CellChat_spatial 分析
时长: 18 分钟
字数: 5.1k 字
更新: 2026-01-21
阅读: 0 次
前言
IMPORTANT
CellChat 是一个用于推断、分析和可视化单细胞和空间转录组数据中细胞-细胞通讯的 R 工具包。CellChat_spatial 是 CellChat v2 版本的核心功能，专门针对空间转录组数据，通过整合空间距离信息来推断细胞间的空间邻近通讯，为理解组织微环境中的细胞相互作用提供了强大工具。
在空间转录组学研究中，细胞不仅通过分泌信号分子进行通讯，其空间位置关系也对细胞间相互作用有重要影响。CellChat_spatial 通过整合基因表达数据和空间坐标信息，能够识别空间邻近的细胞间通讯，揭示组织微环境中的细胞相互作用网络。
CellChat_spatial 的核心功能
- 空间邻近通讯推断：基于细胞空间距离，识别空间邻近的配体-受体相互作用。
- 多样本比较分析：支持多个空间样本间的细胞通讯网络比较。
- 信号通路分析：识别关键的信号通路及其在不同细胞类型间的传递。
- 丰富的可视化：提供圈图、和弦图、气泡图、热图等多种可视化方式。
- 空间因子设置：支持自定义通讯距离阈值，适应不同空间转录组技术。
本篇文档旨在为空间转录组学研究者提供一份详尽的 CellChat_spatial 技术指南，内容涵盖其基本原理、在 SeekSoul Online 云平台上的操作方法、结果解读、实战案例及常见问题，帮助您快速掌握并应用该工具。
CellChat_spatial 理论基础
CellChat_spatial 的核心思想是：通过整合基因表达数据和空间位置信息，利用质量作用定律建模配体-受体介导的细胞间通讯，并考虑空间距离对通讯的影响。这一过程可以概括为以下几个主要步骤：
- 差异表达基因识别：使用 Wilcoxon 秩和检验识别在不同细胞群中差异表达的信号基因。
- 集合平均表达量计算：计算每个细胞群中配体和受体的平均表达水平。
- 空间距离整合：基于细胞的空间坐标，计算细胞间的欧氏距离。
- 通讯概率计算：利用质量作用定律，结合空间距离因子，计算配体-受体相互作用的概率。
- 统计显著性检验：通过置换检验评估细胞间通讯的统计显著性。
云平台操作指南
在云平台上，CellChat_spatial 分析流程被设计得直观易用。您无需编写代码，只需通过参数配置界面即可完成分析。
分析前的准备
IMPORTANT
CellChat_spatial 分析的成功与否，很大程度上取决于输入数据的质量和空间信息的准确性。在开始分析前，请务必确认：
- 数据已完成预处理：您的空间转录组数据已经过标准的质控、降维、聚类和细胞类型注释。
- 空间坐标信息完整：确保每个细胞或斑点都有准确的空间坐标信息（存储在 spatial 降维中）。
- 细胞类型注释准确：细胞类型注释的准确性直接影响细胞通讯分析的结果。
- 样本选择合理：建议每个样本至少包含 1000 个细胞/斑点，且每种细胞类型至少有 10 个细胞。
参数详解
下表详细列出了云平台 CellChat_spatial 分析模块的主要参数及其说明。
| 界面参数 | 说明 |
|---|---|
| 任务名称 | 本次分析的任务名称，需以英文字母开头，可包含英文字母、数字、下划线和中文。 |
| 物种 | 选择该分析流程数据对应的物种名称，目前支持人（human）、小鼠（mouse）和斑马鱼（zebrafish）。 |
| 分组因子 | meta 的列名，例如 CellAnnotation，用于指定细胞类型注释列，必填。 |
| 细胞类型 | 基于 meta 的 col_celltype 列对应的对象，多选，选择要分析的细胞类型，必填。 |
| 分析方法 | 计算方法，可选 triMean 或 truncatedMean。triMean 得到较少但更强的相互作用；truncatedMean 得到更多的相互作用。空间数据推荐使用 truncatedMean。 |
| 表达比例 | 当分析方法为 truncatedMean 时才会被用到，表达比例低于百分之多少时，视基因表达平均值为 0。单细胞转录组默认为 0.25，空间数据推荐设置小一些，比如 0.1。 |
| 最小细胞数 | 细胞数低于多少时，过滤掉该细胞类型。默认为 10，建议设置为 10-20 之间。 |
| Downsample | 是否抽样分析。当数据量过大时（如 > 50,000 细胞），建议设置为 True 以加快分析速度。 |
| Downsample_num | downsample 数目，downsample 为 True 时需要。建议设置为每个细胞类型至少抽取 100 个细胞。默认为 1000。 |
