轨迹分叉图（Trajectory Branch）

分类：降维可视化 ｜ 依赖包：monocle3、ggplot2

解决的生物学问题

细胞从一个状态分化到另一个状态时，在哪个时间点出现命运分叉？分叉后各分支的差异基因是什么？

应用场景

• 造血干细胞分化树
• 神经发育时间序列
• iPSC 重编程轨迹
• 免疫细胞活化分化

输入数据格式

cell_data_set 对象（monocle3::new_cell_data_set 后跑完 learn_graph）

关键参数

• root_cells（指定起点细胞）
• color_cells_by = "pseudotime"（着色方式）
• label_branch_points = TRUE（标分叉点）
• show_trajectory_graph = TRUE（叠加 graph）

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/trajectory-branch.R
curl -O https://<your-site>/figcode/data/trajectory-branch.csv

3. 安装依赖

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

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

完整代码

library(monocle3)
library(ggplot2)

# --- Demo: load packaged data ---
expression_matrix <- readRDS(url(
  "http://staff.washington.edu/hpliner/data/cao_l2_expression.rds"
))
cell_metadata <- readRDS(url(
  "http://staff.washington.edu/hpliner/data/cao_l2_colData.rds"
))
gene_metadata <- readRDS(url(
  "http://staff.washington.edu/hpliner/data/cao_l2_rowData.rds"
))

cds <- new_cell_data_set(expression_matrix, cell_metadata, gene_metadata)
cds <- preprocess_cds(cds, num_dim = 50)
cds <- reduce_dimension(cds)
cds <- cluster_cells(cds)
cds <- learn_graph(cds, use_partition = TRUE)

# --- Pick a root by clicking — for demo we set programmatically ---
cds <- order_cells(cds, root_cells = colnames(cds)[1])

# --- Plot trajectory graph with pseudotime ---
plot_cells(
  cds,
  color_cells_by = "pseudotime",
  label_branch_points = TRUE,
  label_leaves = TRUE,
  label_cell_groups = FALSE,
  graph_label_size = 3
) +
  scale_color_viridis_c() +
  ggtitle("monocle3 Trajectory + Pseudotime")

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：cell_data_set 对象（monocle3::new_cell_data_set 后跑完 learn_graph）
• 使用 read.csv() / readRDS() 读取本地文件

延伸阅读

• 相关教程：轨迹分叉图 完整流程
• 出现 bug？欢迎在 FigCode 页面 点击对应卡片，在评论区留言。