你的位置：C神偷拍 > 撸撸社 > 【SVDVD-364】秘儀！AスポットSEX入門 ～刺激した瞬間から愛液がダラダラ止まらなくなる、クリトリス・Gスポットに続く重要性感帯SEX～ 胃癌单细胞数据集GSE163558复现(十二)：细胞通讯
发布日期：2024-08-23 20:57 点击次数：103
图片【SVDVD-364】秘儀！AスポットSEX入門 ～刺激した瞬間から愛液がダラダラ止まらなくなる、クリトリス・Gスポットに続く重要性感帯SEX～【SVDVD-364】秘儀！AスポットSEX入門 ～刺激した瞬間から愛液がダラダラ止まらなくなる、クリトリス・Gスポットに続く重要性感帯SEX～
绪言Hello小伙伴们全球好，我是生信手段树的小学徒”我才不吃蛋黄“。今天是胃癌单细胞数据集GSE163558复现系列第十二期。第十一期使用singleR对T细胞亚群进行细分。本期，我们将插足胃癌复现的临了一章，“细胞通讯”。
1.布景先容肿瘤微环境中细胞类型、数量以及功能一直处于动态变化的过程，种种型的细胞构成了一个有序的长入体，而细胞之间往往的“互动”保管着长入体的动态均衡。这种互动不仅存在于同类型细胞之间，存在与不同类型的细胞间，以致是单个细胞的不同技能维度上。我们把这种互动，叫作念细胞通讯 (Cell–cell communication, CCC)。
换句话说，细胞通讯是受生化信号退换的细胞间相互作用，它大要退换单个细胞的人命过程和细胞间关系，并通过包括信号通路的多样生化反馈来磋磨。关于给定的信号通路，“发送信号”的配体与“受体细胞”名义抒发的相应受体卵白集合，进而触发卑劣基因反馈。那么这种指示粗俗有两种类型的：自分泌，发送者和领受者是团结个细胞；旁分泌，发送者和领受者是两个不同的细胞。
若何哄骗单细胞测序数据从单个细胞和细胞群水平揭示细胞通讯？
现在照旧建造了好多用具，大大齐步伐是忖度细胞群之间的细胞通讯：
SoptSC、CellChat使用非线性建模步伐盘算交互分数，SoptSC是忖度单个细胞之间细胞通讯的步伐之一，CellChat商量了配体和受体的多亚基结构，不错准确地暗示异聚复合物，更好地概述已知的配体-受体相互作用；
SoptSC、NicheNet 、scMLnet和CytoTalk等步伐讲解了受体细胞中的细胞内基因-基因相互作用；
scTensor对高阶相互作用进行建模，使用张量想法来检测多个细胞群和配体-受体对的多对多细胞通讯。
本期，我们先容的细胞通讯的步伐是“CellChat”。CellChat通过综合信号配体、受体偏捏辅因子基因的抒发只与它们之间互作的先验常识对细胞通讯概率建模。在忖度出细胞间通讯网罗后，CellChat提供了进一步数据探索、分析和可视化的功能。
性感丝袜CellChat责任历程图如下：
图片
图片开头于简书Hayley札记：https://www.jianshu.com/p/b3d26ac51c5a2.数据分析2.1 导入数据cellchat的导入的数据分为两个部分：圭臬化的矩阵data和细胞分组信息mata，data储存的是基因抒发数据，行名是基因，列名是细胞。meta储存的是细胞标签，行名是细胞名 ，记着这个信息，不错苟简于分析的技能取子集。
率先取销系统环境变量，加载R包及T细胞亚群数据：
rm(list=ls())library(Seurat)options(stringsAsFactors = F)library(SeuratObject)library(ggplot2)library(clustree)library(cowplot)library(dplyr)getwd()setwd("")dir.create("10-cellchat")setwd('10-cellchat/')sce=readRDS( "../9-T/T_sce_celltype.rds")library(CellChat)library(tidyverse)library(ggalluvial)table(sce$singleR)table(Idents(sce))Idents(sce) = sce$singleR创建cellchat对象，导入配受体库，稽查态状该数据库构成的饼状图
cellchat <- createCellChat(sce@assays$RNA$data, meta = sce@meta.data, group.by = "singleR")levels(cellchat@idents)groupSize <- as.numeric(table(cellchat@idents)) CellChatDB <- CellChatDB.human showDatabaseCategory(CellChatDB)
图片
径直使用CellChatDB全库进行细胞通讯分析：
CellChatDB.use <- CellChatDB
选用特定的信号来进行分析，这里还不错选用ECM-receptor和Cell-Cell Contact。
CellChatDB.use <- subsetDB(CellChatDB, search = "Secreted Signaling") cellchat@DB <- CellChatDB.use