| 分组比较 | meta 的列名，例如 Sample。用于指定样本分组列，与“比较对象”配合使用，必填。 |
| 比较对象 | 基于 meta 的 col_sam 列所对应的比较对象，多选，选择要分析的样本名称，必填。 |
| 备注 | 自定义备注信息，可用于记录分析参数设置的原因或特殊说明。 |
重要注意事项
CAUTION
- 空间坐标要求：确保空间坐标信息准确且完整，CellChat_spatial 需要 spatial 降维中的坐标信息。
- 细胞数量要求：每种细胞类型至少需要 10 个细胞，否则可能导致分析失败或结果不可靠。
- 内存限制：如果分析的细胞数量过多（> 50,000），建议使用 Downsample 功能。
- 分析时间：CellChat_spatial 分析较为耗时，大数据集可能需要数小时完成。
TIP
参数调试建议：
- 初次分析建议使用默认参数。
- 如果发现互作数量过少，可以降低 trim 值或将 triMean 改为 truncatedMean。
- 如果发现互作数量过多且噪音较大，可以增加 trim 值或使用 triMean 方法。
- 可以通过调整 mincell 参数来过滤低细胞数的类型。
操作流程
- 进入分析模块：在云平台导航至“高级分析”模块，选择“CellChat_spatial”。
- 创建新任务：为您的分析任务命名，并选择要分析的项目。
- 配置基本参数
- 选择物种。
- 设置分组因子和细胞类型。
- 选择分析方法和表达比例。
- 配置过滤参数
- 设置最小细胞数。
- 根据需要设置 Downsample 参数。
- 配置样本参数
- 设置分组比较列名。
- 选择要分析的样本。
- 提交任务：确认参数无误后，点击“提交”按钮，等待分析完成。
- 下载与查看：分析结束后，在任务列表中下载并查看生成的分析报告和结果文件。
结果解读
CellChat_spatial 的分析报告包含丰富的图表和数据文件，以下是对核心结果的详细解读。
结果文件列表
| 文件名 | 内容说明 |
|---|---|
*_netVisual_circle.pdf/png | 细胞间互作数目与互作强度圈图 |
*_netVisual_circle_split_weight.pdf/png | 各细胞类型的通讯强度圈图（分细胞类型） |
*_netVisual_circle_split_count.pdf/png | 各细胞类型的互作数量圈图（分细胞类型） |
*_netVisual_chord_LR.pdf/png | 配体-受体对和弦图 |
*_netVisual_chord_path.pdf/png | 信号通路和弦图 |
*_netVisual_bubble.pdf/png | 细胞间配体-受体对气泡图 |
*_roles_scatter.pdf/png | 细胞通讯角色散点图 |
*_outgoing_roles_heatmap.pdf/png | 外向信号热图 |
*_incoming_roles_heatmap.pdf/png | 内向信号热图 |
*_netVisual_embedding.pdf/png | 空间位置通讯可视化图 |
*.rds | CellChat 对象 RDS 文件（可用于后续分析） |
*_LR_pair.xls | 配体-受体对详细信息表格 |
*_pathway.xls | 信号通路详细信息表格 |
细胞间互作数目与互作强度圈图
图表结构
- 左图：显示细胞类型间的互作数量（Number of interactions）。
- 右图：显示细胞类型间的互作强度（Interaction weights/strength）。
图形元素
- 实心圆：不同颜色代表不同的细胞类型。
- 圆的大小：与该细胞类型的细胞数量成正比。
- 连线（边）：
- 颜色与信号发送者（配体表达细胞）保持一致。
- 粗细与互作数量/强度成正比。
- 箭头指向信号接收者（受体表达细胞）。
解读要点
- 强互作：粗线表示细胞类型间存在强烈的通讯。
- 互作方向：观察哪些细胞类型主要作为信号发送者，哪些作为接收者。
- 互作网络：整体观察组织中的细胞通讯网络拓扑结构。
配体-受体对和弦图
图表结构
- 外圈：每一段代表一个配体或受体基因。
- 弧线：连接配体和受体，表示它们之间的相互作用。
- 颜色：弧线颜色与信号发送者细胞类型一致。
解读要点
- 主要配体-受体对：弧线越宽，表示该配体-受体对的通讯概率越大。
- 多对多关系：一个配体可能与多个受体相互作用，反之亦然。
- 细胞特异性：观察特定细胞类型表达的配体或受体。
- 通讯方向：弧线从配体指向受体。
和弦图只显示通讯概率显著的配体-受体对（p < 0.05）。如果某些预期的互作未显示，可能是因为其统计显著性未达到阈值。细胞通讯角色散点图
