2025-06-11
在生命科學微觀研究中，單細胞轉(zhuan)錄組測序（scRNA - seq）作為解析細胞功能與異質性的核心技術，其高維數據的分析常常借助降維可視化方法來幫助理解和解釋數據。UMAP 算法(fa)因其在保留數據全局結(jie)構(gou)和(he)局部結(jie)構(gou)方面的(de)(de)良好性能，成為單(dan)細胞圖(tu)譜研究的(de)(de)常用方法(fa)。然而，傳統二維 UMAP 圖在展現復雜細胞譜系關系（如腫瘤微環境中）時存在一定局限，由于二維平面無法完全呈現高維空間中細胞的復雜關系，易因鄰近亞群的重疊而掩蓋細胞間潛在關聯，影響對細胞異質性的解析。而三(san)維動(dong)態 UMAP 圖(tu)在一定程度上解決了這一問題，它通過引入第三維(wei)度更好地呈(cheng)現細(xi)胞(bao)亞群的分布(bu)關系，并且(qie)借助計算機軟(ruan)件或工具的動態交互功能，如實時旋(xuan)轉、縮放與切面觀察(cha)等，使研(yan)究者能夠從多個(ge)角(jiao)度捕捉二(er)維(wei)視(shi)角(jiao)下易被(bei)忽略的差異，為(wei)單(dan)細(xi)胞(bao)數據研(yan)究提供了全新的立體洞察(cha)視(shi)角(jiao)。
從(cong)代(dai)碼(ma)層面，我(wo)們需(xu)要從(cong)3維(wei)角(jiao)度(du)，對整個細胞(bao)進行umap降維(wei)聚類(lei)。不(bu)用擔心很復雜，RunUMAP有個關鍵的參(can)數n.components可以設置(zhi)。代(dai)碼(ma)如下：
data.combined <- RunUMAP(sc, reduction = "pca", dims = 1:20,n.components = 3L)
Embeed = data.combined@reductions$umap@cell.embeddings
data.combined = AddMetaData(Embeed ,data.combined)
運行完可以通過(guo)導(dao)出(chu)三維坐標(biao)進行繪(hui)圖(tu),繪(hui)圖(tu)的表格(ge)有四列(lie)(lie)，其(qi)中前三列(lie)(lie)為細(xi)胞(bao)的三維坐標(biao)，第(di)四列(lie)(lie)為細(xi)胞(bao)的標(biao)簽，可以為細(xi)胞(bao)類(lei)型 、樣本、組別和clusters等任(ren)一(yi)細(xi)胞(bao)標(biao)簽，繪(hui)圖(tu)代碼如下：
plot.umap <- FetchData(object = data.combined, vars = c("UMAP_1", "UMAP_2", "UMAP_3",”celltype”))
plot.data <- as.data.frame(plot.umap)
head(plot.data)
fig <- plot_ly(plot.data, x = ~UMAP_1, y = ~UMAP_2, z = ~UMAP_3, color =~seurat_clusters,size=2,colors= cb_palette.use)
saveWidget(as_widget(fig), paste0("3Dumap.html"))
總 結
本文介(jie)紹單(dan)(dan)細胞轉錄(lu)組數(shu)據分析中(zhong)三維動(dong)態(tai) UMAP 圖復(fu)現方法。其通(tong)過(guo)(guo)第三維度和動(dong)態(tai)交(jiao)互(hu)功(gong)能，解決二維 UMAP 圖亞群重疊(die)問題。代(dai)碼(ma)上用 RunUMAP 設 n.components=3L 降維，借 plotly 生成交(jiao)互(hu)式圖，為單(dan)(dan)細胞數(shu)據圖譜解析提(ti)供多維視角。繪制圖片(pian)或(huo)者復(fu)現代(dai)碼(ma)過(guo)(guo)程中(zhong)，如(ru)果老師遇到疑惑，歡迎撥打我(wo)們的熱線電話或(huo)者聯系我(wo)們的駐地(di)銷(xiao)售。
