1. 项目概述：为什么细胞“聊天”如此重要？

如果你最近在单细胞转录组数据分析的圈子里待过，大概率会听到“CellChat”这个名字。它不是一个新出的社交软件，而是一个在R语言生态中，专门用来从单细胞数据里“窃听”细胞间对话的强大工具包。我最初接触它，是因为手头一个肿瘤微环境的项目，我们拿到了漂亮的单细胞聚类和注释结果，知道了里面有哪些“居民”（细胞类型），但它们之间到底在发生什么故事？是谁在向谁发送求救信号？又是谁在暗中抑制免疫细胞的活性？传统的差异基因分析只能告诉我们单个细胞的状态变化，却无法揭示这种细胞社会网络的动态。

CellChat的核心价值就在于此。它基于已知的配体-受体相互作用数据库，通过数学概率模型，推断出不同细胞群之间潜在的信号通讯关系，并将这些复杂的关系网络可视化。简单说，它能把“细胞A高表达配体X，细胞B高表达受体Y”这种静态信息，转化为“细胞A很可能通过X-Y通路在对细胞B施加影响”的动态故事。这对于理解发育过程、组织稳态、疾病发生（尤其是癌症、纤维化、神经退行性疾病）的机制至关重要。无论是生物信息分析师还是专注于机制的生物学家，掌握CellChat都能让你的数据解读能力提升一个维度，从“看见细胞”进阶到“理解细胞社会”。

2. CellChat分析的核心原理与数据准备

2.1 核心思想：从表达量到通讯概率

CellChat的分析基石是配体-受体（Ligand-Receptor, L-R）对。它的工作流程可以概括为三个关键步骤：识别、推断、可视化。

首先，识别。CellChat内置了一个经过人工校正的数据库，包含了人和小鼠的数千个L-R对。当你输入带有细胞类型注释的单细胞表达矩阵（通常是Seurat对象）后，它会为每一对细胞类型（如“成纤维细胞”到“T细胞”），计算每一个L-R对的平均表达水平。但这里不是简单取均值，它会考虑表达该基因的细胞比例，避免少数高表达细胞带来的噪音。

其次，推断。这是CellChat的精华。它采用一种概率模型来计算通讯概率。简单理解，这个概率综合了配体和受体的表达丰度，并引入了一个经验性的权重函数。公式的核心思想是：一个配体-受体对的相互作用强度，不仅取决于各自的表达量，还遵循一个“饱和曲线”——表达量太低时信号弱，达到一定水平后，再增加表达对通讯强度的贡献会递减。这比简单的表达量相乘更符合生物学直觉。最终，对于任意两个细胞群，CellChat会汇总所有可能相关的L-R对，得到一个总的通讯概率。

最后，可视化。CellChat提供了丰富的函数，将计算出的庞大通讯网络，凝练成易于解读的图形，如圆圈图、层次热图、气泡图等，并能对特定的信号通路进行深入挖掘。

2.2 数据准备：你的Seurat对象过关吗？

在运行CellChat之前，确保你的单细胞数据已经过标准预处理并完成了细胞注释。这是所有分析的起点，也是最容易出问题的地方。

输入对象要求：CellChat需要两个核心输入：1) 归一化的表达矩阵（如[data](data)slot中的[log](log)Normalized数据）；2) 细胞注释信息（即每个细胞所属的细胞类型或群集）。通常，我们直接使用Seurat对象。

关键的预处理检查点：

1. 细胞注释的粒度：这是最重要的决策之一。注释得太粗（如只分“免疫细胞”、“基质细胞”），会丢失大量有意义的互作细节；注释得太细（如CD4+ T细胞再细分为10个亚群），会导致网络过于复杂，难以解读，且某些细小群体可能因细胞数太少导致信号不可靠。我的经验是，结合生物学背景和聚类结果，找到一个平衡点。例如在肿瘤样本中，将T细胞分为CD8+ T、CD4+ Naive、Treg等主要功能亚群，往往比分成几十个克隆型更有普遍意义。
2. 细胞数量均衡：如果某个细胞类型只有十几个细胞，那么基于它计算的表达量均值方差会很大，得出的通讯信号可信度低。通常建议每个用于互作分析的细胞类型至少包含50-100个细胞。对于细胞数过少的群体，考虑将其合并到上一级分类或谨慎解释其结果。
3. 数据归一化：确保使用的是正确的归一化数据。CellChat官方推荐使用[log](log)归一化（如[LogNormalize](LogNormalize)）后的counts。避免使用SCTransform后的数据直接输入，虽然新版本CellChat已支持，但可能需要额外参数调整，初学者建议从[log](log)归一化数据开始。

