单细胞通讯分析工具-CellChat

细胞间的通讯关系的分析方法有很多，诸如SingleCellSignalR，iTALK， CellPhoneDB 和NicheNet等，他们主要使用一个配体/受体基因对来进行分析或者未考虑其他重要的信号辅助因子等。

CellChat是一个开源R包，主要用于细胞间通讯的分析和可视化 。作者首先建立了一个信号分子相互作用的数据库，充分考虑了配体-受体相互作用的已知结构组成；然后，CellChat使用质量作用模型，以及对细胞组的差异表达分析和统计测试，在给定的scRNA-seq数据内推断细胞状态特定的信号通讯。

CellChat同时还提供了多个可视化输出，并通过网络分析工具，模式识别方法和多种学习方法对细胞间通讯进行定量表征和比较。

CellChat将单细胞表达数据作为输入，并结合配受体及其辅助因子的相互作用来模拟细胞间通讯：

CellChat可以识别通讯模式并预测很少研究的通路的功能，CellChat也能够量化所有重要信号通路之间的相似性，根据细胞通讯网络的相似性对其进行分组分析。

CellChat揭示连续细胞谱系相关的信号事件

CellChat还有很多功能分析，如：预测空间共定位细胞群之间的关键信号事件、同一组织中不同时间的细胞间通讯情况、不同状态之间的保守和状态特异的通信模式等，具体可以参考作者的文章。

安装 CellChat ：

# 注意需要先安装如下依赖
# NMF (>= 0.23.0) install.packages('NMF')
# circlize (>= 0.4.12)  devtools::install_github("jokergoo/circlize")
# Install ComplexHeatmap devtools::install_github("jokergoo/ComplexHeatmap")

devtools::install_github("sqjin/CellChat")

官方教程（很详细）：

• Full tutorial for CellChat analysis of a single dataset with detailed explanation of each function
• Full tutorial for comparison analysis of multiple datasets
• Comparison analysis of multiple datasets with different cellular compositions
• Interface with other single-cell analysis toolkits (e.g., Seurat, SingleCellExperiment, Scanpy)
• Tutorial for updating ligand-receptor database CellChatDB

同时作者也提供了基于shiny的 CellChat 应用（https://github.com/sqjin/CellChatShiny），真可谓是周到，只需要将 CellChat 对象保存cellchat.rds放到shiny应用文件夹下就可以了。

注意：可以用saveRDS(cellchat, file = "cellchat.rds")来保存rds文件。

参考资料：

1.https://github.com/sqjin/CellChat

2.https://github.com/sqjin/CellChatShiny

3. http://www.cellchat.org/