BioF3 FigCode · SCI 绘图代码集

干性评分（CytoTRACE）

导出日期：2026年6月27日

分类：降维可视化｜ 依赖包：CytoTRACE、Seurat、ggplot2

解决的生物学问题

我的细胞群里哪些是干性细胞？哪些是已分化的？分化方向是什么？

应用场景

造血干细胞分化树
肿瘤干细胞识别
替代 monocle3 简单评分
与 PAGA / scVelo 互相印证

输入数据格式

Seurat 对象 / 表达矩阵（行 = 基因，列 = 细胞）

关键参数

enableFast = TRUE 大数据加速
subsamplesize（采样到 N 个细胞加速）
parallel = TRUE 多线程

快速开始

1. 直接在线运行

打开 FigCode 在线绘图，点击本工具卡片的"在线绘图"按钮即可用内置示例数据出图，零环境配置。

2. 本地复现

下载脚本和示例数据，本地 RStudio 运行：

# 下载
curl -O https://<your-site>/figcode/scripts/cytotrace.R
curl -O https://<your-site>/figcode/data/cytotrace.csv

3. 安装依赖

# CRAN 包
install.packages(c("CytoTRACE", "ggplot2"))

# Bioconductor 包（如需）
# BiocManager::install(c())

完整代码

library(CytoTRACE)
library(Seurat)
library(ggplot2)

# --- Demo data ---
data("pbmc_small")
seu <- pbmc_small

if (!"umap" %in% Reductions(seu)) {
  seu <- ScaleData(seu, verbose = FALSE) %>%
    RunPCA(verbose = FALSE) %>%
    RunUMAP(dims = 1:10, verbose = FALSE)
}

# --- CytoTRACE ---
expr_mat <- as.matrix(GetAssayData(seu, slot = "counts"))
ct <- CytoTRACE(expr_mat, ncores = 1, subsamplesize = 100)

seu$cytotrace <- ct$CytoTRACE

# --- Plot UMAP colored by CytoTRACE ---
FeaturePlot(seu, features = "cytotrace") +
  scale_color_gradientn(colours = c("#2563eb", "white", "#dc2626"),
                        name = "CytoTRACE\n(stemness)") +
  ggtitle("Predicted differentiation potential")

替换为自己的数据

脚本中以 # --- Demo data --- 标注的段落是示例数据生成代码。替换为自己的数据时，保持列名一致即可：

输入格式：Seurat 对象 / 表达矩阵（行 = 基因，列 = 细胞）
使用 read.csv() / readRDS() 读取本地文件