注意：在创建CellChat对象时，务必确认你的细胞类型注释信息是作为一个因子（factor）向量传入的，并且水平的顺序可能会影响后续出图的顺序，可以事先按你想要的顺序排列好因子水平。

3. 标准分析流程全解析与实操代码

假设我们已有一个准备好的Seurat对象[seurat.obj](seurat.obj)，其中[celltype](celltype)是存储细胞类型注释的元数据列。下面我们一步步拆解。

3.1 创建对象与核心推断

# 加载必要的库 library(CellChat) library(patchwork) library(Seurat) options(stringsAsFactors = FALSE) # 避免字符串自动转因子带来麻烦 # 1. 创建CellChat对象 cellchat <- createCellChat(object = seurat.obj, # Seurat对象 group.by = “celltype”, # 指定细胞注释列 assay = “RNA”) # 使用哪个assay，默认是”RNA” # 2. 设置配体-受体数据库（选择物种） CellChatDB <- CellChatDB.human # 如果是人类数据 # CellChatDB <- CellChatDB.mouse # 如果是小鼠数据 cellchat@DB <- CellChatDB # 3. 对表达数据进行预处理，识别过表达的配体和受体 cellchat <- subsetData(cellchat) # 这一步可选的，用于快速测试时裁剪数据，正式分析可跳过或谨慎使用。 cellchat <- identifyOverExpressedGenes(cellchat) cellchat <- identifyOverExpressedInteractions(cellchat) # 4. 核心步骤：计算通讯概率 cellchat <- computeCommunProb(cellchat) # 此处有一个重要参数：type = “truncatedMean”, trim = 0.1 # 这意味着在计算细胞群平均表达时，采用截断均值，去掉最高和最低10%的值，以提高稳健性。 # 5. 过滤弱信号（根据实际情况调整） cellchat <- filterCommunication(cellchat, min.cells = 10) # 默认过滤掉来自少于10个细胞的信号 # 6. 从细胞-细胞层面聚合到信号通路层面 cellchat <- computeCommunProbPathway(cellchat)

关键步骤解读：

• identifyOverExpressedInteractions：这一步会基于过表达基因，为每一对细胞类型筛选出潜在的、有生物学意义的L-R对，而不是机械地计算所有数据库中的对子，提高了结果的可靠性。
• computeCommunProb：这是最耗时的步骤，其核心是之前提到的概率模型。参数trim的设置很有讲究：对于细胞异质性高的群体（如肿瘤细胞），设置一个截断值（如0.1）可以避免异常值影响；对于非常均一的群体，可以设为0。
• computeCommunProbPathway：CellChat将作用相似的L-R对归类到同一个信号通路下（如“MIF - (CD74+CXCR4)”通路）。这一步将成千上万的单个相互作用汇总成几十条通路，极大简化了网络，便于宏观解读。

3.2 结果可视化：从宏观到微观

可视化是讲述故事的关键。CellChat的绘图函数非常强大。

# 7. 聚合网络：计算总的通讯强度（各通路信号之和） cellchat <- aggregateNet(cellchat) # 8. 可视化整体通讯网络 groupSize <- as.numeric(table(cellchat@idents)) # 各细胞群大小 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”)

圆圈图是展示全局网络的利器。左图（count）显示的是相互作用的数量（有多少条通路有信号），右图（weight）显示的是相互作用的强度（信号有多强）。两者结合看：有的细胞群之间通路多但强度弱，可能意味着广泛的、调节性的对话；有的通路少但强度极高，可能是起主导作用的关键信号。

# 9. 查看特定细胞群发出的信号和接收的信号 mat <- cellchat@net$weight par(mfrow = c(3,3), 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]) }

