Scanpy中热图标记基因标签优化技巧

在单细胞RNA测序数据分析中，热图(heatmap)是展示不同细胞群间差异表达基因的常用可视化方法。Scanpy作为单细胞分析的主流工具，其sc.pl.rank_genes_groups_heatmap函数能够直观展示各细胞群的标记基因表达模式。然而当展示大量基因时，基因标签会过于密集，影响可视化效果和解读。

问题背景

当使用sc.pl.rank_genes_groups_heatmap函数展示500个基因时，默认设置会使所有基因标签都显示在热图上，导致标签重叠严重，难以辨认特定感兴趣的基因。这种情况在分析大型单细胞数据集时尤为常见。

解决方案

方法一：限制展示基因数量

最直接的解决方法是减少展示的基因数量，直到标签清晰可读：

sc.pl.rank_genes_groups_heatmap(
    adata, 
    n_genes=50,  # 减少展示基因数量
    key='rank_genes_r1',
    groupby='leiden_r1',
    show_gene_labels=True,
    cmap='bwr',
    use_raw=False,
    dendrogram=True,
    vmin=-1, vmax=1,
    figsize=(15, 10)

这种方法简单有效，但缺点是会丢失部分基因表达信息。

方法二：自定义标签显示

更灵活的方法是使用Matplotlib的底层功能自定义标签显示：

import matplotlib.pyplot as plt

# 创建图形对象
fig, ax = plt.subplots(figsize=(15, 10))

# 绘制热图
sc.pl.rank_genes_groups_heatmap(
    adata,
    n_genes=500,
    key='rank_genes_r1',
    groupby='leiden_r1',
    show_gene_labels=True,
    cmap='bwr',
    use_raw=False,
    dendrogram=True,
    vmin=-1, vmax=1,
    ax=ax)

# 获取并修改x轴标签
labels = ax.get_xticklabels()
for i, label in enumerate(labels):
    if label.get_text() not in ['gene1', 'gene2', 'gene3']:  # 只保留感兴趣的基因
        label.set_visible(False)

plt.show()

这种方法可以精确控制哪些基因标签显示，同时保留所有基因的表达数据在热图中。

进阶技巧

结合基因筛选

在实际分析中，可以先筛选出感兴趣的基因子集，再绘制热图：

# 假设interesting_genes是预先筛选的基因列表
interesting_genes = ['CD3D', 'CD4', 'CD8A', 'MS4A1', 'CD14']

# 获取所有差异表达基因
marker_genes = adata.uns['rank_genes_r1']['names']

# 筛选出感兴趣的基因在所有群组中的位置
selected_indices = []
for i in range(marker_genes.shape[1]):
    group_genes = marker_genes[:, i]
    selected_indices.extend([j for j, gene in enumerate(group_genes) if gene in interesting_genes])

# 绘制热图时只显示这些基因

使用基因分组

对于大型基因集，可以考虑按功能分组展示：

# 定义基因功能分组
gene_groups = {
    'T细胞标记': ['CD3D', 'CD3E', 'CD3G', 'CD4', 'CD8A', 'CD8B'],
    'B细胞标记': ['MS4A1', 'CD19', 'CD79A', 'CD79B'],
    '髓系标记': ['CD14', 'FCGR3A', 'LYZ', 'CST3']
}

# 为每个功能组单独绘制热图
for group_name, genes in gene_groups.items():
    print(f"绘制{group_name}热图")
    sc.pl.rank_genes_groups_heatmap(
        adata,
        gene_names=genes,
        key='rank_genes_r1',
        groupby='leiden_r1',
        show_gene_labels=True,
        title=group_name,
        figsize=(10, 6))

总结

在Scanpy中优化热图基因标签显示有多种方法，从简单的减少展示基因数量，到复杂的自定义标签显示和基因分组展示。选择哪种方法取决于具体分析需求和数据集规模。对于初步探索，限制基因数量可能更合适；而对于发表级图表，自定义标签或分组展示能提供更专业的结果呈现。

掌握这些技巧可以显著提升单细胞数据分析结果的可视化质量，使重要发现更清晰地展现出来。