![[R包分享]scDotPlot绘制单细胞层次聚类点图](https://cdn.10100.com/user/4d45ef863a29683762b456df77cad6ea.png?x-oss-process=style/180x)
欢迎关注R语言数据分析指南
❝本节来介绍一款R包scDotPlot，scDotPlot 是一个用于单细胞 RNA 测序 (scRNA-seq) 数据 可视化的 R 包，主要用于层次聚类和标注。它能够处理 SingleCellExperiment 和 Seurat 对象，以及普通数据框，基于 scater::plotDots() 和 Seurat::DotPlot() 绘制点图，同时结合 aplot 和 ggtree 实现 树状图 (dendrograms) 及可选注释，方便分析 细胞群体与标记基因表达之间的关系。更多详细内容请参考官方文档
官方文档
❝https://bioconductor.org/packages/release/bioc/vignettes/scDotPlot/inst/doc/scDotPlot.html
加载R包
BiocManager::install("scDotPlot")
BiocManager::install("scRNAseq")
library(scRNAseq)
library(scuttle)
library(scDotPlot)
library(ggsci)
数据整理
sce <- ZeiselBrainData()
sce <- sce |>
logNormCounts() |>
subset(x = _, , level2class != "(none)")
BiocManager::install("scran")
library(scran)
library(purrr)
library(dplyr)
library(AnnotationDbi)
features <- sce |>
scoreMarkers(sce$level1class) |>
map(~ .x |>
as.data.frame() |>
arrange(desc(mean.AUC))|>
dplyr::slice(1:6) |>
rownames()) |>
unlist2()
rowData(sce)$Marker <- features[match(rownames(sce), features)] |>
names()
案例1
sce |>
scDotPlot(features = features,
group = "level2class",
groupAnno = "level1class",
featureAnno = "Marker",
groupLegends = FALSE,
annoColors = list("level1class" = pal_d3()(7),
"Marker" = pal_d3()(7)),
annoWidth = 0.02)
案例2
sce |>
scDotPlot(scale = TRUE,
features = features,
group = "level2class",
groupAnno = "level1class",
featureAnno = "Marker",
groupLegends = FALSE,
annoColors = list("level1class" = pal_d3()(7),
"Marker" = pal_d3()(7)),
annoWidth = 0.02)
关注下方公众号下回更新不迷路
购买介绍
❝本节介绍到此结束，有需要学习R数据可视化的朋友欢迎到淘宝店铺：R语言数据分析指南，购买小编的R语言可视化文档，2025年购买将获取2025年更新的内容，同时将赠送2024年的绘图文档内容。
更新的绘图内容包含数据+代码+注释文档+文档清单，小编只分享案例文档，不额外回答问题，无答疑服务，更新截止2025年12月31日结束，零基础不推荐买。
案例特点
❝所选案例图绝大部份属于个性化分析图表，数据案例多来自已经发表的高分论文，并会汇总整理分享一些论文中公开的分析代码。
2025年起提供更加专业的html文档，更加的直观易学。文档累计上千人次购买拥有良好的社群交流体验，R代码结构清晰易懂.
目录大纲展示
群友精彩评论
淘宝店铺
2025年更新案例图展示
2024年案例图展示
