上篇軟文分享了CellChat的分析結果，本篇我們來分享一下細胞互作的其他分析方法。

       英國 Sanger 研究所的 Teichmann 實驗室和 Vento-Tormo 實驗室聯(lián)合開發(fā)了 CellPhoneDB（https://www.cellphonedb.org/）。CellphoneDB是一套從單細胞轉(zhuǎn)錄組學數(shù)據(jù)研究細胞間通訊的工具，所包含的內(nèi)容如下： 

        CellphoneDB由兩個單元組成，一個數(shù)據(jù)庫和一個工具。CellphoneDB數(shù)據(jù)庫是一個公開的存儲庫，包含了經(jīng)過整理的受體、配體及其相互作用。依據(jù)已知的蛋白互作注釋來解析單細胞轉(zhuǎn)錄組數(shù)據(jù)，在更精細水平探究生命系統(tǒng)中細胞的互作交流機制。通過分析，可最終得到配體-受體復合物的平均表達量打分和顯著性關系。在我們的百篇文獻調(diào)研中，有20%左右的文獻提到了該分析，出現(xiàn)超30次。

       我們通過分析與流程優(yōu)化，可得到的結果圖如下：圖中不同顏色的節(jié)點表示不同的細胞類型，線條粗細代表配體-受體對的數(shù)量，線條越粗，關系越密切；箭頭代表從配體細胞到受體細胞的相互作用，若箭頭的起始點為同一個細胞則表示為該細胞類型的自分泌信號。

       在展示了所有細胞類型的關系圖的基礎上，我們還可以單獨展示某一特定類型細胞與其他類型細胞的互作圖，展示如下, 箭頭上的數(shù)字表示配體-受體對的數(shù)量。

       除此以外，我們還提供了熱圖來展示不同類型細胞之間的相關性。 

       為了更深入挖掘細胞類型間的互作信息，我們需要研究不同類型細胞間存在哪些特異性的蛋白互作關系，以及互作關系在哪些細胞類型中顯著富集。點圖可以展示蛋白互作關系在細胞類型中的平均表達水平以及顯著性。如下圖橫坐標是細胞類型互作，縱坐標是蛋白互作，點越大表示 p 值越小，顏色代表平均表達量。

       大多數(shù)細胞通訊的分析方法主要依據(jù)公共數(shù)據(jù)庫的配體-受體配對關系，以及配體、受體在細胞亞群的表達情況來推斷細胞之間發(fā)生了哪些通訊關系。但是，配體-受體相互作用如何導致受體細胞內(nèi)下游靶基因表達變化的分析則很少有方法涉及。NicheNet不同于大多數(shù)研究細胞間通訊的方法，它著眼于配體對下游基因調(diào)控作用。NicheNet可以預測哪些配體影響另一個細胞中的表達，哪些靶基因受到配體的影響以及哪些信號傳導可能參與其中。NicheNet可以促進對感興趣的細胞間通信過程的功能理解，其分析原理如下：

       從公共數(shù)據(jù)庫中收集配體-受體配對信息、信號通路、基因調(diào)控網(wǎng)絡等數(shù)據(jù)，整合成配體主導的權重配體-靶基因調(diào)控模型。然后將可能受到細胞通訊影響的差異基因集輸入先驗模型，可以計算與這些基因相關的配體的相關性系數(shù)。最后挑選根據(jù)相關性系數(shù)排行靠前的配體，依據(jù)先驗數(shù)據(jù)推測與之匹配的受體、靶基因及下游信號網(wǎng)絡等信息。我們在單細胞文獻中的常見展示結果如下：

       以下是我們通過調(diào)整優(yōu)化得到的配體和靶基因的可信性熱圖,橫坐標為靶向基因，縱坐標為配體，結果為NicheNet推斷的配體被預測調(diào)控了靶向基因的表達：

       除此之外，我們還可以用弦圖來可視化配體-靶標和配體-受體的相互作用，展示結果如下：

       不同的顏色代表著不同的細胞類型，透明度代表著配體-靶標相互作用的調(diào)控潛力。以上為本次單細胞測序高級分析細胞互作其他方法的分析結果，其他高級分析且聽下回分解。