单细胞分析之细胞交互-3：CellChat - 简书 (jianshu.com)
单细胞转录组之使用CellChat对单个数据集进行细胞间通讯分析 - 简书 (jianshu.com)
单细胞转录组之使用CellChat 对多个数据集细胞通讯进行比较分析 - 简书 (jianshu.com)

细胞通讯分析（单细胞测序）———CellChat（Homo、Mus） - 知乎 (zhihu.com)
CellChat：单细胞测序-细胞互作 - 知乎 (zhihu.com)

原理和特点

保姆级教程续集 《单细胞测序数据分析——细胞通讯》_哔哩哔哩_bilibili

cellchat数据库情况

cellchat可视化结果

实战代码

#加载需要的包 library(CellChat) library(patchwork) ### 创建图片保存的目录 data.dir <- './Result_CellChat' dir.create(data.dir) setwd(data.dir) ### 1.数据准备 data.input = integrated[["RNA"]]@data # 标准化过的矩阵，seurat对象就这么取 meta_cellchat =integrated$meta #取metadata信息 uniquemeta_cellchat$group) # 整理数据：将Use组单细胞数据提取出来 cell.Use = rownames(meta_cellchat)[meta$group == "Use"] # 从疾病组中提取细胞名 data.input.Use = data.input[, cell.Use] #取出对应的细胞 meta_Use = meta[cell.Use, ] unique(meta$labels) # check the cell labels ### 2.创建CellChat对象 cellchat <- createCellChat(object = data.input.Use, meta =meta_Use, group.by = "labels") cellchat <- setIdent(cellchat, ident.use = "labels") levels(cellchat@idents) groupSize <- as.numeric(table(cellchat@idents)) # 每个亚群细胞数 groupSize ### 3.设置配体受体交互数据库 CellChatDB <- CellChatDB.human # 如果是小鼠数据，使用CellChatDB.mouse showDatabaseCategory(CellChatDB) #查看下数据库结构 dplyr::glimpse(CellChatDB$interaction) # 使用数据库中的自分泌/旁分泌信号相互作用部分进行后续分析，可根据试验方案、目的选择 CellChatDB.use <- subsetDB(CellChatDB, search = "Secreted Signaling") # 在cellchat对象中设置使用的数据库 cellchat@DB <- CellChatDB.use ### 4.表达数据的预处理 cellchat <- subsetData(cellchat,features = NULL)#取出表达数据,features感兴趣的基因 #设置并行运算 future::plan("multicore", workers = 12) cellchat <- identifyOverExpressedGenes(cellchat) #找每个细胞群中高表达的配体受体 cellchat <- identifyOverExpressedInteractions(cellchat)#寻找高表达的通路 #上一步运行的结果储存在cellchat@LR$LRsig cellchat <- projectData(cellchat, PPI.human)#投影到PPI #找到配体受体关系后，projectData将配体受体对的表达值投射到PPI上，来对@data.signaling中的表达值进行校正。结果保存在@data.project ### 5.计算通信概率并推断cellchat网络 cellchat <- computeCommunProb(cellchat, raw.use = T)#默认计算方式为type = "truncatedMean", #默认cutoff的值为20%，即表达比例在25%以下的基因会被认为是0， trim = 0.1可以调整比例阈值 #去掉通讯数量很少的细胞 cellchat <- filterCommunication(cellchat, min.cells = 10) #将细胞通讯预测结果以数据框的形式取出 df.net <- subsetCommunication(cellchat) view(df.net) write.csv(df.net,'01.df.net.csv')