听说 SPOTlight 饼图函数绘图方向是反的：一身反骨！

生信技能树

发布于 2025-06-09 21:10:58

11200

代码可运行

文章被收录于专栏：生信技能树生信技能树

运行总次数：0

代码可运行

在这个帖子中：用 SPOTlight 的函数绘制空转Seurat注释结果的大饼子！，眼明心亮的网友留言说在这里观察到了：饼图绘图中上下方向颠倒了。提问如下

此外，如果你有任何生信疑问，可以看看我们的这两个专辑哦：《生信马拉松答疑》和《马拉松授课互动答疑》，也欢迎大家图文并茂发邮件：jzhang910@qq.com 或者加微信咨询：Biotree123。

如果你在学习生信的过程中觉得孤军难以奋战，可以报名参加我们每月一起的生信入门课程，最新一期在6月2号开课，跟大家一起成长与学习：生信入门&数据挖掘线上直播课6月班。

还有一个数据在分析中发现方向也是反的：12个Cell杂志的疑难杂症空转读取与分析：GSE144240，这个里面已经使用坐标调整进行了解决。下面来看看 SPOTlight 函数绘图问题！

示例数据

数据我还是使用这个帖子中的：用 SPOTlight 的函数绘制空转Seurat注释结果的大饼子！，一直运行到 SPOTlight 绘图之前的反卷积注释部分（注意这里运行的时候使用 Seuratv4 版本，下面的绘图代码暂不支持 seuratv5 ! ）

既然 SPOTlight 这个函数绘图上下颠倒了，那我们就看看其源码是如何绘图的好了。

源码链接：https://github.com/MarcElosua/SPOTlight/blob/spotlight-0.1.7/R/scatterpie_plot_fun.R

先把数据整理好：

#################################
mat[1:8, 1:8]
decon_mtrx <- mat

#### 数据处理
cell_types_all <- colnames(decon_mtrx)
cell_types_all

decon_df <- decon_mtrx %>%
  data.frame(check.names = F) %>%
  tibble::rownames_to_column("barcodes")

###添加比例到meta
cortex_sp <- spatial
cortex_sp@meta.data <- cortex_sp@meta.data %>%
  tibble::rownames_to_column("barcodes") %>%
  dplyr::left_join(decon_df, by = "barcodes") %>%
  tibble::column_to_rownames("barcodes")
head(cortex_sp@meta.data)

### plot dot
slice <- names(cortex_sp@images)[1]
slice
metadata_ds <- data.frame(cortex_sp@meta.data)
colnames(metadata_ds) <- colnames(cortex_sp@meta.data)
cell_types_interest <- cell_types_all

metadata_ds <- metadata_ds %>% 
  tibble::rownames_to_column("barcodeID") %>%
  dplyr::mutate(rsum = base::rowSums(.[, cell_types_interest, drop = FALSE])) %>% 
  dplyr::filter(rsum != 0) %>%
  dplyr::select("barcodeID") %>% 
  dplyr::left_join(metadata_ds %>% tibble::rownames_to_column("barcodeID"), by = "barcodeID") %>%
  tibble::column_to_rownames("barcodeID")

spatial_coord <- data.frame(cortex_sp@images[[slice]]@coordinates) %>%
  tibble::rownames_to_column("barcodeID") %>% 
  dplyr::mutate(imagerow_scaled = imagerow * cortex_sp@images[[slice]]@scale.factors$lowres, 
                imagecol_scaled = imagecol * cortex_sp@images[[slice]]@scale.factors$lowres
                ) %>% 
  dplyr::inner_join(metadata_ds %>% tibble::rownames_to_column("barcodeID"), by = "barcodeID")

head(spatial_coord)

mat 为反卷积的结果：

head(spatial_coord) 的结果示意如下，就是seurat 对象的metadata 与反卷积结果的合并在一起：

接着读取染色切片：

img <- png::readPNG("../seurat/V1_Mouse_Brain_Sagittal_Anterior/spatial/tissue_lowres_image.png")

###网格化
img_grob <- grid::rasterGrob(img, interpolate = FALSE, width = grid::unit(1, "npc"), height = grid::unit(1, "npc"))

颜色定义：

# 颜色定义
paletteMartin <- c(
  "#000000", "#004949", "#009292", "#ff6db6", "#ffb6db", 
  "#490092", "#006ddb", "#b66dff", "#6db6ff", "#b6dbff", 
  "#920000", "#924900", "#db6d00", "#24ff24", "#ffff6d")

pal <- colorRampPalette(paletteMartin)(length(ct))
names(pal) <- ct
pal

绘图：scatterpie

SPOTlight 你可以看出来源码是使用了 scatterpie 进行的绘图：

#### 饼图绘制
scatterpie_pie <- ggplot2::ggplot() + 
  ggplot2::annotation_custom(grob = img_grob, xmin = 0, xmax = ncol(img), ymin = 0, ymax = -nrow(img)) +
  scatterpie::geom_scatterpie(
    data = spatial_coord, 
    ggplot2::aes(x = imagecol_scaled, y = imagerow_scaled), 
    cols = cell_types_all, color = NA,alpha = 0.6, pie_scale = 0.4) +
  ggplot2::scale_y_reverse() + 
  ggplot2::ylim(nrow(img),0) + 
  ggplot2::xlim(0, ncol(img)) + 
  cowplot::theme_half_open(11,rel_small = 1) + 
  ggplot2::theme_void() + 
  ggplot2::coord_fixed(ratio = 1, xlim = NULL, ylim = NULL, expand = TRUE, clip = "on") + 
  ggplot2::guides(color = guide_legend(ncol = 2)) + 
  ggplot2::scale_fill_manual(values = pal)

结果如下：