Skip to content

version 0.0.2

Jump to bottom
JunJunLao edited this page Nov 21, 2022 · 1 revision

ClusterGVis 的问题解答及优化

引言

ClusterGVis 出来一天不到,就已经陆陆续续的收到了粉丝们的 支持和鼓励, 说明大家还是挺喜欢的。当然也还有 很多的疑问和建议, 此次针对一些问题做出一些 更新和优化。

问题:

Q: 如何显示基因名?

  • 考虑到当你的聚类 基因数量不多时, 其实是可以标注基因名的,此时你可以设置 show_row_names=TRUE 即可。但是当 基因数量特别多 的时候,也许你可以重点标注一些你感兴趣的基因名称出来即可,你可以设置 markGenes 来提供你的基因名称。

Q: 单细胞输入数据用什么?

  • 有些小伙伴可能想把 ClusterGVis 应用到单细胞数据上面,但是单细胞数据对象里没有 tpm/fpkm/rpkm 这样的数据,这里是可以使用单细胞的 scaledata 作为输入,你需要设置 scaleData=TRUE, 因为默认会对输入数据进行 Z-score 操作。

Q: 折线怎么绘制成多个组?

  • 这种情况属于是, 多个时间点的数据,然后分为处理组和对照组的表达谱数据。设置 mulGroup 指明你的组数即可。

Q: GO 通路的大小和颜色?

  • 这里你可以使通路文字大小随 P 值变化,也可以指定颜色。

Q: 添加富集代码,一键富集,默认展示每个 cluster 的 top 富集结果?

  • 安排,直接添加 GO 和 KEGG 的富集代码即可。enrichCluster 函数一键富集。

安装

重新安装获取新功能:

# install.packages("devtools")
devtools::install_github("junjunlab/ClusterGVis")

示例

依然是加载和聚类数据:

library(ClusterGVis)

# load data
data(exps)

# using mfuzz for clustering
# mfuzz
ck <- clusterData(exp = exps,
                  cluster.method = "kmeans",
                  cluster.num = 8)

标注基因名

随机取一些基因名进行标注:

# add gene name
markGenes = rownames(exps)[sample(1:nrow(exps),30,replace = F)]

pdf('addgene.pdf',height = 10,width = 6,onefile = F)
visCluster(object = ck,
           plot.type = "heatmap",
           column_names_rot = 45,
           markGenes = markGenes)
dev.off()

GO 通路带 p 值

加载数据,你可以提供三列的数据:

# load GO term data
data("termanno2")

# check
head(termanno2,3)
#   id                               term     pval
# 1 C1              developmental process 3.17e-69
# 2 C1   anatomical structure development 1.44e-68
# 3 C1 multicellular organism development 1.36e-66

默认画图:

# anno with GO terms
pdf('term.pdf',height = 10,width = 10,onefile = F)
visCluster(object = ck,
           plot.type = "both",
           column_names_rot = 45,
           markGenes = markGenes,
           annoTerm.data = termanno2)
dev.off()

调整基因的位置及相关图形参数:

# adjust gene labels and side
pdf('term2.pdf',height = 10,width = 10,onefile = F)
visCluster(object = ck,
           plot.type = "both",
           column_names_rot = 45,
           markGenes = markGenes,
           markGenes.side = "left",
           genes.gp = c('italic',fontsize = 12,col = "orange"),
           annoTerm.data = termanno2)
dev.off()

线的位置也调一下:

# adjust lines side
pdf('termlf.pdf',height = 10,width = 10,onefile = F)
visCluster(object = ck,
           plot.type = "both",
           column_names_rot = 45,
           markGenes = markGenes,
           markGenes.side = "left",
           genes.gp = c('italic',fontsize = 12,col = "black"),
           annoTerm.data = termanno2,
           line.side = "left")
dev.off()

修改通路名称颜色和对应 p 值大小:

# adjust term colors and text size
pdf('termlfts.pdf',height = 10,width = 10,onefile = F)
visCluster(object = ck,
           plot.type = "both",
           column_names_rot = 45,
           markGenes = markGenes,
           markGenes.side = "left",
           genes.gp = c('italic',fontsize = 12,col = "black"),
           annoTerm.data = termanno2,
           line.side = "left",
           go.col = rep(ggsci::pal_d3()(8),each = 3),
           go.size = "pval")
dev.off()

多个组的折线

你需要使用 mulGroup 设置每个组的数量,同时设置对应的颜色:

# multiple groups
pdf('termlftsmp.pdf',height = 10,width = 11,onefile = F)
visCluster(object = ck,
           plot.type = "both",
           column_names_rot = 45,
           show_row_dend = F,
           markGenes = markGenes,
           markGenes.side = "left",
           genes.gp = c('italic',fontsize = 12,col = "black"),
           annoTerm.data = termanno2,
           line.side = "left",
           go.col = rep(ggsci::pal_d3()(8),each = 3),
           go.size = "pval",
           mulGroup = c(2,2,2),
           mline.col = c(ggsci::pal_lancet()(3)))
dev.off()

一键富集分析

直接传入 clusterData 的结果即可,自动对每个 cluster 进行富集分析,设置随机种子保证结果可重复,默认种子为 5201314:

library(org.Mm.eg.db)

# enrich for clusters
enrich <- enrichCluster(object = ck,
                        OrgDb = org.Mm.eg.db,
                        type = "BP",
                        pvalueCutoff = 0.05,
                        topn = 5,
                        seed = 5201314)

# check
head(enrich,3)
#            group                                    Description       pvalue
# GO:0046034    C1                          ATP metabolic process 5.823698e-07
# GO:0062012    C1 regulation of small molecule metabolic process 1.180990e-06
# GO:0002363    C1           alpha-beta T cell lineage commitment 1.202543e-06

注意: 如果设置 topn=NULL 即可获得所有的富集结果。默认取前 5 的富集通路 (P 值排序) 。

绘图:

# plot
pdf('termenrich.pdf',height = 10,width = 11,onefile = F)
visCluster(object = ck,
           plot.type = "both",
           column_names_rot = 45,
           show_row_dend = F,
           markGenes = markGenes,
           markGenes.side = "left",
           genes.gp = c('italic',fontsize = 12,col = "black"),
           annoTerm.data = enrich,
           line.side = "left",
           go.col = rep(ggsci::pal_d3()(8),each = 5),
           go.size = "pval",
           mulGroup = c(2,2,2),
           mline.col = c(ggsci::pal_lancet()(3)))
dev.off()

结尾

有任何疑问和想法,欢迎在 github 上面交流讨论!

Clone this wiki locally