学习，记录，分享。
上一篇讲了cellchat安装和数据准备，接下来进行单数据集的细胞通讯分析。
1 创建cellchat对象
这里直接通过上次保存的Seurat数据生成。
library(tidyverse)
library(Seurat)
library(CellChat)
pbmc3k <- read_rds('data/pbmc3k_anno.rds')
# 加个label
pbmc3k$label_cc <- Idents(pbmc3k)
# 创建cellchat对象，注意需要用Normalized data, 这里用cellchat提供的`normalizeData`函数
cellchat <- createCellChat(normalizeData(pbmc3k[['RNA']]@counts),
meta = pbmc3k[[]],
group.by = 'label_cc')[1] "Create a CellChat object from a data matrix" Set cell identities for the new CellChat object The cell groups used for CellChat analysis are Naive CD4 T CD14 Mono Memory CD4 T B CD8 T FCGR3A Mono NK DC Platelet
可以看到已经创建成功，并且打印出了cellchat对象信息。
2 选择数据库
接下来需要选择配体受体数据库，cellchat的数据库是基于文献手动生成的，包含的物种和数量为：
human1939个mouse2021个zebrafish2774个
相对来说还是有些少的，不过也可以根据需要自己增减，后续会讲到如何更新数据库。 数据库中的配体受体对根据相互作用的类型分为：
分泌型如各种细胞因子的生长趋化作用;细胞外基质受体如整联蛋白介导的细胞与细胞外基质的黏着;细胞间接触型如钙黏蛋白和选择素等介导的细胞和细胞间的粘附。
另外还根据聚合形式和这些受体配体的信息来源进行了分类，可以用下面代码查看：
代码语言：javascript复制showDatabaseCategory(CellChatDB.human) #替换后缀的物种名即可查看其他物种的分类情况
也可用以下代码查看其中的相互作用信息
代码语言：javascript复制glimpse(CellChatDB.human$interaction)
#以下是终端输出内容，为了方便浏览放到了代码框中
Rows: 1,939
Columns: 11
$ interaction_name <chr> "TGFB1_TGFBR1_TGFBR2", "TGFB2_TGFBR1_TGFBR2", "TGFB3_TGFBR1_TGFBR2", "…
$ pathway_name <chr> "TGFb", "TGFb", "TGFb", "TGFb", "TGFb", "TGFb", "TGFb", "TGFb", "TGFb"…
$ ligand <chr> "TGFB1", "TGFB2", "TGFB3", "TGFB1", "TGFB1", "TGFB2", "TGFB2", "TGFB3"…
$ receptor <chr> "TGFbR1_R2", "TGFbR1_R2", "TGFbR1_R2", "ACVR1B_TGFbR2", "ACVR1C_TGFbR2…
$ agonist <chr> "TGFb agonist", "TGFb agonist", "TGFb agonist", "TGFb agonist", "TGFb …
$ antagonist <chr> "TGFb antagonist", "TGFb antagonist", "TGFb antagonist", "TGFb antagon…
$ co_A_receptor <chr> "", "", "", "", "", "", "", "", "", "", "", "", "", "", "", "", "", ""…
$ co_I_receptor <chr> "TGFb inhibition receptor", "TGFb inhibition receptor", "TGFb inhibiti…
$ evidence <chr> "KEGG: hsa04350", "KEGG: hsa04350", "KEGG: hsa04350", "PMID: 27449815"…
$ annotation <chr> "Secreted Signaling", "Secreted Signaling", "Secreted Signaling", "Sec…
$ interaction_name_2 <chr> "TGFB1 - (TGFBR1 TGFBR2)", "TGFB2 - (TGFBR1 TGFBR2)", "TGFB3 - (TGFBR1…接着分析步骤，先在cellchat对象中添加需要的数据库，这里因为pbmc3k是人的细胞，选择人的数据库
代码语言：javascript复制cellchat@DB <- CellChatDB.human
#也可以只选择其中某种类型的相互作用,如：
# cellchat@DB <- subsetDB(CellChatDB.human, search = 'Secreted Signaling')3 预处理表达数据
细胞间是否有通讯作用是基于配体或者受体是否过表达来推断的，所以需先进行过表达基因的鉴定：
代码语言：javascript复制# 首先取一下要计算的基因子集，因为CellChatDB.human中包含4万多基因，
# 而我们的pbmc3k中只有1万多基因，这样可以节省接下来的计算时间
cellchat <- subsetData(cellchat)
future::plan("multisession", workers = 4) #设置使用的电脑核心数，并行计算节省时间
# 注意，windows系统需将'multisession'改为'multiprocess'
cellchat <- identifyOverExpressedGenes(cellchat)
cellchat <- identifyOverExpressedInteractions(cellchat)4 推断相互作用网络
预处理完表达值后，cellchat会计算相互作用的可能性和相互作用网络：
代码语言：javascript复制# trim参数用来过滤掉只在少量细胞表达的基因，
# 0.1表示如果某基因在一种细胞类型中表达比例少于10%，
# 则该基因在这种细胞中平均表达量归0，也就是该配体/受体不在这种细胞中表达
# population.size设置为TRUE表示需要考虑每种细胞类型中细胞数量的多少，对于分选的细胞需要设置为FALSE
cellchat <- computeCommunProb(cellchat, trim = 0.1, population.size = T)
# min.cells用来过滤掉细胞数目较少的细胞类型
cellchat <- filterCommunication(cellchat, min.cells = 10)
# 在信号通路水平推断相互作用
cellchat <- computeCommunProbPathway(cellchat)
cellchat <- aggregateNet(cellchat)到这里细胞通讯的推断已经完成，所有数据都存储在了cellchat对象中，接下来就是可视化了。
总的相互作用网络:
代码语言：javascript复制groupSize <- as.numeric(table(cellchat@idents))
par(mfrow = c(1,2), xpd=TRUE)
netVisual_circle(
cellchat@net$count,
vertex.weight = groupSize,
weight.scale = T,
label.edge = F,
title.name = "Number of interactions"
)
netVisual_circle(
cellchat@net$weight,
vertex.weight = groupSize,
weight.scale = T,
label.edge = F,
title.name = "Interaction weights/strength"
)
每种细胞分别作为source的相互作用网络:
代码语言：javascript复制mat <- cellchat@net$weight
par(mfrow = c(3,4), xpd=TRUE)
for (i in 1:nrow(mat)) {
mat2 <- matrix(0, nrow = nrow(mat), ncol = ncol(mat), dimnames = dimnames(mat))
mat2[i, ] <- mat[i, ]
netVisual_circle(mat2, vertex.weight = groupSize, weight.scale = T, edge.weight.max = max(mat), title.name = rownames(mat)[i])
}
以上两种图只能看到一个大概的相互作用关系，满足不了科研故事的需求，后面会介绍不同的可视化方式以根据需要进行信息挖掘和数据展示。
参考资料：
- cellchat官方教程(https://github.com/sqjin/CellChat)
