Appearance
细胞之间在"聊"什么？——服务器上一键跑通 CellChat 细胞通讯分析
写在前面：单细胞分析做到聚类、注释，很多人就停下了。但审稿人和读者真正关心的是：这些细胞之间在"聊"什么？细胞通讯分析回答的正是这个问题——谁在给谁发信号、用的哪对配体-受体、哪条信号通路最活跃。CellChat 是这个领域最主流的 R 包（2021 年发表于 Nature Communications，GitHub 星标超 2k），现在整套流程已部署在云生信服务器上，登录即用，分析耗时根据细胞数量不同，预估在10-30分钟。
一、CellChat 在算什么
细胞不是孤岛：免疫细胞给肿瘤细胞发信号、基质细胞给上皮细胞发信号……信号的发送靠的是"配体-受体"这对分子钥匙和锁。
CellChat 的思路三步：
建库：内置人工整理的配体-受体互作数据库（分泌信号、细胞外基质-受体、细胞直接接触三大类）；
配对：看哪类细胞高表达配体、哪类细胞高表达对应受体，算出每对细胞之间每条信号的"通讯概率"；
聚合：把成百上千的配体-受体对聚合到信号通路层面，回答"哪条通路在哪些细胞之间最活跃"。
最终输出的不是一张表达量表格，而是一张"细胞社交网络图"——谁和谁聊、聊什么话题（通路）、聊得多热（通讯强度）。
二、跑之前：环境一行激活
CellChat 依赖众多（NMF、ComplexHeatmap 这些出了名的难装），服务器上的公共环境已全部装好，一行激活：
bash
source /media/share/share_code/cellchat/cellchat/bin/activate命令行提示符前出现 (cellchat) 前缀即成功。环境由技术团队统一维护，登录即用；工作目录请设到自己目录，不在公共路径读写。
三、示例数据：注释好的单细胞对象
公共路径下已备好示例数据（data/annotated_scRNA.rds），是一份完成质控、降维和细胞类型注释的 Seurat 对象，涵盖 7 类细胞：上皮细胞、内皮细胞、成纤维细胞、肥大细胞、B 细胞、T 细胞和髓系细胞。CellChat 的输入只需要两样东西：表达矩阵 + 每个细胞的类型标签，这份数据都齐了。
四、一条命令，跑完整个分析
首次使用，在自己目录下建工作文件夹，然后一条 Rscript 开跑：
bash
mkdir -p ~/cellchat_demo
cd ~/cellchat_demo
Rscript /media/share/share_code/cellchat/scripts/run_cellchat.R脚本输入从公共路径读取，结果输出到你的当前工作目录。整条流水线全自动：创建 CellChat 对象 → 加载配体-受体数据库 → 筛选过表达基因与互作 → 计算通讯概率 → 聚合到通路 → 出图出表。想挂后台跑的话：
bash
nohup Rscript /media/share/share_code/cellchat/scripts/run_cellchat.R > cellchat.log 2>&1 &五、结果：六张图看懂细胞"社交网络"
跑完后输出目录里除了图，还有两张结果表（communication_LR_results.csv 是全部配体-受体对明细，communication_pathway_results.csv 是通路级汇总）和一个 cellchat_result.rds（完整结果对象，想自己二次挖掘直接读它）。六张图按"全局 → 通路 → 明细"递进：
图 1｜通讯数量圆圈图：7 类细胞的"社交网络"全景——节点越大该类细胞越多，连线越粗两类细胞间的通讯对越多，节点上的"自环"是同类细胞内部的交流。内皮细胞和成纤维细胞的连线又粗又密，是这个组织里的社交中心。
通讯数量圆圈图
图 2｜通讯强度圆圈图：同一张网换成强度视角——数量多不等于聊得热，两张图对照着看，哪些细胞对是"话多"哪些是"话狠"，一眼可辨。
通讯强度圆圈图
图 3｜通讯数量热图：行是信号发送方、列是接收方，颜色越深通讯对越多，行列边缘的条形是各自的总量。内皮细胞那一格颜色最深——它既爱发信号也爱收信号。
通讯数量热图
图 4｜通讯强度热图：同一布局换成强度视角。成纤维细胞发出的信号强度全面走高，内皮→内皮自交流依旧最热。
通讯强度热图
图 5｜Top 30 配体-受体对气泡图：点的大小是通讯概率、颜色越红概率越高，每一行是一对具体的"钥匙和锁"。榜单被胶原家族（COL1A1/COL1A2/COL6A 等）-整合素/CD44 轴霸榜——成纤维细胞和内皮细胞通过细胞外基质疯狂对话；APP-CD74、PECAM1-PECAM1、CXCL8-ACKR1 这些经典互作也在列。
Top30配体受体对气泡图
图 6｜Top 20 信号通路贡献排名：按总通讯强度排序，COLLAGEN（胶原）通路一骑绝尘，LAMININ、APP 紧随其后——细胞外基质相关的信号构成了这份数据里细胞对话的主旋律。
Top20信号通路贡献排名
六、小结
回顾一下，这套流程做了什么：
公共环境一行激活，零配置跑通 CellChat（不用碰 NMF、ComplexHeatmap 这些难装的依赖）；
从注释好的单细胞对象出发，自动完成配体-受体配对、通讯概率计算、通路聚合；
产出六张图 + 两张明细表 + 完整结果对象，从全局网络到具体配体-受体对层层可挖。
这套流程已经部署在云生信服务器上：带上你自己注释好的单细胞数据，登录就能跑出同款结果。想比较两组（如疾病 vs 对照）的通讯差异，CellChat 也支持 mergeCellChat 分组比较，有需求随时找技术团队。
本文的分析代码、示例数据与公共环境已在服务器公共路径（/media/share/share_code/cellchat/）归档，结果输出在运行者自己的目录生成。参考文献：Jin S, et al. Nature Communications, 2021。