这段代码会生成一系列图，每一张图展示一个细胞类型作为信号发送者时，它向所有其他细胞类型发送信号的强度。这对于找出“核心信号源”非常有用。

通路水平的热图与层次图：

# 10. 所有信号通路的整体活动热图 cellchat@netP$pathways # 查看识别到的所有活跃通路 pathways.show <- cellchat@netP$pathways[1:5] # 选取前5个最显著的通路展示 par(mfrow=c(2,3)) for (i in 1:length(pathways.show)) { netVisual_aggregate(cellchat, signaling = pathways.show[i], layout = “circle”, vertex.weight = groupSize) } # 层次图能展示信号流的方向 netVisual_aggregate(cellchat, signaling = pathways.show[1], layout = “hierarchy”)

3.3 深入挖掘：配体-受体对与信号流分析

全局网络看清了，接下来要深入细节，回答“具体是谁在通过哪条路说话”。

# 11. 分解特定通路，查看贡献最大的配体-受体对 # 以“MIF”通路为例 pairLR.MIF <- extractEnrichedLR(cellchat, signaling = “MIF”, geneLR.return = FALSE) LR.show <- pairLR.MIF[1,] # 取该通路下贡献最大的一对 # 绘制该L-R对在特定细胞群间的表达分布 netVisual_bubble(cellchat, sources.use = c(“Fibroblast”), targets.use = c(“Macrophage”, “Tcell”), signaling = “MIF”, pairLR.use = LR.show, remove.isolate = FALSE)

气泡图可以非常直观地展示配体在发送细胞、受体在接收细胞的表达模式，以及推断出的通讯概率。

# 12. 分析信号在细胞网络中的流动规律 cellchat <- netAnalysis_computeCentrality(cellchat, slot.name = “netP”) # 计算中心性指标 # 可视化发送/接收信号的贡献度 ht1 <- netAnalysis_signalingRole_heatmap(cellchat, pattern = “outgoing”, width = 8, height = 10) ht2 <- netAnalysis_signalingRole_heatmap(cellchat, pattern = “incoming”, width = 8, height = 10) ht1 + ht2

中心性分析借鉴了社交网络分析的概念，可以识别出在网络中起“枢纽”作用的信号通路（介数中心性高），或主要影响局部通讯的通路（接近中心性高）。这能帮你区分全局性信号和局部特异性信号。

4. 高级分析与多组比较实战

4.1 识别差异性的细胞互作

很多时候，我们不止有一个样本，而是有对照组和实验组（如正常 vs 疾病，治疗前 vs 治疗后）。CellChat可以比较不同条件下细胞通讯网络的差异。

# 假设我们有两个Seurat对象：seurat.ctrl（对照）和 seurat.treat（处理） cellchat.ctrl <- createCellChat(seurat.ctrl, group.by = “celltype”) cellchat.treat <- createCellChat(seurat.treat, group.by = “celltype”) # ... 分别对两个对象执行上述标准流程，直到 computeCommunProbPathway # 合并对象进行比较 object.list <- list(Ctrl = cellchat.ctrl, Treat = cellchat.treat) cellchat.merged <- mergeCellChat(object.list, add.names = names(object.list)) # 1. 比较总的相互作用数量和强度 gg1 <- compareInteractions(cellchat.merged, show.legend = F, group = c(1,2), measure = “count”) gg2 <- compareInteractions(cellchat.merged, show.legend = F, group = c(1,2), measure = “weight”) gg1 + gg2 # 2. 比较特定信号通路活性的差异 netVisual_diffInteraction(cellchat.merged, weight.scale = T, measure = “weight”, sources.use = c(“Fibroblast”)) # 这张图会显示，与对照组相比，处理组中成纤维细胞发出的哪些信号增强了（红色）或减弱了（蓝色）。 # 3. 识别差异最大的信号通路 rankNet(cellchat.merged, mode = “comparison”, stacked = T, do.stat = TRUE)

这个比较框架非常强大，能直接将抽象的“微环境改变”转化为具体的“信号通路增强/减弱”列表，为后续的生物学验证提供明确靶点。

4.2 与空间转录组数据的联合分析

如果你的单细胞数据有对应的空间转录组信息（如10x Visium数据），CellChat甚至可以结合空间位置来推断通讯，这能极大提高推测的可靠性，因为相邻细胞发生通讯的概率远大于距离远的细胞。

