【已被小伙伴用在文章中了】单细胞scRNA/scATAC之marker基因个性化展示气泡图函数（视频教程）

KS科研分享与服务-TS的美梦

发布于 2026-05-11 14:56:53

520

单细胞ATAC的数据分析内容我们已经开始了，那么scATAC的数据个性化可视化也就是一个重要的内容了。这里我们写了两个函数，关于scRNA和scATAC的marker gene展示。数据的输入的话对于scRNA，就是我们注释好的seurat对象，对于scATAC，就是注释好的ArchR对象。接下来我们具体看看函数参数。

完整版函数内容已发布在微信VIP，请及时下载保存！其他需要函数的小伙伴可微信联系作者购买！函数演示视频链接（B站检索KS科研分享与服务）：

https://www.bilibili.com/video/BV1cp4y1w7LL/?spm_id_from=333.999.0.0&vd_source=05b5479545ba945a8f5d7b2e7160ea34

这个可视化分为两部分，也就是有两个函数，一个是获取表达矩阵，一个是进行可视化作图。函数的参数比较简单，ks_scAverExp只需要三个参数即可，第一个函数的输出结果是第二个函数作图的input文件。

接下来我们具体演示下函数的使用及注意事项。首先是单细胞转录组的数据。需要展示的marker基因以如下的list形式展示。而且，list里面celltype的顺序就是出图的时候celltype的排列顺序。所以，需要指定celltype顺序，在这里就需要指定。

featureSets <- list("Astro" = c("SLC1A2", "GPR98", "HPSE2", "ZNF98"),
                    "ODC" = c("PLP1", "ST18", "CTNNA3","MOBP"),
                    "MC" = c("DOCK8", "PLXDC2", "P2RY12", "CX3CR1"),
                    "OPC" = c("PCDH15", "VCAN", "XYLT1", "LHFPL3"),
                    "PN_CUX" = c("CBLN2", "CUX2", "LDB2"),
                    "IN_SST" = c("SST", "ROBO2", "NXPH1"),
                    "IN_VIP" = c("VIP", "ADARB2", "SYNPR"),
                    "LAMA" = c("COLEC12", "LAMA2"),
                    "IN_ID" = c("RELN", "ADARB2", "CXCL14"),
                    "IN_PV" = c("NXPH1", "KCNC2"),
                    "PN_RO" = c("IL1RAPL2", "POU6F2", "NRG1"),
                    "LAMPs" = c("PRELID2", "TRPC3"),
                    "Vas" = c("COL15A1","NPNT"))
#分析作图分为两步，首先我们计算矩阵
Exp_scRNA <- ks_scAverExp(obj = scRNA,#构建好的seurat object
                          features = featureSets, #上面的marker基因list
                          CellTypes = unique(scRNA$celltype))#celltype名称，也可以是自行输入向量


#作图
scRNA_dotplot = ks_scDotplot(obj = scRNA,#构建好的seurat object
                             features = featureSets,#上面的marker基因list
                             CellTypes = unique(scRNA$celltype),#celltype名称，也可以是自行输入向量
                             avgPctMat= Exp_scRNA,#上一步的矩阵
                             pal = dittoColors())#celltype注释颜色

然后是scATAC数据，代码中的sc就是我们用ArchR分析的单细胞ATAC数据，Archr对象，已经做完marker鉴定了。这里需要注意的是，如果你的ATAC数据中celltype的列名不是celltype的话，就需要添加一列。例如这里，我原先cluster注释的列是Clusters_cell，那么我们直接用$符号增加一列celltype。

sc$celltype <- sc$Clusters_cell
Exp_scATAC <- ks_scAverExp(obj = sc,#scATC ArchR对象
                           features = featureSets,#上面的marker基因list
                           CellTypes = unique(sc$celltype))#celltype名称，也可以是自行输入向量


#作图
scATAC_dotplot = ks_scDotplot(obj = sc,#scATC ArchR对象
                              features = featureSets,
                              CellTypes = as.character(unique(sc$celltype)),
                              avgPctMat= Exp_scATAC,
                              pal = dittoColors())

scRNA_dotplot + scATAC_dotplot

也有小伙伴咨询，我不做ATAC，就单纯的scRNA可以用这个图吗？当然可以，我们也在另外一个scRNA数据集上对函数进行了测试，发现没有问题！

load("D:/KS项目/公众号文章/单细胞ATAC-scRNA基因气泡图/sce_test.Rdata")

#要展示的featur必须以下面这样的list提供
#list中celltype的顺序也是作图的时候celltype的展示顺序
featureSets <- list("SMC" = c("ACTA2", "RGS5"),
"MAC" = c("MS4A6A", "CD68","LYZ"),
"LY" = c("CCL5", "STK17B","PTPRC"),
"SF" = c("DCN", "COL6A3", "LUM"),
"EC" = c("PECAM1","PCDH17", "VWF"),
"UEC" = c("EPCAM", "CDH1"),
"CEC" = c("FOXJ1","CDHR3","DYDC2"))

Exp_scRNA <- ks_scAverExp(obj = sce,
                          features = featureSets,
                          CellTypes = unique(sce$celltype))


library(dittoSeq)
scRNA_dotplot = ks_scDotplot(obj = sce,
                             features = featureSets,
                             CellTypes = unique(sce$celltype),
                             avgPctMat= Exp_scRNA,
                             pal = dittoColors())