BioF3 FigCode · SCI 绘图代码集

单细胞质控三联图（scRNA QC Violin）

导出日期：2026年6月27日

分类：分布可视化｜ 依赖包：Seurat、patchwork

解决的生物学问题

哪些细胞应该被过滤掉？我的过滤阈值合理吗？

应用场景

10x Chromium 数据 QC
Drop-seq / Smart-seq2 质控
多样本 QC 对比
过滤阈值定标参考

输入数据格式

Seurat 对象（已计算 percent.mt）

关键参数

features = c("nFeature_RNA","nCount_RNA","percent.mt")
group.by（按样本/批次分组）
pt.size = 0（不显示散点）
log = TRUE 对 count 取 log

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/sc-qc-violin.R
curl -O https://<your-site>/figcode/data/sc-qc-violin.csv

3. 安装依赖

# CRAN 包
install.packages(c("patchwork"))

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

完整代码

library(Seurat)
library(patchwork)

# --- Demo data ---
data("pbmc_small")
seu <- pbmc_small
seu[["percent.mt"]] <- PercentageFeatureSet(seu, pattern = "^MT-")

# Inject demo MT% if absent
if (all(seu$percent.mt == 0)) {
  set.seed(42)
  seu$percent.mt <- runif(ncol(seu), 0, 25)
}

# --- Three-panel violin ---
p1 <- VlnPlot(seu, features = "nFeature_RNA", pt.size = 0.3) +
        NoLegend() + ggtitle("Detected genes / cell")
p2 <- VlnPlot(seu, features = "nCount_RNA", pt.size = 0.3, log = TRUE) +
        NoLegend() + ggtitle("Total UMI / cell (log)")
p3 <- VlnPlot(seu, features = "percent.mt", pt.size = 0.3) +
        NoLegend() + ggtitle("% Mitochondrial reads")

p1 | p2 | p3

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（已计算 percent.mt）
使用 read.csv() / readRDS() 读取本地文件