# 假设 spatial.loc 是一个数据框，包含每个细胞（与单细胞数据对应）的x，y坐标 cellchat <- createCellChat(seurat.obj, group.by = “celltype”, meta = seurat.obj@meta.data, coordinates = spatial.loc) # 在计算通讯概率时，加入空间约束 cellchat <- computeCommunProb(cellchat, type = “truncatedMean”, trim = 0.1, distance.use = TRUE, interaction.range = 250) # `interaction.range` 参数设定一个距离阈值（单位与坐标一致），只有在这个距离内的细胞间通讯才会被计算。

这个功能让CellChat从“可能聊天”进化到“在物理上能聊天”，分析结果更具说服力。

5. 避坑指南与常见问题排查

在实际操作中，我踩过不少坑，这里总结几个最常见的问题和解决方案。

问题1：运行computeCommunProb时速度极慢或内存爆炸。

• 原因：细胞数量太多（>5万）或细胞类型太多（>20）。
• 解决方案：
  1. 合理合并细胞类型：将功能相似、且在你的生物学问题中无需区分的亚群合并。
  2. 下采样：对于细胞数过多的群体，可以使用subset函数进行随机下采样，使各群体细胞数大致均衡（例如每个类型不超过2000个）。注意，下采样后应重新计算差异基因和过表达基因。
  3. 分步计算：如果必须用全数据集，可以尝试将computeCommunProb的population.size参数设为FALSE，但这会改变概率计算方式，需谨慎。

问题2：结果网络空空如也，或者信号非常弱。

• 原因A：数据库物种选错。这是最低级的错误，但确实常见。
• 排查：检查cellchat@DB$database确认物种。
• 原因B：细胞注释与数据库不匹配。例如，你的注释是“T cell”，但数据库里用的是“T cells”。CellChat内部会尝试模糊匹配，但最好统一命名。
• 解决方案：使用levels(cellchat@idents)查看你的细胞类型名称，尽量与数据库中的常见名称靠拢。
• 原因C：数据归一化或缩放问题。CellChat对输入数据的尺度敏感。
• 解决方案：确保输入的是正确的归一化数据（如[LogNormalize](LogNormalize)）。可以尝试重新运行NormalizeData函数。

问题3：可视化图形中细胞类型顺序混乱。

• 原因：细胞类型标识（idents）在创建对象时被默认按字母顺序排序或设置成了无序因子。
• 解决方案：在创建CellChat对象前，手动设置因子顺序。

  seurat.obj$celltype <- factor(seurat.obj$celltype, levels = c(“StemCell”, “Progenitor”, “Type1”, “Type2”, …)) # 按你想要的顺序 cellchat <- createCellChat(object = seurat.obj, group.by = “celltype”)

问题4：如何判断一个信号通路的结果是否可靠？

• 不要只看概率值：CellChat输出的概率是一个相对值，用于组内或组间比较，其绝对值大小没有统一的生物学阈值。
• 结合多种证据：
  1. 表达水平：用netVisual_bubble或plotGeneExpression检查配体和受体在相应细胞群中是否确实高表达。
  2. 通路一致性：一条通路通常由多个L-R对组成。如果该通路下多个核心L-R对都显示出相似的通讯模式，结果就更可信。
  3. 生物学先验知识：查阅文献，看该通路在你研究的组织或疾病中是否已被报道。CellChat的结果是计算推断，需要生物学背景来赋予意义。

问题5：CellChatDB数据库不够用，想用自定义的配体-受体对。

• 解决方案：CellChat完全支持。你需要准备一个三列的[data.frame](data.frame)，列名分别为ligand，receptor，pathway_name。

  my_LR_df <- data.frame(ligand = c(“GeneA”, “GeneB”), receptor = c(“GeneC”, “GeneD”), pathway_name = c(“MyPathway1”, “MyPathway1”)) CellChatDB.custom <- CellChatDB.human # 以人类数据库为模板 CellChatDB.custom$interaction <- my_LR_df # 然后像使用内置数据库一样使用它 cellchat@DB <- CellChatDB.custom

  这对于研究一些非常规的、或新发现的相互作用非常有用。

最后，记住CellChat是一个假设生成工具，而非验证工具。它给出的是一张“最有可能的聊天地图”，为你的后续实验（如共培养、阻断抗体实验、空间共定位验证）提供了极具价值的起点。把它当作探索细胞社会奥秘的罗盘，而不是最终的判决书。