今天给我们如是说两个发表在Nature Communications上的细胞核-细胞核通讯预测的超nice的辅助工具-CellChat，其能够精确地辨识与展现细胞核间的通讯讯号，并且对其展开整体性地预测，意在帮助发现捷伊细胞核间通讯，并在不同组织中建立细胞核-细胞核通讯图表。
CellChat能满足用户你预测的需求，感觉直接利用这个辅助工具写诗，暗涡蛛两三个section就能搞掂啦！！！
CellChat包涵两大部分：阴离子-蛋白亲密关系对统计资料库、细胞核-细胞核通讯图表预测辅助工具（R包）邮箱：http://www.cellchat.org/
1、CellChatDB（阴离子-蛋白亲密关系对统计资料库）该统计数据资源牵涉人类文明与跳蚤两个亚种，涵盖了2021对阴离子-蛋白亲密关系对，搜寻时能依照亚种和孔道（绝大多数为阴离子或是蛋白家族企业）展开甄选适当的阴离子-蛋白亲密关系对。
完备的统计数据能从GitHub中浏览：
2、CellChat R包预测辅助工具：Lembeye统计数据集依照其得出的讲义展开R包的加装和统计数据的预测，其整个预测业务流程的标识符都能在参照讲义中找到（我们能仔细分析自己的统计数据与预测去扒标识符呦~），所以接下去主要如是说该R包能同时实现什么样机能和结果相片如是说（以该R包讲义中的人类文明眼部原生动物核统计数据为例）：
2.1 推测与排序整体的细胞核-细胞核通讯网络CellChat如前所述质量作用运动定律，结合原生动物核抒发谱与未知的阴离子、蛋白和它们的辅因子（也能称为直链大分子多肽，其防止了只使用两个阴离子/两个蛋白DNA对而忽视了许多蛋白做为多核糖体多肽来行使职权机能的问题）
来排序细胞核-细胞核通讯的机率值（也能认知为SMF气压）进一步透过阴离子-蛋白的SMF机率与反气旋检测来辨识明显SMF的阴离子-蛋白亲密关系对然后透过加和细胞核类别间明显SMF的阴离子-蛋白亲密关系对数量或是气压来排序资源整合的细胞核-细胞核通讯网络。
点和线的色调都代表者其适当的细胞核类别，线的厚薄代表者该细胞核类别做为讯号sender向其他细胞核类别发射的讯号气压2.2 可视化细胞核-细胞核通讯网络这部分的结果有多种展现形式：层次型网络图、圆形网络图、和弦图、热图。
1）CellChat透过总结与每个讯号孔道相关的所有阴离子-蛋白相SMF用的通信机率来排序讯号孔道水平上的通信机率
层次图提供了两个直观的方法来可视化通常复杂讯号的细节,包括:(i)清晰可见的sender和receiver细胞核群；(ii)易于辨识的方向性和讯号的机率；和(iii)旁分泌和自分泌讯号连接。
2）进一步继续探究与展现阴离子-蛋白亲密关系对对某孔道讯号的贡献度和其在不同细胞核类别间的SMF气压
3）除此之外，可视化多对阴离子-蛋白或讯号孔道介导的细胞核间通讯，探究细胞核类别间细阴离子-蛋白SMF气压或是阴离子蛋白DNA抒发水平的特征（共性或是差异性）
2.3 整体性地预测细胞核-细胞核通讯网络2.3.1 Cellchat使用加权有向网络的测量方法，包括出度、入度、流间性和信息中心性，分别辨识细胞核间通信的主要发送者（senders）、接收者（receivers）、中介者（mediators）和影响者（influencers）
。此外，其还进一步探究每两个讯号孔道对于细胞核-细胞核通讯的贡献。1）可视化网络中心性分数
2）在二维空间中可视化主要的senders与receivers
3）确定对某些细胞核群的输出（outgoing）或输入（incoming）讯号贡献最大的孔道
2.3.2 除了探究单个讯号孔道的详细交流外，两个重要的问题是多个细胞核群和讯号孔道如何协调运作，CellChat采用模式辨识方法来辨识全局通信模式1）当细胞核为sender时的输出（outgoing）讯号模式。
当输出讯号模式的数量为3时，Cophenetic和Silhouette的值开始突然下降。所以在这里选取模式数量为3（其实类似于聚类的cluster数量），然后分别对细胞核类别与讯号孔道展开聚类。
当细胞核为receiver时的输入（incoming）讯号模式能重复上述的操作2）讯号孔道的模块相似性预测此外，CellChat能够量化所有重要讯号孔道之间的相似性，然后根据它们的细胞核通讯网络相似性对它们展开分组。
分组能如前所述机能或结构相似性
3、CellChat R包预测辅助工具：多套统计数据集在绝大多数的原生动物核研究中，上述的细胞核-细胞核通讯预测足能胜任了除了原生动物核统计数据集的预测模块外，该R包还包涵多统计数据集的比较预测来描绘保守的和背景特异的细胞核通讯孔道。
（例如，探索正常与疾病状态下细胞核类别间的细胞核通讯的异同），涵盖了具有类似的细胞核组成与不同的细胞核组成两种情况多套统计数据集的图形输出模式与类别与Lembeye统计数据集类别，只不过在此抒发的是差异程度在这部分就展现部分结果，感兴趣的小伙伴能自行了解。
在这依然使用人类文明眼部的原生动物核测序统计数据，其中NL为眼部正常状态的原生动物核统计数据集，而LS为眼部疾病状态1）两种眼部状态下整体阴离子-蛋白SMF对数量的差异
2）两种眼部状态下孔道水平上的细胞核-细胞核通讯差异3）两种眼部状态下细胞核类别扮演角色的差异（主要的sender、receiver）4）两种眼部状态下保守和状态特异的讯号孔道模式5）两种眼部状态下保守和状态特异的讯号孔道
6）两种眼部状态中差异的阴离子-蛋白SMF总之，CellChat R包是两个通用的、易于使用的辅助软件包，用于从任何给定的scRNA-seq统计数据推测、预测和可视化细胞核-细胞核通信，主要包括刻画细胞核类别间的阴离子-蛋白SMF蓝图和从四个水平来预测：细胞核类别水平来辨识主要的senders或是receivers、通络水平辨识贡献于细胞核通讯最大的讯号孔道、大分子水平辨识贡献最大或是差异的阴离子-蛋白互作、不同背景水平下辨识保守与特异的细胞核-细胞核通讯。
