新闻资讯
News Information
美格基因｜单细胞研究的“社交网络”分析师：细胞通讯CellChat分析重磅上线，解锁细胞间的高频对话！
发布时间：
2025-09-12
在我们身体的微观宇宙中，数十万亿个细胞不断进行着精密而复杂的交流，形成一个巨大的“社交网络”。这些对话决定着我们的健康与疾病，然而长久以来，科学家们只能间接观察这些互动。随着单细胞RNA测序（scRNA-seq）技术的爆发式发展，我们终于能够逐个细胞地聆听其基因表达「心声」。然而，如何从这海量的单细胞数据中系统性解码细胞间的「聊天内容」，一直是领域内的重大挑战。
今天，我们全新上线一款彻底改变这一局面的重磅工具——CellChat，它如同一个专业的“细胞社交网络分析师”，正在全球生物学研究领域掀起一场革命！
一、为什么我们需要聆听细胞的对话？
在多细胞生物中，没有一个细胞是孤岛。细胞通过分泌信号分子（配体）与表达相应受体蛋白的细胞进行通讯，这一过程调控着胚胎发育、组织稳态、免疫应答以及疾病发生等几乎所有生理病理过程。
传统的scRNA-seq分析能够告诉我们“有什么细胞”（细胞类型鉴定）和“这些细胞在做什么”（差异基因表达），但无法回答“这些细胞之间在如何交流”这一关键问题。
这就好比参加一个聚会，我们能够识别出房间里有哪些人（如医生、教师、工程师），甚至知道每个人当前在想什么（通过基因表达）。但我们更想知道的是：谁在和谁交谈？他们在谈论什么？这些交谈如何影响整个群体的行为？
CellChat正是为解决这一问题而生，它将单细胞分析从“静态snapshot”推向“动态交互”的新维度。
二、CellChat是什么？揭秘其核心技术原理
1.什么是细胞通讯？
在了解CellChat之前，我们先了解细胞通讯（Cell communication）的概念。细胞通讯是指细胞通过分泌信号分子、直接接触或形成连接通道等方式，将外界或相邻细胞的信息传递至靶细胞，并通过信号转导引发靶细胞代谢、功能或基因表达改变的生物学过程。这一机制对发育、免疫、组织稳态等至关重要。细胞通讯是生命活动的调控核心，其异常直接或间接导致癌症、免疫疾病、代谢紊乱等。
细胞通讯分析将单细胞数据的研究提升到了一个新的维度——互作组（Interactome）的维度，使我们能够以前所未有的深度和广度去解码细胞社会的“语言”，从而更深刻地理解生命与疾病。
2.什么是CellChat？
CellChat是一个基于R语言的生物信息学开源软件包，它的核心功能是基于单细胞RNA测序（scRNA-seq）数据通过系统分析配体-受体（Ligand-Receptor, L-R）互作来推断、分析和可视化细胞之间的通讯网络。可以把它理解为一个“细胞社交网络的分析师”。它通过分析细胞群体中谁（哪种细胞）在“说”（表达配体），谁（哪种细胞）在“听”（表达受体），以及他们在“说什么”（激活了哪些信号通路），来绘制出一张复杂的细胞间“聊天”地图。其优势包括：
(1) 数据库全面：内置的CellChatDB包含了数千种经过文献验证的配体-受体对，涵盖了多种信号通路类型（如Secreted Signaling, ECM-Receptor, Cell-Cell Contact）；
(2) 分析功能强大：不仅能推断互作，还能进行通路水平分析、网络聚类、模式识别（流出/流入模式）以及多样本对比；
(3) 可视化丰富：提供多种直观的图形展示方式，如弦图（Chord diagram）、层次图（Hierarchy plot）、气泡图（Bubble plot）、热图（Heatmap）等，帮助理解和呈现复杂的通讯网络。
CellChatDB数据库
研究目的：
(1) 揭示生理与病理过程的机制：细胞通讯调控着发育、免疫应答、组织稳态等关键生物学过程。其失调与癌症、自身免疫疾病、神经退行性疾病等密切相关。通过分析，我们能识别这些过程中的关键信号通路、细胞群体及其相互作用；
(2) 识别关键的信号事件：可以发现哪些配体-受体对（Ligand-Receptor pairs）在特定条件下（如疾病状态vs健康状态）被激活或抑制，从而找出潜在的治疗靶点或诊断标志物；
(3) 理解细胞在网络中的功能角色：通过分析，能界定哪些细胞是信号的主要发送者（Senders）、接收者（Receivers）、协调者（Mediators）或影响者（Influencers），从而理解不同细胞类型在系统中的功能定位；
(4) 比较不同条件下的通讯差异：允许比较不同实验组（如处理组vs对照组、疾病vs健康）、不同时间点或不同样本间的细胞通讯网络，揭示外部干预或疾病进展如何影响细胞间的“交流”。
应用场景：
分析流程：
概述CellChat随程序的步骤（V2）
