BioF3 FigCode · SCI 绘图代码集

UMAP 聚类图（UMAP）

导出日期：2026年6月27日

分类：降维可视化｜ 依赖包：ggplot2、ggrepel

解决的生物学问题

单细胞数据中存在哪些细胞亚群？各亚群之间的关系如何？

应用场景

单细胞聚类结果展示
细胞类型注释可视化
不同样本/条件的细胞分布对比
多模态整合（WNN）降维展示

输入数据格式

Seurat 对象（已跑 RunUMAP + FindClusters）

关键参数

resolution 聚类分辨率（0.1-2.0）
n.neighbors UMAP 邻居数（30）
min.dist 最小距离（0.3）
dims 使用的 PC 数（1:30）
label.size 标签大小

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

3. 安装依赖

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

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

完整代码

library(ggplot2)
library(ggrepel)

# --- Demo: simulate UMAP coordinates ---
set.seed(42)
n_cells <- 800
clusters <- sample(paste0("C", 0:7), n_cells, replace = TRUE, prob = c(0.2,0.18,0.15,0.13,0.1,0.1,0.08,0.06))
# Generate cluster centers
centers <- data.frame(
  cluster = paste0("C", 0:7),
  cx = c(-5, 5, 0, -3, 4, -6, 6, 0),
  cy = c(3, 3, -4, -2, -3, -5, 0, 5)
)
umap_df <- data.frame(cluster = clusters)
umap_df <- merge(umap_df, centers, by = "cluster")
umap_df$UMAP1 <- umap_df$cx + rnorm(n_cells, 0, 0.8)
umap_df$UMAP2 <- umap_df$cy + rnorm(n_cells, 0, 0.8)

# Cluster labels at centroids
label_df <- aggregate(cbind(UMAP1, UMAP2) ~ cluster, data = umap_df, FUN = mean)

# --- Plot ---
ggplot(umap_df, aes(x = UMAP1, y = UMAP2, color = cluster)) +
  geom_point(size = 0.5, alpha = 0.7) +
  geom_label_repel(data = label_df, aes(label = cluster), size = 3.5, fontface = "bold") +
  labs(title = "UMAP Clustering", x = "UMAP 1", y = "UMAP 2") +
  theme_classic() +
  theme(legend.position = "none")

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（已跑 RunUMAP + FindClusters）
使用 read.csv() / readRDS() 读取本地文件