featureplot 統(tǒng)一scale

使用Seurat 中自帶函數(shù)featureplot 在使用了split函數(shù)之后就沒有l(wèi)egend了

FeaturePlot(object = obj, features = "Gene", split.by = "Meta_Name", order = T) # 沒有scale bar

FeaturePlot(object = obj, features = "Gene", split.by = "Meta_Name", order = T) + theme(legend.position = "right")   # 只有右側(cè)的圖有bar

FeaturePlot(object = obj, features = "Gene", split.by = "Meta_Name", order = T) & theme(legend.position = "right")   # 兩個都有bar, 但不是統(tǒng)一的scale,可能有修飾圖片的可能


FeaturePlot(object = obj, features = "Gene", split.by = "Meta_Name", keep_scale = T, order = T) & theme(legend.position = "right") #統(tǒng)一的scale崖咨,但函數(shù)版本可能過時击蹲,keep_scale 已經(jīng)換掉


FeaturePlot(object = obj, features = "Gene", split.by = "Meta_Name", keep.scale = "all" , order = T) & theme(legend.position = "right")  ##統(tǒng)一的scale,keep.scale 已經(jīng)換掉

keep.scale函數(shù)介紹:
How to handle the color scale across multiple plots. Options are:

"feature" (default; by row/feature scaling): The plots for each individual feature are scaled to the maximum expression of the feature across the conditions provided to 'split.by'.

"all" (universal scaling): The plots for all features and conditions are scaled to the maximum expression value for the feature with the highest overall expression.

NULL (no scaling): Each individual plot is scaled to the maximum expression value of the feature in the condition provided to 'split.by'. Be aware setting NULL will result in color scales that are not comparable between plots.

只是用+是不可以的芯丧,那樣就只會只改split圖中右邊的那個圖 使用&符號的時候是會兩個都改的

m_featureplot <- FeaturePlot(M_Aggregated_seurat, features = "Lepr", reduction = "tsne",
                             split.by = "orig.ident", pt.size = 1.8, repel = F, label = F,
                             order = T, max.cutoff = 1)
m_featureplot <- m_featureplot & scale_x_continuous(breaks=seq(-30, 20, 10)) ## 改x軸刻度標(biāo)簽
m_featureplot <- m_featureplot & scale_y_continuous(breaks=seq(-30, 20, 10)) ## 改y軸刻度標(biāo)簽
m_featureplot <- m_featureplot +  theme(axis.text.y = element_blank()) +   ## 刪去所有刻度標(biāo)簽
                                  theme(axis.ticks.y = element_blank()) +  ##則只刪去 Y 軸的刻度線
                                  theme(axis.line.y = element_blank())
m_featureplot <- m_featureplot + ylab("")

更改顏色

FeaturePlot(pbmc_small, "LYZ") + scale_colour_gradientn(colours = rev(brewer.pal(n = 11, name = "RdBu")))

更改scale的范圍,自定義標(biāo)尺

p1 <- FeaturePlot(pbmc_small, features = c("PPBP", "IGLL5", "SDPR"), combine = FALSE )
fix.sc <- scale_color_gradientn( colours = c('lightgrey', 'blue'),  limits = c(1, 8))
p2 <- lapply(p1, function (x) x + fix.sc)
CombinePlots(p2)

另:自定義featureplot customize FeaturePlot in Seurat for multi-condition comparisons using patchwork | DNA confesses Data speak (rbind.io)

參考:
Add keep.scale param to FeaturePlot when creating split plots by samuel-marsh · Pull Request #3748 · satijalab/seurat · GitHub

FeaturePlot color scale legend with custom colors · Issue #2400 · satijalab/seurat · GitHub

Set range for color code in FeaturePlot · Issue #1841 · satijalab/seurat · GitHub

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市岭佳,隨后出現(xiàn)的幾起案子珊随,更是在濱河造成了極大的恐慌,老刑警劉巖叶洞,帶你破解...
    沈念sama閱讀 216,324評論 6 498
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件衩辟,死亡現(xiàn)場離奇詭異,居然都是意外死亡昼钻,警方通過查閱死者的電腦和手機封寞,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,356評論 3 392
  • 文/潘曉璐 我一進店門狈究,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人贯莺,你說我怎么就攤上這事宁改。” “怎么了还蹲?”我有些...
    開封第一講書人閱讀 162,328評論 0 353
  • 文/不壞的土叔 我叫張陵爹耗,是天一觀的道長。 經(jīng)常有香客問我倦始,道長山卦,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,147評論 1 292
  • 正文 為了忘掉前任枚碗,我火速辦了婚禮铸本,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘怨规。我一直安慰自己锡足,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 67,160評論 6 388
  • 文/花漫 我一把揭開白布呀舔。 她就那樣靜靜地躺著扩灯,像睡著了一般。 火紅的嫁衣襯著肌膚如雪惧磺。 梳的紋絲不亂的頭發(fā)上捻撑,一...
    開封第一講書人閱讀 51,115評論 1 296
  • 那天顾患,我揣著相機與錄音,去河邊找鬼设预。 笑死犁河,一個胖子當(dāng)著我的面吹牛鳖枕,可吹牛的內(nèi)容都是我干的魄梯。 我是一名探鬼主播,決...
    沈念sama閱讀 40,025評論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼宾符,長吁一口氣:“原來是場噩夢啊……” “哼酿秸!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起魏烫,我...
    開封第一講書人閱讀 38,867評論 0 274
  • 序言:老撾萬榮一對情侶失蹤辣苏,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后则奥,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體考润,經(jīng)...
    沈念sama閱讀 45,307評論 1 310
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,528評論 2 332
  • 正文 我和宋清朗相戀三年读处,在試婚紗的時候發(fā)現(xiàn)自己被綠了唱矛。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片罚舱。...
    茶點故事閱讀 39,688評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖绎谦,靈堂內(nèi)的尸體忽然破棺而出管闷,到底是詐尸還是另有隱情,我是刑警寧澤窃肠,帶...
    沈念sama閱讀 35,409評論 5 343
  • 正文 年R本政府宣布包个,位于F島的核電站,受9級特大地震影響冤留,放射性物質(zhì)發(fā)生泄漏碧囊。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,001評論 3 325
  • 文/蒙蒙 一纤怒、第九天 我趴在偏房一處隱蔽的房頂上張望糯而。 院中可真熱鬧,春花似錦泊窘、人聲如沸熄驼。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,657評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽瓜贾。三九已至,卻和暖如春携悯,著一層夾襖步出監(jiān)牢的瞬間祭芦,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,811評論 1 268
  • 我被黑心中介騙來泰國打工蚌卤, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留实束,地道東北人奥秆。 一個月前我還...
    沈念sama閱讀 47,685評論 2 368
  • 正文 我出身青樓,卻偏偏與公主長得像咸灿,于是被迫代替她去往敵國和親构订。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,573評論 2 353

推薦閱讀更多精彩內(nèi)容