预惩办抒发数据以进行细胞间通讯分析
# subset the expression data of signaling genes for saving computation costcellchat <- subsetData(cellchat)cellchat <- identifyOverExpressedGenes(cellchat)cellchat <- identifyOverExpressedInteractions(cellchat)# project gene expression data onto PPI network (optional)cellchat <- projectData(cellchat, PPI.human)2.2 细胞通讯掂量
（1）盘算通讯概率并忖度通讯网罗
#Compute the communication probability and iC3D1er cellular communication networkcellchat <- computeCommunProb(cellchat)# Filter out the cell-cell communication if there are only few number of cells in certain cell groups
这里照旧不要过滤了，否则有些细胞亚群细胞数量过少被过滤掉之后会酿成数据不一致而无法进行后续分析
#cellchat <- filterCommunication(cellchat, min.cells = 10)
（2）索要配受体对细胞通讯后果表：
df.net <- subsetCommunication(cellchat, slot.name = 'net')head(df.net) #获取配受体对细胞通讯后果表# #或走访其它感敬爱敬爱/特定的细胞通讯后果：# df.net1 <- subsetCommunication(cellchat,# sources.use = c('LC'),# targets.use = c('FBN1+ FIB')) #走访特定细胞春联集# head(df.net1)df.net2 <- subsetCommunication(cellchat, signaling = c('MIF')) #走访特定信号通门道集head(df.net2)（3）索要信号通路水平的细胞通讯表：
cellchat <- computeCommunProbPathway(cellchat) #盘算信号通路水平上的通讯概率df.netp <- subsetCommunication(cellchat, slot.name = 'netP') #获取信号通路水平细胞通讯表head(df.netp)
（4）细胞互作关系展示：盘算细胞对间通讯的数量和概率强度
cellchat <- aggregateNet(cellchat)
不同细胞亚群间的互作数量与概率/强度可视化：
细胞亚群间配受体数量网罗图：
groupSize <- as.numeric(table(cellchat@idents))par(mfrow = c(1,1), xpd = TRUE)netVisual_circle(cellchat@net$count, vertex.weight = groupSize, weight.scale = T, label.edge = F, title.name = 'Number of interactions')
图片
颜料代表不同的细胞亚群，圆圈的大小暗示该细胞亚群所含配受体对数量。发出箭头的圆圈暗示配体细胞亚群，箭头指向的圆圈暗示受体细胞亚群。线的粗细暗示细胞间互作配受体对数量，数量越多线越粗。
细胞亚群间配受体概率/强度网罗图：
par(mfrow = c(1,1), xpd = TRUE)netVisual_circle(cellchat@net$weight, vertex.weight = groupSize, weight.scale = T, label.edge= F, title.name = 'Interaction weights/strength')
图片
颜料代表不同的细胞亚群，圆圈的大小暗示该细胞亚群所含配受体对数量。发出箭头的圆圈暗示配体细胞亚群，箭头指向的圆圈暗示受体细胞亚群。线的粗细暗示通讯概率，概率越大线越粗。搜检单个细胞亚群的互作信号强度：
mat <- cellchat@net$weightpar(mfrow = c(3,4), xpd = TRUE)for (i in 1:nrow(mat)) { mat2 <- matrix(0, nrow = nrow(mat), ncol = ncol(mat), dimnames = dimnames(mat)) mat2[i, ] <- mat[i, ] netVisual_circle(mat2, vertex.weight = groupSize, weight.scale = T, edge.weight.max = max(mat), title.name = rownames(mat)[i])}saveRDS(cellchat,file = "cellchat.rds")配受体对细胞通讯后果表：
