Seurat的FeaturePlot可以展示基因在降维空间里各个分群的表达情况，也可以展示metadata里面的数据情况，例如基因集打分情况。虽然这个函数绘图好用，但是对含有负值的数据却不是很友好。
head(obj,5)
orig.ident nCount_RNA nFeature_RNA percent.mt RNA_snn_res.0.5
AAACATACAACCAC-1 pbmc3k 2419 779 3.0177759 0
AAACATTGAGCTAC-1 pbmc3k 4903 1352 3.7935958 3
AAACATTGATCAGC-1 pbmc3k 3147 1129 0.8897363 2
AAACCGTGCTTCCG-1 pbmc3k 2639 960 1.7430845 5
AAACCGTGTATGCG-1 pbmc3k 980 521 1.2244898 6
seurat_clusters celltype PAX5_score
AAACATACAACCAC-1 0 Naive CD4 T -0.65698495
AAACATTGAGCTAC-1 3 B 0.69901894
AAACATTGATCAGC-1 2 Memory CD4 T 0.19401298
AAACCGTGCTTCCG-1 5 FCGR3A+ Mono -0.09846068
AAACCGTGTATGCG-1 6 NK 1.90214019
上面是pbmc3k数据的结果，PAX5_score为PAX5转录因子在每个细胞的活性评分，可以看到值有正有负，如果直接用FeaturePlot的默认参数绘图：
FeaturePlot(obj, features='PAX5_score')
显然，这个图不仅审美疲劳了，也不能很好突出PA5X在细胞群之间的差别，只能动动手改造一下了。原本以为像这样有正有负的情况，只要以0为界限，将正负分别用不同的颜色区别即可达到很好的区分度：
FeaturePlot(obj, features='PAX5_score', cols=c('blue','white','red'))
视觉上似乎区分度确实增加了，显然右上角那群细胞活性更高一些。可是，一看图例就有点蒙了，怎么都变成正值了，这是做了啥让数据范围变成了1-2。
画图最大的意义就是简洁明了地展示数据所蕴含的特征，所以还是像下面这样重新映射一下颜色，让它更符合实际情况的好：
FeaturePlot(obj, features='PAX5_score') + scale_color_gradient2(low='blue',mid='white',high='red')
