10X空间转录组时空基因细胞动态（共定位）绘图

作者，追风少年i~

hello，周四了，昨晚有超级月亮，又大又圆，古人描写月亮的诗非常多，有苏轼的人有悲欢离合，月有阴晴圆缺，有李白的举杯邀明月，对饮成三人；有张九龄的海上生明月，天涯共此时；但大多情况下心情哀伤，体现出孤独和思念，但其中有一首最为记忆犹新，分享给大家，就是李白的《宣州谢朓楼饯别校书叔云》

弃我去者，昨日之日不可留；
乱我心者，今日之日多烦忧。
长风万里送秋雁，对此可以酣高楼。
蓬莱文章建安骨，中间小谢又清发。
俱怀逸兴壮思飞，欲上青天览明月。
抽刀断水水更流，举杯消愁愁更愁。
人生在世不称意，明朝散发弄扁舟。

好了， 回归现实，今天我们要绘制细胞动态图。如下图

空间配受体动态

其实还有细胞动态图

图片.png

再加上延伸版的动态热图

图片.png

我个人认为空间转录组的分析真的是非常有意思😄

在之前的文章中也提到过这个画法，没有详细讲，文章在10X单细胞（10X空间转录组）之一张UMAP图同时展示两个基因的表达情况，还有10X空间转录组绘图分析之体现两种细胞类型的空间位置

今天我们来梳理一下，借助一个数据来绘制图片,HE染色图片如下

图片.png

当然了，单细胞联合以及配受体分析大家自己做，下图部分展示单细胞联合分析的结果

图片.png 图片.png

好了，开始我们的第一步，分析配受体的时空动态,以配受体对Mdk_Lrp1为例。

library(Seurat)
library(tidyverse)
library(ggplot2)
obj = readRDS(seurat.rds)  ####空间数据的rds文件
obj@reductions$spatial = obj@reductions$umap
obj@reductions$spatial@key = 'spatial_'
obj@reductions$spatial@cell.embeddings = as.matrix(obj@images$image@coordinates[,c(3,2)])
obj@reductions$spatial@cell.embeddings[,2] = -obj@reductions$spatial@cell.embeddings[,2]
colnames(obj@reductions$spatial@cell.embeddings) = c('spatial_1','spatial_2')
###绘图
p = FeaturePlot(obj, features = c("Mdk", "Lrp1"), blend = TRUE,cols = c('lightgrey','blue','red'),pt.size = 1.6,reduction = 'spatial',combine = F)
for (i in 1:length(p)){
p[[i]] = p[[i]] + theme(axis.text = element_blank(),axis.ticks=element_blank(),legend.position = 'none',axis.line = element_blank(),axis.title = element_text(size = 20),plot.title = element_text(size = 30))
}

f = CombinePlots(plots = list(p[[1]],p[[2]],p[[3]],p[[4]]), ncol = 4)

pdf('lr.interaction.pdf',width = 25)
print(f)
dev.off()

就可以得到

图片.png

怎么样，很赞吧~~~

接下来绘制两种细胞的时空动态图，前提是大家做了单细胞空间联合，联合分析的信息包含在了对象的meta.data下面,如果没有，自行添加，以上面的cluster3和cluster4为例，meta.data已经有了相应的信息

library(Seurat)
library(tidyverse)
library(ggplot2)
obj = readRDS(seurat.rds)  ####空间数据的rds文件
obj@reductions$spatial = obj@reductions$umap
obj@reductions$spatial@key = 'spatial_'
obj@reductions$spatial@cell.embeddings = as.matrix(obj@images$image@coordinates[,c(3,2)])
obj@reductions$spatial@cell.embeddings[,2] = -obj@reductions$spatial@cell.embeddings[,2]
colnames(obj@reductions$spatial@cell.embeddings) = c('spatial_1','spatial_2')
###绘图
p = FeaturePlot(obj, features = c("Cluster3", "Cluster4"), blend = TRUE,cols = c('lightgrey','blue','red'),pt.size = 1.6,reduction = 'spatial',combine = F)
for (i in 1:length(p)){
p[[i]] = p[[i]] + theme(axis.text = element_blank(),axis.ticks=element_blank(),legend.position = 'none',axis.line = element_blank(),axis.title = element_text(size = 20),plot.title = element_text(size = 30))
}

f = CombinePlots(plots = list(p[[1]],p[[2]],p[[3]],p[[4]]), ncol = 4)

pdf('cluster3.cluster4.colocalization.pdf',width = 25)
print(f)
dev.off()

图如下

图片.png

至于区域热图，就给大家认真绘制了，想发好的文章， 这些功夫必须到位

好了，已经分享给大家了，生活很好，有你更好，百度文库出现了大量抄袭我的文章，对此我深表无奈，我写的文章，别人挂上去赚钱，抄袭可耻，挂到百度文库的人更可耻