分享是一种态度
1 加载R包2 读取Seurat object3 读取细胞簇的命名表4 对细胞簇重命名1 加载R包代码语言：javascript复制library(Seurat)
library(ggplot2)2 读取Seurat object代码语言：javascript复制# Remove variables
rm(list = ls())
# Set workdir
workdir <- 'F:/R_Language/R_Practice/scRNA_Seq_column'
setwd(workdir)
# Load seurat object variable
sub_cells <- readRDS(file = "data/Raw_data/sub_cells.Rds")
DT::datatable(sub_cells@meta.data)3 读取细胞簇的命名表代码语言：javascript复制dataset_loc <- 'F:/R_Language/R_Practice/scRNA_Seq_column/data/Raw_data'
label_names <- read.csv(file.path(dataset_loc, 'Rename_name.csv'), header=T)
DT::datatable(label_names)4 对细胞簇重命名代码语言：javascript复制# Rename celltype
seurat_data <- sub_cells
labers = label_names[match(as.numeric(as.character(seurat_data@active.ident)), label_names[, 1]), 2]
seurat_data$labers <- labers
# Add clusters information
metadata <- seurat_data@meta.data
metadata$new_labers <- paste0('C', metadata$cluster, ': ', metadata$labers)
# Change cluster order
a <- names(table(metadata$new_labers))
b <- gsub(":.*$", "", a)
c <- a[order(as.numeric(gsub("C", "", b)))]
metadata$new_labers2 <- factor(metadata$new_labers, levels=c)
seurat_data@meta.data <- metadata
# Visualize
DimPlot(seurat_data, reduction = "tsne", group.by = "labers", label=T, label.size=5, pt.size=1) + ggtitle('Add celltype')代码语言：javascript复制DimPlot(seurat_data, reduction = "tsne", group.by = "new_labers", label=T, label.size=5, pt.size=1) + ggtitle('Add cluster inforamtion')代码语言：javascript复制DimPlot(seurat_data, reduction = "tsne", group.by = "new_labers2", label=T, label.size=5, pt.size=1) + ggtitle('Change cluster order')往期回顾
OSCA单细胞数据分析笔记10—Marker gene detection
NC单细胞文章复现(七)：Gene expression signatures(2)
多组学分析肺结核队列的记忆T细胞状态
单细胞混样测序至少可以区分性别
如果你对单细胞转录组研究感兴趣，但又不知道如何入门，也许你可以关注一下下面的课程
生信爆款入门-2021第4期数据挖掘（GEO,TCGA,单细胞）2021第4期明码标价之共享96线程384G内存服务器