在单细胞RNA测序分析中，可视化是揭示数据背后生物学模式的关键步骤。Seurat作为单细胞分析的主流工具，虽然功能强大，但在可视化方面仍有提升空间。今天就为大家介绍Seurat的增强包——SeuratExtend，它能让你的单细胞图表瞬间提升一个档次！
单细胞转录组、空间转录组、转录组（mRNA-seq、miRNA-seq、lncRNA-seq、circRNA-seq）、宏基因组、16S扩增子、基因组、ChIP-seq、等组学、TCGA/GEO数据挖掘、影像组、病理组、研究学习免费交流群：18983376561
什么是SeuratExtend？
SeuratExtend是基于Seurat开发的扩展包，专注于增强可视化功能。它保留了Seurat原有的使用习惯，同时添加了大量自定义参数，让你的图表既能满足科研需求，又能拥有 publication 级别的美观度。
注意：下边的例子基于SeuratExtend 1.2.3版本
核心功能亮点
增强版降维散点图（DimPlot2）
告别Seurat中DimPlot（离散变量，如细胞类型，分组等）和FeaturePlot（连续变量，如基因表达水平等）的区分，DimPlot2一键搞定所有类型变量的可视化：
library(Seurat)
library(SeuratExtend)# 基础用法 离散分类
DimPlot2(pbmc)# 同时展示多种变量
DimPlot2(pbmc, features = c("cluster", "orig.ident", "CD14", "CD3D"))
特色功能：
- 自动识别变量类型，无需切换函数
- 支持高亮特定细胞群（
cells.highlight参数） - 缩小 UMAP 坐标轴箭头（
p + theme_umap_arrows()）
FeaturePlot3
新增三特征同时展示（FeaturePlot3），通过RGB或RYB混色原理呈现三个基因的表达分布
FeaturePlot3(pbmc, color = "ryb", feature.1 = "CD3D", feature.2 = "CD14", feature.3 = "CD79A", pt.size = 0.5)
高颜值热图（Heatmap）
热图是展示大量基因在不同集群中表达模式的利器，SeuratExtend的Heatmap函数让颜色搭配更专业：
# 计算变量基因的z-score
genes <- VariableFeatures(pbmc)
toplot <- CalcStats(pbmc, features = genes, method = "zscore")# 基础热图
Heatmap(toplot, lab_fill = "zscore")# 只标注部分基因
toplot2 <- CalcStats(pbmc, features = genes[1:500], method = "zscore", order = "p")
Heatmap(toplot2, lab_fill = "zscore", feature_text_subset = genes[1:20], expand_limits_x = c(-0.5, 11))
增强版点图（DotPlot2）
点图能同时展示基因表达量（颜色）和表达细胞比例（大小），是单细胞分析的必备图表：
DotPlot2(pbmc, features = grouped_features, color_scheme = "BuRd", border = FALSE, # Remove dot bordersshow_grid = FALSE, # Remove grid linesflip = TRUE) # Flip coordinates
增强版小提琴图（VlnPlot2）
小提琴图能展示基因表达的分布特征，VlnPlot2在此基础上增加了统计分析功能：
# 基础用法
VlnPlot2(pbmc, features = c("CD3D","CD14","CD79A"))# 高级功能：添加统计学标注
VlnPlot2(pbmc, features = "CD3D", group.by = "cluster", stat.method = "wilcox.test", # 威尔科克森检验hide.ns = TRUE) # 隐藏不显著结果
集群分布柱状图（ClusterDistrBar）
想知道每个样本中各细胞集群的比例？这个函数能帮你快速可视化：
# 展示各样本中集群的分布比例
ClusterDistrBar(origin = pbmc$orig.ident, cluster = pbmc$cluster)
瀑布图（WaterfallPlot）
瀑布图非常适合展示两个细胞群之间的差异基因或通路：
# 比较两个细胞群的通路活性差异
WaterfallPlot(matr, f = pbmc$cluster, ident.1 = "Mono CD14", ident.2 = "CD8 T cell")
火山图（VolcanoPlot）
火山图能同时展示差异的大小（x轴）和显著性（y轴），是筛选关键基因的好帮手：
VolcanoPlot(pbmc, ident.1 = "B细胞", ident.2 = "CD8 T细胞",x.threshold = 0.5, # logFC阈值y.threshold = 2) # -log10(p值)阈值
配色方案指南
SeuratExtend提供了丰富的配色方案，让你的图表既专业又美观：
- 离散变量（如集群、样本）：推荐使用"default"（深色）或"light"（浅色）方案
- 连续变量（如基因表达）：推荐使用"Blues"（蓝色渐变）或"BuRd"（蓝红渐变）
# 为离散变量自定义颜色
DimPlot2(pbmc, cols = "pro_blue") # 专业蓝色系# 为连续变量自定义颜色
FeaturePlot(pbmc, feature = "CD14", cols = "OrRd") # 橙红渐变
选择合适的可视化方式
不同图表有不同的适用场景，选择合适的图表类型能让你的结果更有说服力
| 图表类型 | 最佳用途 | 优势 |
|---|---|---|
| 热图 | 比较多个特征在多组间的模式 | 紧凑展示大规模数据 |
| 点图 | 同时展示表达量和表达比例 | 信息更丰富 |
| 小提琴图 | 展示表达分布细节 | 可添加统计分析 |
| 瀑布图 | 展示两组间的差异排序 | 清晰呈现最显著差异 |
| 火山图 | 展示差异大小与显著性 | 快速筛选关键特征 |
Reference
https://huayc09.github.io/SeuratExtend/articles/Visualization.html