展示细胞比例变化之balloonplot和马赛克图

我在CNS图表复现09—上皮细胞可以区分为恶性与否提到了一个很有意思的现象，就是把上皮细胞分群后，可以看到有一些亚群是具有病人特异性，但是也有不少亚群是跨越了病人存在的。

而我展现这一现象使用的可视化方法就是balloonplot函数啦，它来自于gplots这个包！

首先创造一个数据

n=10*sample(100,9);n
cancer=rep(paste0('c',1:9),n)
table(cancer)
p=c(rep(paste0('p',1:5),n[1:5]),
    sample(paste0('p',1:5),sum(n[6:9]),replace = T))
table(p)
table(cancer,p)

可以看到是如下所示：

> table(cancer,p)
      p
cancer  p1  p2  p3  p4  p5
    c1 890   0   0   0   0
    c2   0 420   0   0   0
    c3   0   0 330   0   0
    c4   0   0   0 800   0
    c5   0   0   0   0 730
    c6 155 170 180 184 181
    c7 197 194 189 194 176
    c8  70  64  54  56  56
    c9 116 106 102 129 107

前面的c1到c5，都是病人特异性的，每个病人一个独立单细胞亚群，通常是恶性细胞。但是后面的 c6和c9都是涵盖了5个病人的正常细胞。

在肺癌领域，恶性和细胞正常细胞各自的标记基因如下所示：

• epi or tumor (EPCAM, KRT19, PROM1, ALDH1A1, CD24).
• alveolar type I cell (AT1; AGER+)
• alveolar type II cell (AT2; SFTPA1)
• secretory club cell (Club; SCGB1A1+)
• basal airway epithelial cells (Basal; KRT17+)
• ciliated airway epithelial cells (Ciliated; TPPP3+)

balloonplot可视化

前面我们提到过可视化方法就是balloonplot函数啦，它来自于gplots这个包！

library(gplots) 
balloonplot(table(cancer,p))

效果如下所示：

 

马赛克图可视化

代码如下：

library(vcd)
dat=table(cancer,p)
mosaic(dat,shade=T,legend=T)

 

还有一个更优秀的可视化方法

就是桑基图，明天再介绍它！