|
需要者詳情請聯(lián)系作者（非需要者勿擾，我很社恐）： 1、購買打包合集（2025KS微信VIP付費合集），價格感人，加入微信VIP群（答疑交流群，甚至有小伙伴覺得群比代碼更好），可以獲取建號以來所有內(nèi)容，群成員專享視頻教程，提前更新，其他更多福利！ 2、《KS科研分享與服務》公眾號有QQ群，進入門檻是20元（完全是為了防止白嫖黨，請理解），請考慮清楚。群里有免費推文的注釋代碼和示例數(shù)據(jù)（終身擁有），沒有付費內(nèi)容，群成員福利是購買單個付費內(nèi)容半價！ 書接上文（復現(xiàn)cancer cell圖表：【函數(shù)】Edge bunding可視化cellchat及cellphonedb細胞互作結果），先說一下那個關子，我本來準備賣個關子，結果把自己賣了，忘記說了。這個圖應該很熟悉是因為我們介紹過一個包，關于cellphonedb的ktplots包，針對cpdb結果的R可視化：其中功能也有一個互作網(wǎng)絡圖是這樣的：是不是特別像呢？ ktplots github：https:///zktuong/ktplots/沒錯，這篇cancer cell的作圖和ktplots包作圖是一樣的，只是數(shù)據(jù)整理不一樣。為什么ktplots包的圖不咋用呢？一個圖展示了太多的信息了，而且plot需要scRNA data，展示的越多圖越亂。這個圖信息完整，展示了互作強度。這也是我們函數(shù)略微升級的原因，小伙伴說這個圖沒有表示互作強度，其實我們也考慮過，但是不同線條粗細展示強度只會讓圖更亂，還不如現(xiàn)在這樣的小清新。所以我們想到了一種折中的辦法，展示互作也并不是所有都是重點，往往研究的也就是那么幾個，所以可以將重點的互作顯目標記，不就ok了？函數(shù)使用解說見B站（KS科研分享與服務）：https://www.bilibili.com/video/BV1AULgzsEVj/?spm_id_from=333.1387.homepage.video_card.click&vd_source=05b5479545ba945a8f5d7b2e7160ea34增加了一個參數(shù)emp：之前購買過代碼的小伙伴聯(lián)系作者免費獲取更新！
setwd('D:\\KS項目\\公眾號文章\\復現(xiàn)cancer cell-【函數(shù)】邊綁定圖展示cellchat以及cpdb互作結果可視化\\edge_bunding_cellchat結果可視化函數(shù)')
#=======================================================================library(CellChat)library(dplyr)library(ggraph)library(tidyr)library(ggplot2)
# ks_CC_bdPlot(cellchat_obj = HD.cellchat, source_cells = c("Kers","ECs","Tcell"),# target_cells= c("Kers","ECs","Tcell"),comm_cut=0)#
#強調LRempLR <- read.csv('empLR.csv', header = T)ks_CC_bdPlot(cellchat_obj = HD.cellchat, source_cells = c("Kers","ECs","Tcell"), target_cells= c("Kers","ECs","Tcell"),comm_cut=0, cols = c("#BEBADA","#f3c89d", "#8cc598"), emp=empLR)
|
