构建细胞类型图谱是单细胞转录组数据分析的主体内容，但其仍然停留在“描述性研究”的范畴，难免让人感觉意犹未尽。想要在分子层面解释疾病发生的机制，就需要对数据进行更深入的探索。这当中，细胞通讯分析就是一个很好的方向。
细胞通讯（cell communication）是指细胞接收、处理和传递与环境和自身的信号的能力，它是每个生物体（如细菌、植物和动物）中所有细胞的基本属性。由配体-受体复合物介导的细胞-细胞通讯对于协调各种生物过程至关重要，如发育、分化和炎症。多种疾病与错误的细胞间的交流有关，包括糖尿病，甲状腺功能减退症和甲状腺功能亢进症，多发性硬化症，癌症和精神分裂症等。
CellChat是一个能够从单细胞RNA测序（scRNA-seq）数据中定量推断和分析细胞间通讯网络的R包，它需要细胞的基因表达数据作为输入，并通过整合基因表达与信号配体、受体及其辅助因子之间的相互作用的先验知识来建立细胞-细胞交流的概率，进而对细胞间通讯做出预测，并提供多种可视化方法。
CellChat的数据库CellChatDB是基于KEGG数据库和文献手动生成的，目前主要包含人，小鼠和斑马鱼，目前CellChat已更新至V2,对应的数据库也在V1的基础上进行添加。与 CellChatDB v1 相比，CellChatDB v2 增加了 1000 多种蛋白质和非蛋白质相互作用，例如代谢和突触信号。值得注意的是，对于与 scRNA-seq 中测量的基因不直接相关的分子，CellChat v2 使用这些分子的关键介质或酶来估计配体和受体的表达，以进行非蛋白质介导的潜在通讯。本文，主要针对人和小鼠的数据库进行介绍，在您后续的实际数据分析中，可以根据需求选择合适的分类进行下游数据分析。
人类中的CellChatDB包含3234个经过验证的分子相互作用，其中包含了39.6%分泌型，13.4%细胞外基质受体，16.5%细胞间接触型和30.7%非蛋白信号传导。
小鼠中的CellChatDB包含3379个经过验证的分子相互作用，其中包含了37.9%分泌型，12.8%细胞外基质受体，19.6%细胞间接触型和29.7%非蛋白信号传导。
Secreted Signaling：分泌型 这种类型的信号传导涉及细胞分泌的信号分子，如细胞因子、趋化因子、激素等，这些分子可以扩散到细胞外环境中，并与远处或邻近的靶细胞上的受体结合，传递信号。这种信号传导不依赖于细胞间的直接接触，而是通过分泌的可溶性分子来实现远距离或局部的细胞间通信。
ECM-Receptor：细胞外基质受体 这些相互作用直接或间接地控制着诸如粘附、迁移、分化、增殖和凋亡等细胞活动。这种相互作用在调节细胞的表型和行为方面发挥着至关重要的作用，包括直接或间接与协作分子介导的相互作用。
Cell-Cell Contact：细胞间接触型 这种类型的信号传导依赖于细胞间的直接接触，通常涉及细胞表面分子如粘附分子、受体和配体的相互作用。
Non-protein Signaling：非蛋白信号传导 指不涉及蛋白质 类配体或受体的细胞间或细胞内的信号传导方式；这种信号传导可能涉及代谢物、离子、小分子化合物等非蛋白类分子，它们可以通过自分泌、旁分泌或内分泌的方式影响细胞的行为和功能。
细胞间相互作用网络图：左图为任意两个细胞组之间的相互作用次数网络图，右图为任意两个细胞组之间的相互作用强度网络图。不同颜色的实心圆表示不同细胞群，实心圆大小与该细胞群对应的细胞数成正比，每条边的颜色与信号发送者保持一致，边越粗表示通讯强度越强。
如果您当前分析的细胞群比较多（超过5个），两两细胞群之间的关系对比较多，会按照每个细胞群与其他细胞群间的关系进行绘图，如果得到的配受体关系对比较多，默认仅绘制20个配受体关系对。如果您的细胞群数目不超过（包含）5个，则会输出所有细胞群间对应的40个配受体关系对可视化结果。您在后续的数据挖掘中，如果有感兴趣的配受体关系对和细胞群关系对时，可以指定数据进行绘图。以下以B_cells为例进行结果展示
气泡图：横轴为不同细胞群关系对（source->target），纵轴为配受体关系对（超过20个时仅展示20个）。点的颜色表示通讯概率高低，点的大小表示P值的高低。
弦图：与气泡图结果一致，弦图也是显示从某些细胞群到其他细胞群的所有相互作用（L-R 对）。弦图分为上下两部分，其中下半部分为配体，上半部分为受体，不同细胞群使用不同的颜色进行区分。内条大小与目标接收的信号强度成正比。
层次图：分泌传导物质的方式主要可以分为 autocrine（自分泌）/ paracrine（旁分泌）。每个颜色的点就代表一个细胞群，实心代表 Source、空心代表 Target，每一条线的粗细代表连接强度。如果Source/ Target 颜色同，自己连到自己且无其他连出去的路径则代表是 autocrine，而若连到很多别的颜色则可能代表传导路径当中是 paracrine的形式传递物质。该结果分为左右两部分，主要的区别在于中间的Target不一样，左侧的图是以左边的细胞群作为Target，而右边的图是以右边的细胞群作为Target。该结果可以结合圈图一起查看。
弦图：内部较细的条形颜色代表从相应外部条形接收信号的target。内部条形大小与目标接收的信号强度成正比。
圈图：不同的颜色表示不同的细胞群，箭头表示接受信号的target。
热图：热图表示该通路下不同细胞群间的通讯概率。横纵坐标轴对应的柱状图为对应热图数据的加和。
配受体对对整体信号通路的贡献
CellChat能够量化所有重要信号通路之间的相似性，并根据它们的细胞通讯网络相似性对它们进行分组。分组可以基于功能或结构相似性进行。
功能相似性：功能相似度高表示主要发送者和接收者相似，可以解释为两个信号通路或两个配体-受体对表现出相似和/或冗余的作用。功能相似性分析要求两个数据集之间的细胞群体组成相同。
结构相似性：使用结构相似性来比较它们的信号网络结构，而不考虑发送者和接收者的相似性。
上图表示基于功能相似性降维聚类结果，下图表示基于结构相似性降维聚类结果。图中不同的点表示不同的信号通路，距离越近表示具有相似的通讯网络。
由于CellChat具有全面的配体-受体相互作用数据库、多样的分析模式、丰富的可视化功能、细致的细胞角色识别等优势，被Nature、Science、Cell、Nature Genetics等的多多篇高分文章引用。
目前，CellChat分析已在联川星云正式上线，结果包含但不限于上述形式，欢迎使用、探索！
备战国自然2025：为什么做了Visium/CytAssist，还要做单细胞测序？
单细胞代谢分析之-scFEA单细胞代谢分析之-scMetabolism
本文系联川生物公众号原创文章，未经授权禁止转载，侵权必究！ 扫描下方二维码 点分享
点点赞
点在看
