Seurat可视化中FeaturePlot分面绘图的颜色设置问题解析

在使用Seurat进行单细胞数据分析时，FeaturePlot是一个常用的可视化函数，能够展示特定基因在不同细胞中的表达情况。当我们需要比较不同分组（如不同样本、不同处理条件等）中基因表达模式时，split.by参数提供了便捷的分面绘图功能。然而，用户在使用过程中可能会遇到颜色设置仅作用于最后一个分面的问题。

问题现象

当使用FeaturePlot结合split.by参数进行分面绘图，并尝试通过scale_color_gradientn自定义颜色梯度时，颜色设置仅会应用于最后一个分面图，而其他分面图保持默认颜色。这种现象实际上是由于ggplot2和patchwork包在图形组合时的行为差异导致的。

解决方案

正确的做法是使用&运算符而非+运算符来应用颜色设置。在ggplot2生态系统中：

• +运算符用于在单个ggplot对象上添加图层或修改属性
• &运算符用于将修改应用于由patchwork组合的多个图形

因此，正确的代码形式应为：

FeaturePlot(Obj, features = "Mbp", order = TRUE, 
           keep.scale = "feature", split.by = "region") & 
  scale_color_gradientn(colors = plasma(n = 10, direction = -1))

注意事项

1. 颜色标度一致性：直接添加scale_color_gradientn会覆盖keep.scale设置，导致各分面独立缩放。如需保持统一标度，应先完成绘图后再添加颜色设置。

2. 标度范围设置：设置limits参数时需谨慎，不合理的范围会导致颜色梯度无法充分展现数据差异。建议先检查基因表达值的实际分布范围。

3. 图例位置：分面绘图时，默认图例可能被隐藏，可通过theme(legend.position = "right")显式指定图例位置。

最佳实践建议

对于分面FeaturePlot的可视化，推荐以下工作流程：

1. 首先检查目标基因的表达范围：

range(Obj[["RNA"]]@data["Mbp",])

2. 根据实际表达范围设置合理的颜色梯度限制

3. 使用&运算符统一应用颜色设置：

FeaturePlot(Obj, features = "Mbp", split.by = "region") &
  scale_color_gradientn(colors = plasma(10, direction = -1)) &
  theme(legend.position = "right")

通过以上方法，可以确保分面FeaturePlot中各子图使用统一的、自定义的颜色标度，从而获得更加准确和美观的可视化效果。