三个拟南芥群体的微生物群落结构图S1 天然拟南芥群体的微生物群落简要介绍根部微生物跨界联 ...
AlphaFill: AlphaFold预测结构与小分子互作数据库
目录前言 AlphaFill 在线使用填充小分子前后蛋白结构比较分析蛋白和小分子互作前言尽管目前AlphaFold2在预测蛋白质结构上已经取得了很高的准确性,但目前的预测是仅仅基于氨基酸链出 ...
跟着Cell学单细胞转录组分析(七):细胞亚群分析及细胞互作
想获取更多,请至公众号-KS科研分享与服务- 其实之前我们细胞的分群是很粗糙的,只是一个大概的方向,随着深入的研究,需要对特定细胞的更多亚群进行分析,这里我们选择免疫细胞进行分析,主要是为了跟随文章的 ...

一文解决Cellphonedb单细胞互作分析及可视化作图（2）

一文解决Cellphonedb单细胞互作分析及可视化作图（2）相关推荐

最新文章

热门文章