单细胞PBMC经典细胞类型marker

背marker list 不要贪多哦，要慢慢地背，一个一个一个地背，然后背了再很快地忘记，如此反复。

外周血单个核细胞（Peripheral blood mononuclear cell,PBMC)是外周血中具有单个核的细胞，包括淋巴细胞和单核细胞。注意这里是 mononuclear cell 单个核细胞，而不是 Monocyte 单核细胞。外周血单个核细胞主要的分离方法是Ficoll-hypaque（聚蔗糖－泛影葡胺）密度梯度离心法。

单个核细胞是血液白细胞中具有单个核细胞的一个含糊术语。以淋巴细胞为主，也包括少数单核细胞、浆细胞等。外周血中单个核细胞的相对密度在1.076-1.090之间，常用相对密度1.077±0.001聚蔗糖-泛影葡胺作密度梯度离心加以分离。

PBMCs是与人类健康和疾病有关的研究和临床研究的重要组成部分和有力工具。通过有效和成功的处理和分析PBMCs，研究人员和临床医生可以测试免疫反应，加深对免疫系统的了解，并将他们的发现应用于人类疾病的治疗和治疗。

# 函数来自  微信公众号  单细胞天地   一篇推文
# 也一并背下来把。
library(Seurat)
library(SeuratData)
library(ggplot2)

data("pbmc3k.final")
modify_vlnplot<- function(obj,
                          feature,
                          pt.size = 0,
                          plot.margin = unit(c(-0.75, 0, -0.75, 0), "cm"),
                          ...) {
  p<- VlnPlot(obj, features = feature, pt.size = pt.size, ... )  +
    xlab("") + ylab(feature) + ggtitle("") +
    theme(legend.position = "none",
          axis.text.x = element_blank(),
          axis.text.y = element_blank(),
          axis.ticks.x = element_blank(),
          axis.ticks.y = element_line(),
          axis.title.y = element_text(size = rel(1), angle = 0, vjust = 0.5),
          plot.margin = plot.margin )
  return(p)
}

## main function
StackedVlnPlot<- function(obj, features,
                          pt.size = 0,
                          plot.margin = unit(c(-0.75, 0, -0.75, 0), "cm"),
                          ...) {
  
  plot_list<- purrr::map(features, function(x) modify_vlnplot(obj = obj,feature = x, ...))
  plot_list[[length(plot_list)]]<- plot_list[[length(plot_list)]] +
    theme(axis.text.x=element_text(), axis.ticks.x = element_line())
  
  p<- patchwork::wrap_plots(plotlist = plot_list, ncol = 1)
  return(p)
}


my36colors <-c('#E5D2DD', '#53A85F', '#F1BB72', '#F3B1A0', '#D6E7A3', '#57C3F3', '#476D87',
               '#E95C59', '#E59CC4', '#AB3282', '#23452F', '#BD956A', '#8C549C', '#585658',
               '#9FA3A8', '#E0D4CA', '#5F3D69', '#C5DEBA', '#58A4C3', '#E4C755', '#F7F398',
               '#AA9A59', '#E63863', '#E39A35', '#C1E6F3', '#6778AE', '#91D0BE', '#B53E2B',
               '#712820', '#DCC1DD', '#CCE0F5',  '#CCC9E6', '#625D9E', '#68A180', '#3A6963',
               '#968175'
)
classmk <-c("IL7R", "CCR7",     "IL7R", "S100A4","CD14", "LYZ","MS4A1","CD8A","FCGR3A", "MS4A7",    "GNLY",
            "NKG7","FCER1A", "CST3","PPBP")
StackedVlnPlot(pbmc3k.final, c(classmk), pt.size=0, cols=my36colors)

就算是Seurat自带的数据集，定义的细胞类型也有marker之间的交叉啊。我还怕什么呢？大胆地定义细胞的类型吧。

[1] https://divingintogeneticsandgenomics.rbind.io/post/stacked-violin-plot-for-visualizing-single-cell-data-in-seurat/
[2] https://rpubs.com/DarrenVan/628853
[3] https://www.stemexpress.com/blogs/peripheral-blood-mononuclear-cells/