如上图所示，CellChat分析共分为3个主要步骤，涵盖单个scRNA-seq数据集通讯分析、成对scRNA-seq数据集分析和不同细胞类型组成的多个数据集的比较分析。这3个步骤的主要流程如下：
（1） 数据输入与预处理：标准化的基因表达矩阵（行为基因，列为细胞）和细胞注释信息（包含细胞分组，如细胞类型）。CellChat 也支持直接从 Seurat、SingleCellExperiment 或 AnnData 对象创建。
（2）设置配体-受体相互作用数据库：CellChat 内置了CellChatDB数据库，包含了人和小鼠中经过文献验证的配体-受体对。可以选择使用全部数据库，也可以根据信号模式（如Secreted Signaling, ECM-Receptor, Cell-Cell Contact）选择子集。
（3）预处理与过表达分析：识别在特定细胞群中过表达的配体和受体基因，以及它们之间的相互作用，为后续推断通讯概率做准备。
（4）推断细胞间通讯网络：计算细胞类型间配体-受体相互作用的通信概率。CellChat使用质量作用定律（Law of Mass Action）进行建模，即通讯概率与配体和受体表达水平的乘积成正比。计算完成后，可以提取配体-受体对水平的通讯结果。
（5）在信号通路水平上推断细胞间通信：CellChat可以将涉及同一通路的多个配体-受体对的通讯概率进行汇总，得到通路水平的通讯强度。同时，可以计算聚合的细胞-细胞通信网络，它将所有配体-受体对的通讯网络聚合为一个细胞群之间的综合网络。
（6）可视化细胞通讯网络：CellChat提供了多种可视化方法（整体网络可视化、特定信号通路可视化、弦图、热图、基因表达图等）来展示推断出的通讯网络，这是其强大之处。
（7）系统分析细胞通讯网络：除了可视化，CellChat还能对通讯网络进行系统性的分析，挖掘更深层的信息。
（8）比较不同条件下的细胞通讯：CellChat的强大功能还在于能够比较不同组别/数据集（如疾病 vs 健康）的细胞通讯差异。
分析结果展示（部分）：
不同细胞群配受体相互作用弦图
分泌细胞的接收和外发通信模式桑基图
两分组细胞间通讯网络图
细胞间相互作用比较热图
不同细胞群外发（outgoing）和接收（incoming）相互作用强度图
不同分组细胞群配受体关系对图
案例：
标题：Interpretable machine learning-guided single-cell mapping deciphers multi-lineage pancreatic dysregulation in type 2 diabetes
期刊：Cardiovascular Diabetology
发表时间：2025.07.24
DOI：https://doi.org/10.1186/s12933-025-02865-8
本研究通过整合单细胞RNA测序与机器学习框架，系统揭示了糖尿病背景下胰腺细胞的病理性重塑。利用自主研发的多谱系注释工具PanSubPred，研究鉴定出64个细胞类型特异性标记（含38个新标记），其跨数据集识别准确率高（AUC > 0.970）；进一步借助PSC-Stat工具发现星状细胞在糖尿病至胰腺癌进程中呈现渐进性激活（激活/静止比率从对照组的1.44升至糖尿病的4.72及胰腺癌的18.67）。研究还识别出糖尿病中以导管细胞为中心的异常细胞通信网络（如FGF7-FGFR2/3、EFNB3-EPHB2/4/6等轴心），并推导出糖尿病导管细胞的15基因标签（AUC = 0.846）。此外，β细胞显示成熟簇耗竭、不成熟亚群扩张及内质网应激适应表型，而非β细胞（如腺泡和导管细胞）亦呈现炎症转向和分泌表型活化。该机器学习驱动框架为糖尿病管理及胰腺癌风险分层提供了新的潜在靶标。
ND和T2D中胰腺细胞之间的细胞间通讯分析
三、结语：开启细胞社会研究的新纪元
CellChat的出现标志着单细胞研究进入了一个全新的时代——从描述「细胞是谁」深入到理解「细胞社会如何工作」。它不仅仅是一个工具，更是一种新的研究范式，让我们能够以前所未有的深度和系统性解码生命的基本语言。正如社交媒体分析改变了我们理解人类社会的方式，CellChat等细胞通讯分析工具正在彻底改变我们理解生命系统的方式。无论你是肿瘤学家、神经科学家、发育生物学家还是免疫学家，CellChat都可能为你的研究带来全新的视角和突破性的发现。
现在，就让我们一起打开CellChat，聆听细胞间那美妙而复杂的对话，解锁生命奥秘的新篇章吧！
更多新闻
美格基因
美格科服
联系我们
地址：广东深圳国际创新谷三期7栋B座13层
地址：广州国际生物岛官洲生命科学中心A栋第28层
地址：广州佳德科技园B栋3层
Copyright © 2023 广东美格基因科技有限公司
