很久以前，我们发布过一个单细胞多组差异基因可视化的方法。跟着Cell学单细胞转录组分析(八):单细胞转录组差异基因分析及多组结果可视化。主要复现参考的是这篇发表在《Cell》上的文章。可以将多个组的差异结果展示出来。

（reference：A Spatiotemporal Organ-Wide Gene Expression and Cell Atlas of the Developing Human Heart）

这里我们对之前的帖子进行更新，主要是解决之前的一些问题，让作图更加清晰正确。此外，我们直接将差异基因的分析和可视化包装成一个通用的函数，函数有一定的可调节性。

函数解释如下：

函数的使用视频见B站：

https://www.bilibili.com/video/BV19w411D7qZ/?spm_id_from=333.999.0.0

接下来我们测试一下：这里差异基因的分析使用的是Seurat的Findmarkers函数，所以一些参数和Findmarkers是一样的，自行调节。最好可以将logfc.threshold和min.pct设置为0，这样就可以获得所有的基因，这个结果我们函数是直接保存在相关路径中的，那么这么做有什么用呢？这个结果可以进行富集分析，更重要的是可以进行GSEA分析（复现Nature图表：GSEA分析及可视化包装函数、(视频教程)GSEA分析可视化函数/棒棒糖图展示富集结果）。

KS_scRNA_multiVlnvo_plot(Seurat_object = uterus,                         DEGs_outdir = "./",                         DEGs_list=F,                         min.pct = 0.3,                         logfc.threshold = 0.3,                         test.use = "wilcox",                         group = "orig.ident",                         ident.1 = "EEC",                         ident.2 = "HC",                         logFC_cut = 0.3,                         top_gene=T,                         text_size = 3,                         height = 0.3)

很显然，由于不知道差异结果如何，所以上面的图参数没有调整，不是很好，我们需要进行细节调整。可是如果是这样的话，难道又要跑一遍差异基因分析吗？显然是很麻烦的，我们可考虑到这个问题。还记得上一步我们差异基因结果已经保存了吗，接下来只需要作图的话dges参数设置为刚才保存的差异结果，DEGs_list设置为T。

KS_scRNA_multiVlnvo_plot(Seurat_object = uterus,                         DEGs_list=T,                         dges = sce_DEGs,                         logFC_cut = 0.3,                         top_gene=T,                         text_size = 3,                         height = 0.8)

然后，我们还可以调整x轴cluster的顺序，调整label。​​​​​​​

KS_scRNA_multiVlnvo_plot(Seurat_object = uterus,                         DEGs_list=T,                         dges = sce_DEGs,                         logFC_cut = 0.3,                         top_gene=T,                         text_size = 3,                         xlabel = c("SMC","Ly","UEC","SF","CEP","EC","MAC"),                         idents_level = c("Smooth muscle cells","Lymphocytes",                                          "Unciliated epithelial cells","Stromal fibroblasts",                                          "Ciliated epithelial cells","Endothelial cells","Macrophages"),                         height = 0.8)

最后，标记的基因也可以自选。

​​​​​​​

KS_scRNA_multiVlnvo_plot(Seurat_object = uterus,                         DEGs_list=T,                         dges = sce_DEGs,                         logFC_cut = 0.3,                         text_size = 3,                         xlabel = c("SMC","Ly","UEC","SF","CEP","EC","MAC"),                         idents_level = c("Smooth muscle cells","Lymphocytes",                                          "Unciliated epithelial cells","Stromal fibroblasts",                                          "Ciliated epithelial cells","Endothelial cells","Macrophages"),                         height = 0.8,                         top_gene = F,                         label_gene = c("ACTA2", "RGS5","MS4A6A", "CD68","LYZ",                                        "CCL5", "STK17B","PTPRC","DCN", "COL6A3",                                         "LUM","PECAM1","PCDH17", "VWF","EPCAM",                                         "CDH1","FOXJ1","CDHR3","DYDC2"))

好了，这就是这个函数的所有内容了，如果觉得分享有用，点个赞再走呗！