🤩 hdWGCNA | 单细胞数据怎么做WGCNA呢！？（二）（基础可视化）

生信漫卷

发布于 2024-05-27 12:49:49

1960

发布于 2024-05-27 12:49:49

文章被收录于专栏：R语言及实用科研软件R语言及实用科研软件

1写在前面

昨天值班忙的不歇火。🫠

下周还要出门诊。😭

要找个周末出去骑骑车了。🚴

上次去余杭发现有个地方很适合骑车，下次要带上车子去玩一下。😜

大家最近忙不忙啊，其实我最近还好，终于有点时间做点自己的事情了。🙊

明明是认真的完成了自己的工作，不过总有人觉得你过的太舒服，非要让你过上牛马一样的生活，他才觉得是正常的，真是不能理解。🙃

工作是为了更好的生活，而生活绝对不是为了更好的工作。💼

2用到的包

rm(list = ls())
library(Seurat)
library(tidyverse)
library(cowplot)
library(patchwork)
library(WGCNA)
library(hdWGCNA)

记得设置一下哦。😘

theme_set(theme_cowplot())
set.seed(123)
enableWGCNAThreads(nThreads = 8)

3示例数据

我们把上次保存的文件load进来。😘

大家不清楚的可以去看上一期的教程。😏

load("./hdWGCNA_object.Rdata")

4计算hub gene分数

基因评分分析是单细胞转录组学中一种流行的方法，用于计算一组基因的整体特征的评分。💪

这里可以使用UCell或Seurat算法计算每个模块指定数量基因的打分。😘

这里用前25个gene哦。😯

library(UCell)
seurat_obj <- ModuleExprScore(
  seurat_obj,
  n_genes = 25,
  method='UCell'
)

5模块特征图

plot_list <- ModuleFeaturePlot(
  seurat_obj,
  features='hMEs',
  order=TRUE 
)

wrap_plots(plot_list, ncol=7)

绘制hub gene特征分数。😏

plot_list <- ModuleFeaturePlot(
  seurat_obj,
  features='scores', # plot the hub gene scores
  order='shuffle', 
  ucell = TRUE # depending on Seurat vs UCell for gene scoring
)

wrap_plots(plot_list, ncol=7)

6模块相关性

hdWGCNA 可以根据每个模块的hME、ME或hub gene分数可视化每个模块之间的相关性。🦀

# plot module correlagram
ModuleCorrelogram(seurat_obj)

7DotPlot函数可视化ME

# get hMEs from seurat object
MEs <- GetMEs(seurat_obj, harmonized=TRUE)
modules <- GetModules(seurat_obj)
mods <- levels(modules$module); mods <- mods[mods != 'grey']

# add hMEs to Seurat meta-data:
seurat_obj@meta.data <- cbind(seurat_obj@meta.data, MEs)

p <- DotPlot(seurat_obj, features=mods, group.by = 'cell_type')

p <- p +
  RotatedAxis() +
  scale_color_gradient2(high='red', mid='grey95', low='blue')

p