图表结构
- X 轴：外向通讯（Outgoing communication）强度。
- Y 轴：内向通讯（Incoming communication）强度。
- 点的大小：该细胞类型参与的通讯数量（包括外向和内向）。
- 点的颜色：不同细胞类型。
细胞角色分类
a. 信号发送者（Sender）
- 特征：X 轴坐标大，Y 轴坐标小。
- 生物学意义：主要作为信号源，向其他细胞发送信号。
- 例子：内分泌细胞、神经元等。
b. 信号接收者（Receiver）
- 特征：X 轴坐标小，Y 轴坐标大。
- 生物学意义：主要接收来自其他细胞的信号。
- 例子：靶器官细胞、效应细胞等。
c. 中介者（Mediator）
- 特征：X 轴和 Y 轴坐标都大。
- 生物学意义：既接收信号又发送信号，在通讯网络中起桥梁作用。
- 例子：免疫细胞、成纤维细胞等。
d. 旁观者（Bystander）
- 特征：X 轴和 Y 轴坐标都小。
- 生物学意义：在细胞通讯网络中参与度较低。
- 可能原因：该细胞类型的主要功能不依赖细胞间通讯，或者数据质量问题。
信号通路热图
外向信号热图（Outgoing signaling patterns）
- 行：信号通路名称。
- 列：细胞类型。
- 颜色强度：该细胞类型在该通路中作为信号发送者的相对强度。
- 右侧柱状图：每个通路的总体强度。
- 上方柱状图：每个细胞类型的总体外向信号强度。
内向信号热图（Incoming signaling patterns）
- 行：信号通路名称。
- 列：细胞类型。
- 颜色强度：该细胞类型在该通路中作为信号接收者的相对强度。
解读要点
- 细胞特异性信号通路：观察哪些信号通路在特定细胞类型中特别活跃。
- 信号通路模式：识别具有相似信号模式的细胞类型。
- 关键信号通路：右侧柱状图显示整体最重要的信号通路。
- 发送-接收配对：结合外向和内向信号热图，识别信号发送者-接收者配对。
空间位置通讯可视化
图表特点
- 背景：显示细胞在组织中的空间位置。
- 连线：表示空间邻近的细胞间的通讯。
- 颜色：区分不同的细胞类型或信号强度。
解读要点
- 空间模式：观察通讯在组织中的空间分布模式。
- 局部微环境：识别特定区域的细胞通讯 hotspot。
- 距离效应：验证通讯是否符合空间邻近性。
数据表格解读
LR_pair 表格（配体-受体对信息）
- interaction_name：配体-受体对名称。
- pathway_name：所属信号通路。
- ligand：配体基因。
- receptor：受体基因。
- source：信号发送者细胞类型。
- target：信号接收者细胞类型。
- prob：通讯概率。
- pval：统计显著性 P 值。
pathway 表格（信号通路信息）
- pathway_name：信号通路名称。
- source：信号发送者细胞类型。
- target：信号接收者细胞类型。
- prob：该通路的总通讯概率。
- count：该通路包含的配体-受体对数量。
应用案例
CellChat v2 在空间转录组学中的应用
- 数据来源：CellChat 官方 Nature Protocols 文章示例。
- 背景：CellChat v2 版本专门针对空间转录组数据进行了优化，引入空间距离因子，能够更准确地推断空间邻近的细胞间通讯。
- 分析策略：使用 Visium 空间转录组数据，整合空间坐标信息，设置通讯距离阈值（interaction.range=250 μm），识别空间依赖的细胞通讯。
- 核心发现：
- CellChat_spatial 能够准确识别空间邻近的细胞间通讯，过滤空间距离较远的假阳性互作。
- 通过调整通讯距离阈值，可区分短距离（接触依赖型）和长距离（分泌型）信号通路。
- 空间位置通讯可视化直观展示细胞通讯在组织中的空间分布模式。
- 相比传统单细胞 CellChat 分析，CellChat_spatial 提供了更符合组织生物学的结果。
图：CellChat 分析工作流程。通过整合基因表达数据、配体-受体数据库和空间信息，推断细胞间通讯网络。
注意事项与最佳实践
WARNING
避免过度解读：CellChat_spatial 结果是基于基因表达数据和空间位置的计算推断，不等于真实的细胞间相互作用。任何关键发现都需要后续的生物学实验（如免疫荧光共定位、受体阻断实验等）来证实。
CAUTION
数据质量至关重要：
- 空间坐标准确性：空间坐标的偏差会导致错误的空间邻近性判断。
- 测序深度：测序深度不足会导致配体/受体基因检测不到，产生假阴性。
- 细胞类型注释：错误的细胞类型注释会导致错误的通讯推断。
TIP
优化分析效果：
