基于OmicVerse 的单细胞umap图绘制

OmicVerse简介

OmicVerse 是一个整合了多种多组学数据分析功能的工具集或框架，通常用于处理和分析基因组学、转录组学、蛋白质组学、单细胞数据等高通量生物数据。OmicVerse 的目标是提供一个统一的平台，以便更高效地实现多组学数据的分析、整合与可视化。

功能亮点

• 多组学整合：支持单细胞转录组学（scRNA-seq）、表观遗传学（scATAC-seq）、蛋白组学、代谢组学等数据的整合分析。
• 降维与聚类：提供多种降维算法（如 PCA、t-SNE、UMAP）和聚类算法，用于识别组学数据中的特征模式。
• 可视化：绘制热图、火山图、曼哈顿图、网络图等，为生物学研究提供直观展示。
• 特征选择与标记基因检测：帮助识别重要的基因、蛋白或代谢物，支持差异表达分析。
• 路径分析与富集分析：将多组学数据映射到通路数据库（如 KEGG、Reactome）进行生物学解释。

安装OmicVerse

pip install omicverse

导包

import omicverse as ov
import scanpy as sc
import matplotlib.pyplot as plt
ov.ov_plot_set()

读取单细胞数据

我们选取了一个肝细胞癌 （HCC） 肿瘤数据作为演示。

adata=ov.read('HCC.h5ad')
print(adata)

数据概览：

绘制细胞图

• NormalvsTumor：
  • 用于区分肿瘤与正常样本，可作为大类划分。

按照上面2类的结果，umap图绘制如下：

fig, ax = plt.subplots(figsize=(4,4))
ov.pl.embedding(adata,
    basis="X_umap",
    color=['NormalvsTumor'],
    title='',
    show=True,
    size=10,
    frameon='small',
    ax=ax
)
plt.show()  # 显式调用来显示图像

• louvain 或其他聚类字段：
  • 检查巨噬细胞（TAM, Tumor-Associated Macrophages）是否是某个独立的聚类。

按照上面29类的结果，umap图绘制如下：

因此，umap图绘制如下：

fig, ax = plt.subplots(figsize=(4,4))
ov.pl.embedding(adata,
    basis="X_umap",
    color=['louvain'],
    title='',
    show=True,
    size=10,
    frameon='small',
    ax=ax
)
plt.show()  # 显式调用来显示图像