其他
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！