plotting_guide

# Scanpy 绘图指南 使用 scanpy 创建出版级可视化的综合指南。 ## 通用绘图原则 所有 scanpy 绘图函数都遵循一致的模式： - `sc.pl.*` 中的函数对应 `sc.tl.*` 中的分析函数 - 大多数函数接受 `color` 参数用于指定基因名称或元数据列 - 结果通过 `save` 参数保存 - 一次调用即可生成多个图表 ## 基础质量控制图 ### 可视化质量控制指标 python # QC 指标的小提琴图 sc.pl.violin(adata, ['n_genes_by_counts', 'total_counts', 'pct_counts_mt'], jitter=0.4, multi_panel=True, save='_qc_violin.pdf') # 用于识别异常值的散点图 sc.pl.scatter(adata, x='total_counts', y='pct_counts_mt', save='_qc_mt.pdf') sc.pl.scatter(adata, x='total_counts', y='n_genes_by_counts', save='_qc_genes.pdf') # 高表达基因 sc.pl.highest_expr_genes(adata, n_top=20, save='_highest_expr.pdf') ### 过滤后质量控制 python # 比较过滤前后的数据 sc.pl.violin(adata, ['n_genes_by_counts', 'total_counts'], groupby='sample', save='_post_filter.pdf') ## 降维可视化 ### PCA 图 python # 基础 PCA sc.pl.pca(adata, color='leiden', save='_pca.pdf') # 按基因表达着色的 PCA sc.pl.pca(adata, color=['gene1', 'gene2', 'gene3'], save='_pca_genes.pdf') # 方差比图 (肘部图) sc.pl.pca_variance_ratio(adata, log=True, n_pcs=50, save='_variance.pdf') # PCA 载荷图 sc.pl.pca_loadings(adata, components=[1, 2, 3], save='_loadings.pdf') ### UMAP 图 python # 带聚类的基础 UMAP sc.pl.umap(adata, color='leiden', legend_loc='on data', save='_umap_leiden.pdf') # 按多个变量着色的 UMAP sc.pl.umap(adata, color=['leiden', 'cell_type', 'batch'], save='_umap_multi.pdf') # 带基因表达的 UMAP sc.pl.umap(adata, color=['CD3D', 'CD14', 'MS4A1'], use_raw=False, save='_umap_genes.pdf') # 自定义外观 sc.pl.umap(adata, color='leiden', palette='Set2', size=50, alpha=0.8, frameon=False, title='Cell Types', save='_umap_custom.pdf') ### t-SNE 图 python # 带聚类的 t-SNE sc.pl.tsne(adata, color='leiden', legend_loc='right margin', save='_tsne.pdf') # 多个 t-SNE 困惑度 (如果已计算) sc.pl.tsne(adata, color='leiden', save='_tsne_default.pdf') ## 聚类可视化 ### 基础聚类