单细胞之CellChat如何推断细胞间相互作用

细胞之间的相互通讯极为复杂，一般由激素、生长因子、趋化因子、细胞因子和神经递质等配体介导细胞之间的信息交流，主要分为自分泌，旁分泌，近分泌和内分泌等。当前的单细胞转录组测序，进行细胞通讯分析越来越常见。细胞通讯的方法主要有CellChat，CellphonesDB，iTALK，NicheNet等。

细胞通讯分析是一种研究不同细胞类型之间如何通过信号分子（如配体和受体）进行相互交流和调控的分析方法。其在揭示细胞间相互作用的机制，理解组织和器官如何协调运作方面具有重要意义。

细胞通讯（CellChat）分析的主要内容如下：

1）配体-受体相互作用：每个细胞类型都会表达特定的配体和受体。细胞通讯分析通过研究这些配体和受体之间的相互作用，来了解细胞是如何“交流”。例如，一个细胞释放的配体可以与另一种细胞的受体结合，从而触发一系列细胞内的信号传导事件。

2）信号通路活性：通过分析哪些信号通路在不同细胞类型之间被激活，研究者可以了解哪些信号通路在特定生物学过程中起作用，如细胞分化、免疫反应或疾病状态等。

3）细胞间网络构建：细胞通讯分析通常会构建一个细胞间的网络图，显示不同细胞类型之间的相互作用方式。这个网络可以帮助识别主要的信号发送者和接收者，以及哪些细胞在组织中起主导作用。

4）定量分析：通过计算细胞通讯的强度（如配体-受体结合的概率），可以定量分析不同细胞类型之间的通讯强度。这可以揭示在特定条件下，哪种细胞类型在通讯中占主导地位。

5）功能富集分析：细胞通讯分析还可以与功能富集分析结合使用，探讨哪些生物学功能或通路受到特定细胞通讯的调控。

细胞通路的分析策略可以从以下几方面展开：

1）单样本分析（可以是同一组的多个生物学重复一起分析）；

2）不同分组之间的差异比较分析。

结果可视化主要围绕以下几方面展开：

1）细胞层面的可视化，如细胞间与细胞间互作可视化；

2）通路层面的可视化，如A细胞与B细胞互作主要通过哪些通路；

3）基因，也就是配受体对的可视化，如A细胞与B细胞互作主要通过哪些受配体对。

细胞通讯分析可视化及结果解读

2.1推断细胞间通信网络

CellChat通过为每个交互分配一个概率值并执行排列测试来推断具有生物学意义的细胞间通讯。CellChat 通过使用质量作用定律将基因表达与信号配体、受体及其辅因子之间相互作用的先前已知知识相结合来模拟细胞间通讯的可能性（推断的配体-受体对数目主要取决于计算每个cell group 的平均基因表达量）。

左图：外周各种颜色圆圈的大小表示细胞的数量，圈越大，细胞数越多。发出箭头的细胞表达配体，箭头指向的细胞表达受体。配体-受体对越多，线越粗。右图：互作的概率/强度值（强度就是概率值相加）。

2.2单个信号通路或配体-受体介导的细胞互作可视化

在推断出细胞间通讯网络后，CellChat提供了进一步数据探索、分析和可视化的功能。提供了多种可视化细胞间通信网络的方法，包括层次图、网络图、和弦图、热图等。层次图、网络图、和弦图、热图等只是不同的可视化方法，表述的含义一模一样。

1）可以对单个信号通路进行细胞互作可视化，如层次图、网络图、和弦图、热图；

2）也可以对配体-受体层级的可视化（计算各个ligand-receptor pair对信号通路的贡献），如层次图、网络图、和弦图、热图；

3）对多个配体-受体介导的细胞互作关系可视化，如层次图、网络图、和弦图、热图。

2.2.1使用层次图、圆图或弦图可视化每个信号通路/配体-受体关系对

在层次图中，实体圆和空心圆分别表示源和目标。圆的大小与每个细胞组的细胞数成比例。线越粗，互作信号越强。左图中间的target是选定的靶细胞。右图是选中的靶细胞之外的另外一组放在中间看互作。

单个信号通路的细胞互作网络图。圆圈的大小表示细胞的数量/强度，圈越大，细胞数越多/细胞互作强度越大。发出箭头的细胞表达配体，箭头指向的细胞表达受体。

单个信号通路的细胞互作热图。纵轴是发出信号的细胞，横轴是接收信号的细胞，热图颜色深浅代表信号强度。上侧和右侧的柱子是纵轴和横轴强度的累积。

2.2.2多个配体-受体介导的细胞互作关系可视化

细胞互作气泡图【如：全部配体受体、指定信号通路或配体-受体、指定信号通路或配体-受体并指定细胞、参与某条信号通路（如TGFb）的所有基因在细胞群中的表达情况展示（小提琴图和气泡图）等】。

2.2.3 通讯网络系统分析

通讯网络系统分析使用了三种算法：社会网络分析、NMF分析和流行学习与分类（不同的算法算出来的结果可能会相互矛盾，需要结合生物学知识加以判断）。

以“社会网络分析”为例，识别细胞间通信网络中的主要发送者（senders）、接收者（receivers）、调解者（mediators）和影响者（influencers），从而分析细胞在信号网络中扮演的角色。

识别细胞的信号流模式（特定信号通路）

横轴是细胞类型，纵轴是pathway。左图是各个细胞类型中各个通路发出信号的强度，右图是各个细胞类型中各个通路接受信号的强度。

2.2.4不同分组之间的比较分析

左图是control组（pbmc），右图是case组（til），可以直接对比数量变化。

保守和特异性信号通路的识别与可视化

特定信号通路的对比

气泡图展示所有配体受体对的差异

CellChat v2 是一款革新性开源软件包，专为解析基于空间位置的细胞间交互设计。CellChat v2 不仅能够揭示单细胞和空间转录组数据中的细胞通信网络，还提供了一套全面的分析框架，帮助研究者探索细胞间复杂而精妙的“对话”。通过升级至第二版，不仅支持从多份空间解析转录组数据中推断细胞通讯，还扩展了其数据库（CellChatDB v2），收录了超过1000种蛋白与非蛋白相互作用，涵盖代谢、突触信号传导等领域，并提供了直观的Web 浏览器功能，使得数据分析与探索更加便捷。

参考文献

Suoqin Jin et al., Inference and analysis of cell-cell communication using CellChat, Nature Communications 2021 [CellChat v1].

Suoqin Jin et al., CellChat for systematic analysis of cell–cell communication from single-cell transcriptomics, Nature Protocols 2024 [CellChat v2].