3种方法教你用Seurat包绘制单细胞气泡图（附完整代码）

单细胞基因表达可视化：Seurat气泡图的进阶绘制技巧

在单细胞转录组数据分析中，基因表达模式的可视化是揭示细胞异质性和功能特征的关键环节。气泡图作为一种直观高效的展示方式，能够同时呈现基因在各类细胞群中的表达丰度（颜色深浅）和表达频率（气泡大小），已成为生物信息学研究的标配图表。不同于常规的柱状图或热图，气泡图通过二维空间中的视觉编码，让研究人员一眼就能捕捉到关键基因的差异化表达模式。

对于使用R语言进行单细胞分析的研究者而言，Seurat包提供的DotPlot函数是绘制气泡图的起点，但默认输出往往难以满足发表级图表的需求。本文将深入探讨三种进阶绘制方法，从基础参数调整到完全自定义ggplot2图层，帮助您打造兼具科学严谨性与视觉冲击力的气泡图。无论您是刚开始接触单细胞数据分析的研究生，还是需要优化论文图表的高级研究员，这些技巧都能显著提升您的研究展示效果。

1. 基础气泡图绘制与核心参数解析

让我们从Seurat内置的DotPlot函数开始，这是大多数用户接触单细胞气泡图的第一个工具。虽然基础，但通过合理调整参数，已经能够产出符合基础科研需求的图表。

1.1 数据准备与基本调用

首先确保您已安装最新版Seurat包，并加载必要的依赖：

library(Seurat)
library(ggplot2)

# 假设scedata是已处理好的Seurat对象
marker_genes <- c(\”ACKR1\”,\”RAMP2\”, \”LUM\”,\”COL3A1\”, \”KRT14\”,\”KRT5\”, \”CD69\”,\”CD52\”)
basic_plot <- DotPlot(scedata, features = marker_genes)
print(basic_plot)

这段代码会生成一个包含所有标记基因在各细胞簇中表达情况的基础气泡图。X轴通常代表细胞簇，Y轴代表基因，气泡大小表示表达该基因的细胞比例，颜色则表示平均表达量。

1.2 关键参数调整

DotPlot函数提供了多个参数用于定制图表表现：

enhanced_plot <- DotPlot(
scedata,
features = marker_genes,
cols = c(\”lightgrey\”, \”blue\”), # 设置颜色梯度
dot.scale = 6, # 控制气泡大小
scale = TRUE, # 是否对表达量进行标准化
cluster.idents = FALSE # 是否对细胞簇进行聚类
) +
theme(axis.text.x = element_text(angle = 45, hjust = 1))

表：DotPlot核心参数说明

提示：当基因数量较多时，设置cluster.idents=TRUE可以帮助发现细胞簇