BioF3 FigCode · SCI 绘图代码集

Marker 气泡图（Scanpy Dotplot）

导出日期：2026年6月27日

分类：聚类可视化 ｜ 依赖包：scanpy、anndata、matplotlib

解决的生物学问题

各细胞亚群的 marker 基因表达模式是否符合预期？

应用场景

输入数据格式

AnnData 对象 + marker 基因列表

关键参数

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/py-dotplot-scanpy.R
curl -O https://<your-site>/figcode/data/py-dotplot-scanpy.csv

3. 安装依赖

# CRAN 包
install.packages(c("scanpy", "anndata", "matplotlib"))

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

完整代码

import scanpy as sc
import numpy as np
import anndata as ad
import matplotlib.pyplot as plt

# --- Demo data ---
np.random.seed(42)
n_cells, n_genes = 300, 20
X = np.random.rand(n_cells, n_genes)
adata = ad.AnnData(X)
adata.var_names = [f"Marker_{i}" for i in range(n_genes)]
adata.obs["cluster"] = np.random.choice(["T cell", "B cell", "Monocyte", "NK", "DC"], n_cells)

# Simulate marker expression patterns
for i, ct in enumerate(["T cell", "B cell", "Monocyte", "NK", "DC"]):
    mask = adata.obs["cluster"] == ct
    adata.X[mask, i*4:(i+1)*4] += 3  # Each type has 4 marker genes

# --- Plot ---
markers = {
    "T cell": ["Marker_0", "Marker_1", "Marker_2", "Marker_3"],
    "B cell": ["Marker_4", "Marker_5", "Marker_6", "Marker_7"],
    "Monocyte": ["Marker_8", "Marker_9", "Marker_10", "Marker_11"],
    "NK": ["Marker_12", "Marker_13", "Marker_14", "Marker_15"],
    "DC": ["Marker_16", "Marker_17", "Marker_18", "Marker_19"],
}
sc.pl.dotplot(adata, var_names=markers, groupby="cluster",
              standard_scale="var", show=False)
plt.savefig("plot_001.png", dpi=150, bbox_inches="tight")
print("Dotplot done")

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：

延伸阅读