df.net <- subsetCommunication(cellchat, slot.name = 'net')head(df.net)
信号通路水平细胞通讯后果表：
df.netp <- subsetCommunication(cellchat, slot.name = 'netP')head(df.netp)
使用网罗图可视化细胞亚群间配受体对的数量与概率：
par(mfrow = c(1,2), xpd = TRUE)netVisual_circle(cellchat@net$count, vertex.weight = groupSize, weight.scale = T, label.edge = F, title.name = 'Number of interactions')netVisual_circle(cellchat@net$weight, vertex.weight = groupSize, weight.scale = T, label.edge= F, title.name = 'Interaction weights/strength')
图片
信号通路稽查：
cellchat@netP$pathways
以'MIF'信号通路展示为例：
pathways.show <- c('MIF')（1）层级图（Hierarchy plot）绘图 稽查细胞亚群及factor法例：
levels(cellchat@idents)
选用其中感敬爱敬爱的细胞亚群：
vertex.receiver = c(1,2,3)par(mfrow = c(1,1))netVisual_aggregate(cellchat, layout = c('hierarchy'), #"circle", "hierarchy", "chord" signaling = pathways.show, vertex.receiver = vertex.receiver)图片
（2）网罗图（Circle plot）绘图
par(mfrow = c(1,1))netVisual_aggregate(cellchat, layout = c('circle'), signaling = pathways.show)图片
（3）弦图（Chord diagram）绘图
par(mfrow=c(1,1))netVisual_aggregate(cellchat, layout = c('chord'), signaling = pathways.show) 图片
（4）热图（Heatmap）绘图
par(mfrow=c(1,1))netVisual_heatmap(cellchat, signaling = pathways.show, color.heatmap = c("white", "#b2182b"))图片
2.3 信号通路联系配受体对水平的细胞通讯分析盘算配受体对在办法信号通路中的孝顺度:
netAnalysis_contribution(cellchat, signaling = pathways.show)
配受体对孝顺条形图
图片
索要细胞对：
pairLR.CXCL <- extractEnrichedLR(cellchat, signaling = pathways.show, geneLR.return = FALSE)LR.show <- pairLR.CXCL[1,] #以孝顺度top1的配受体对为例pairLR.CXCL; LR.show2.4 多个配受体对/信号通路水平介导的细胞通讯可视化
指定信号通路：
levels(cellchat@idents)netVisual_bubble(cellchat, sources.use = 4, targets.use = c(1:2), # signaling = c("MIF",'CCL"), #指定CCL和CXCL两个信号通路 remove.isolate = FALSE)指定配受体对：
pairLR.use <- extractEnrichedLR(cellchat, signaling = c("MIF")) #笃定在办法信号通路中有首要作用的配受体对pairLR.use参与办法信号通路的基因在各细胞亚群的抒发折柳展示：
plotGeneExpression(cellchat, signaling = 'MIF', type = 'violin')
图片
结语胃癌复现系列到此竣事，感谢列位小伙伴的恭维，同期也罕见感谢Jimmy敦朴以及生信手段树列位敦朴的教导，接待全球冷落意见建议和月旦，你们的温煦是我们更新的能源。提前预报：肺腺癌单细胞数据集GSE189357复现系列，我们不见不散~
图片
本站仅提供存储就业，系数本色均由用户发布，如发现存害或侵权本色，请点击举报。