在文章中经常经常看到Monocle2展示celltype在拟时轴上的分布，使用密度图（ggplot修饰monocle2拟时热图：一众问题全部解决)。就有小伙伴提出问题了，monocle3我也想这样展示，当然是可以的！做好密度图与拟时热图结合拼接，不失为一种好办法，可以清楚的表示celltype在拟时中的位置：本文注释代码已发布微信VIP群，请自行下载！monocle3相关分析示例数据和可视化参考（(视频教程): Monocle3分析流程-分析简化函数和可视化函数)。

接下来我们看看具体的示例。首先做一个分析示例：已经定好拟时起点。
library(ggplot2)library(monocle3)source('./ks_run_monocle3.R')
#monocle3 analysis#运行monocle3分析0参照monocle3视频教程cds_data <- ks_run_monocle3(object=cytotrace2_sce,                            idents="cluster",                            use_partition=F,                            learn_graph_control=list(minimal_branch_len=9.5,euclidean_distance_ratio=1),                            define_root=T,                            know_root=T,                            root_state="YSMP")

#plot-拟时基本作图plot_cells(cds_data, label_cell_groups = F,            color_cells_by = "pseudotime",            label_branch_points = F,            label_roots =F,           label_leaves =F,           graph_label_size = 0,            cell_size=2,            trajectory_graph_color='black',           trajectory_graph_segment_size = 2)

提取拟时与celltype结果：
pseudotime <- pseudotime(cds_data) %>% as.data.frame()pseudotime$cell <- rownames(pseudotime)colnames(pseudotime)[1] <- "peu"
celltype <- cds_data@clusters$UMAP %>% as.data.frame()celltype$cell <- rownames(celltype)
merge <-merge(pseudotime, celltype, by = 'cell')merge <- merge[order(merge$peu), ]
密度图：
p=ggplot(merge,aes(peu,fill=clusters, color=clusters)) +    geom_density(alpha = 0.5,size=1.2)+  scale_fill_manual(values=c("#3F6F76", "#C65840", "#F4CE4B", "#62496F"))+  #设置颜色   scale_color_manual(values=c("#3F6F76", "#C65840", "#F4CE4B", "#62496F"))+    theme_classic()+ #我这里不展示坐标轴信息，可自行设置  scale_y_continuous(expand = c(0,0))+  theme(axis.line = element_blank(),        axis.ticks.y=element_blank(),        axis.title = element_blank(),        axis.text.y = element_blank(),        axis.text.x=element_text(colour='black',size=10))+  labs(title = "Pseudotime")p

可以看到，我们这个情况是因为YSMP处于拟时起点，所以导致起点密度很高，作图很突出，后面的都看不到了，所以将y周截断展示：这样效果就可以了！看起来比较清晰。
p+scale_y_break(c(1, 2),                scales = c(0.5,2),                expand=expansion(add = c(0, 0)),                space = 0.2)

当然这个图可以使用AI与拟时热图结合起来展示更加完美：
###或者加一个热图，使用AI将两者结合起来即可source('./ks_monocle3_heatmap.R')#label gene# genes <- c("C1QB","C1QC","C1QA","MRC1","LGMN","MS4A7","MAF","FOLR2",#            "HLA-DPA1","CLEC10A","IL10RA","CD163","KCTD12","CLEC7A","MS4A6A","CD14",#            "ITM2A","CYTL1","MDK","SELP","CD24",#            "S100A8","S100A9","S100A12")# # ht2 = ks_monocle3_heatmap(cds = cds_data,#                           graph_gene = plot_genes,#                           celltype_color = c("#E69253", "#EDB931", "#E4502E", "#4f372d"),#                           cluster_color =c("#8f657d", "#42819F", "#86AA7D", "#CBB396"),#                           num_clusters=4,#                           labels = T,#                           label_genes = genes)

密度图可以分开展示：
ggplot(merge, aes(x=peu,y=clusters,fill=clusters))+  geom_density_ridges(scale=1) +  scale_y_discrete(position = 'right')+  theme_minimal()+  theme(panel.grid = element_blank(),        axis.title = element_blank(),        axis.text = element_text(colour = 'black', size=8))+  scale_x_continuous(position = 'top')+  scale_fill_manual(values=c("#3F6F76", "#C65840", "#F4CE4B", "#62496F"))

这样就完成了。希望对你有用！

觉得我们分享有些用的，点个赞再走呗！