- 参数调优：根据数据特点调整 trim、mincell 等参数。
- 生物学验证：结合已知的配体-受体相互作用知识验证结果。
- 多方法交叉验证：结合其他细胞通讯分析工具（如 CellPhoneDB, COMMOT）进行交叉验证。
- 功能富集分析：对识别出的信号通路进行功能富集分析，理解其生物学意义。
结果验证策略
计算验证
- 一致性检验：检查配体和受体是否在预期的细胞类型中表达。
- 空间一致性：验证通讯的细胞是否在空间上邻近。
- 统计显著性：关注 p 值 < 0.05 的显著通讯。
文献验证
- 已知互作：查阅文献，验证识别出的配体-受体对是否有文献支持。
- 信号通路：确认信号通路是否在该组织/细胞类型中已知活跃。
- 数据库查询：使用 CellChatDB, UniProt 等数据库验证配体-受体相互作用。
实验验证
- 免疫荧光共染：验证配体和受体蛋白的表达和共定位。
- 原位杂交（ISH）：验证配体和受体 mRNA 的表达模式。
- 功能实验：
- 受体阻断实验：使用抗体或小分子抑制剂阻断受体。
- 配体刺激实验：外源添加配体观察下游效应。
- 基因敲除/敲低：通过 CRISPR 或 RNAi 技术验证基因功能。
常见问题解答 (FAQ)
Q1: CellChat_spatial 与普通 CellChat 有什么区别？
A: 主要区别在于：
- 空间信息整合：CellChat_spatial 利用细胞的空间坐标信息，只考虑空间邻近的细胞间通讯。
- 距离因子：引入 distance.use, interaction.range 等参数，根据细胞间距离调整通讯概率。
- 接触依赖型信号：能够区分接触依赖型和分泌型信号，更准确反映生物学实际。
- 空间可视化：提供空间位置通讯可视化，直观展示通讯在组织中的分布。
Q2: CellChat_spatial 分析需要多长时间？
A: 分析时间取决于数据规模：
- 小数据集（1,000-5,000 细胞）：30 分钟 - 1 小时。
- 中等数据集（5,000-20,000 细胞）：1-3 小时。
- 大数据集（> 20,000 细胞）：3-8 小时或更长。
- 建议对大数据集使用 Downsample 功能加速分析。
Q3: 如何设置合适的 interaction.range 参数？
A: 根据以下因素决定：
- 空间技术分辨率：高分辨率技术（如 MERFISH）使用较小值（50-100 μm），低分辨率技术（如 Visium）使用较大值（200-300 μm）。
- 组织类型：致密组织（如肿瘤）使用较小值，松散组织（如淋巴结）使用较大值。
- 信号类型：研究短距离信号使用小值，研究长距离信号使用大值。
- 默认值：大多数情况下，使用默认的 250 μm 是合理的。
Q4: triMean 和 truncatedMean 方法如何选择？
A:
- triMean：更严格，适用于需要高置信度通讯网络的场景，结果更保守但可靠性高。
- truncatedMean：更宽松，适用于探索性分析，能发现更多潜在通讯，推荐用于空间数据。
- 建议：首次分析使用 truncatedMean（trim=0.1），如果结果噪音过大再尝试 triMean。
Q5: 为什么我的结果中互作数量很少？
A: 可能的原因和解决方案：
- 参数过严：降低 trim 值（如从 0.25 降到 0.1），或将 triMean 改为 truncatedMean。
- 细胞数量不足：确保每种细胞类型至少有 10-20 个细胞。
- 测序深度低：配体/受体基因表达量低，检测不到，考虑使用更高深度的数据。
- 细胞类型选择不当：某些细胞类型本身通讯就较少，尝试分析其他细胞类型。
Q6: 如何解释空间位置通讯可视化图？
A:
- 连线密集区域：表示该区域细胞通讯活跃，可能是功能重要的微环境。
- 长距离连线：可能是分泌型信号，或者需要检查是否为假阳性（调整 interaction.range）。
- 连线方向：观察信号的空间传播方向，识别信号源和靶区域。
- 结合细胞类型分布：将通讯模式与细胞类型的空间分布结合解读。
Q7: CellChat_spatial 对数据质量有什么要求？
A: 关键要求包括：
- 准确的空间坐标：必须有 spatial 降维中的坐标信息。
- 合理的细胞数量：每种细胞类型 ≥ 10 个细胞，总细胞数 ≥ 1000。
- 足够的测序深度：能够检测到配体和受体基因的表达。
- 准确的细胞类型注释：细胞类型注释准确性直接影响结果可靠性。
Q8: 如何进行多样本比较分析？
A:
- 在云平台上，可以在“比较对象”参数中选择多个样本。
- 系统会分别分析每个样本，然后进行比较。
- 结果会展示每个样本的通讯网络，以及样本间的差异。