3D UMAP plot

기본적으로 dimension reduction은 2D로 많이 진행하지만 어떤 경우, 3D plot으로 그렸을때 그 구조가 더 잘 이해되는 경우가 있다. seurat으로 3d umap그리는법 정리해본다.

필요한 library들은 다음과 같다.

library(monocle3)
library(Seurat)
library(SeuratWrappers)
library(ggplot2)
library(patchwork)
library(magrittr)
library(plotly)
library(rgl) 
library(ggthemes)
library(scales)

설치 방법 정리 한번에!

monocle3

설치방법은 여기 정리해둠

Seurat

conda로 설치

conda install -c conda-forge r-seurat 

R CRAN으로 설치[^1]

install.packages('Seurat')

SeuratWrappers

remotes::install_github('satijalab/seurat-wrappers')

에러해결 여기 참조

BiocManager::install(c('rgl','ggthemes'))

사실 처음에 2 dimension reduction 할때 같이 하면 편하고 좋지만 나중가서 하고 싶어지는 경우가 대부분이라… 하지만 결론은 언제 하던 상관없다.

이미 UMAP으로 2 dimension reduction까지 끝낸 파일을 불러 오고,
RunUMAP부분부터 다시 3 dimension 으로 진행하면 된다. 포인트는 2D때와 parameter들을 동일하게 한다는것. n.components=3L 이 옵션만 추가해주고 PC 갯수나 method같은 것들은 동일하게 진행해주면 같은 모양의 3D그림을 얻을 수 있다.

2D_seurat <-readRDS("example.rds")

3D_seurat <- RunUMAP(2D_seurat, reduction = "pca", dims = 1:30, umap.method="umap-learn", n.components=3L)

visualization은 monocle3을 이용할 것이다. htmlwidgets::saveWidget을 사용하면 html파일로 저장할 수 있다.

cds_3d <- as.cell_data_set(3D_seurat)
cds_3d <- cluster_cells(cds_3d)
cds_3d <- learn_graph(cds_3d)

pal = rainbow(20)
names(pal) = levels(3D_seurat$seurat_clusters)
cds_3d_plot_obj <- plot_cells_3d(cds_3d, color_cells_by="seurat_clusters",reduction_method="UMAP",color_palette=pal)
htmlwidgets::saveWidget(cds_3d_plot_obj, "seurat.cluster.html")