大家好呀！今天為大家解讀的是一篇于2021年1月17日發表于nature communications的文章，題目為Inference and analysis of cell-cell communication using CellChat，本文詳細介紹了CellChat在配受體以及輔助因子方面的作用原理，并對不同信號傳導通路進行分類，作者還上線了工具包CellChat和基于Web的資源管理器（http://www.cellchat.org/） ，幫助大家更好的進行細胞通訊間的分析。
背景介紹
單細胞測序通過在單個細胞分辨率下進行測序，可以對細胞類型進行詳細分類，并預測細胞分化軌跡，但在探索細胞通訊方面的能力依然有限。
當前已經開發了幾種方法用于在scRNA-seq數據中推斷細胞間的通訊關系，例如 SingleCellSignalR，iTALK和NicheNet，但這些方法只使用一個配體/受體基因對，常常忽略了許多受體中的多亞基復合物的作用。例如，來自 來自TGFβ途徑的可溶性配體通過I型和II型受體的異聚復合物發出信號。為了解決該問題，開發的 CellPhoneDB v2.0 可以預測兩個細胞群之間的信號相互作用。但是，并未考慮其他重要的信號輔助因子，包括可溶性激動劑，拮抗劑以及刺激性和抑制性的膜結合型共受體。
作者開發的 CellChat是一個開源R包（https://github.com/sqjin/CellChat），用于從scRNA-seq數據推斷，可視化和分析細胞間的通訊。首先作者手動建立了一個信號分子相互作用的數據庫，充分考慮了配體-受體相互作用的已知結構組成，例如多聚體配體-受體復合物，可溶性激動劑和拮抗劑，以及刺激性和抑制性膜結合型共受體。接下來，CellChat使用質量作用模型，以及對細胞組的差異表達分析和統計測試，在給定的scRNA-seq數據內推斷細胞狀態特定的信號通訊。CellChat還提供了多個可視化輸出，并通過社交網絡分析工具，模式識別方法和多種學習方法對細胞間通訊進行定量表征和比較。
結果分析
1.CellChat概述
CellChat將細胞的基因表達數據作為輸入，并結合配受體及其輔助因子的相互作用來模擬細胞間通訊（圖1a）。為了建立細胞間通訊，CellChat可以在基于標簽和無標簽的模式下運行（圖1b）。在輸入數據后，CellChat通過以下三個模塊對細胞間通信進行建模：（1）交叉引用配體-受體相互作用數據庫；（2）細胞間通訊的推斷和可視化；（3）細胞間通訊的定量分析。
圖1 CellChat流程圖
2.CellChat可以識別通訊模式并預測研究不充分的通路的功能
作者利用最近發表的胚胎發育和成年傷口愈合階段的小鼠皮膚scRNA-seq數據來展示CellChat的功能。作者首先在第12天的小鼠皮膚傷口組織的scRNA-seq數據集上運行CellChat分析。該數據集包含21,898個細胞，這些細胞分為25個細胞組，包括9個成纖維細胞（FIB），5個骨髓（MYL）和6個內皮（ENDO）組以及其他幾種細胞類型，例如T細胞（TC），B細胞（BC），樹突狀細胞（DC）和淋巴管內皮細胞（LYME）。
CellChat在25個細胞亞群中發現60個重要的配體-受體對，并且分布在25個信號傳導通路中，包括TGFβ，非經典WNT（ncWNT），TNF，SPP1，PTN，PDGF，CXCL，CCL和MIF途徑。根據網絡中心性分析發現，髓樣細胞是作用于成纖維細胞的TGFβ配體的最主要來源（圖2a，b）。CellChat還預測，某些內皮細胞亞群以及成纖維細胞亞群都是已知的TGFβ配體來源，它們在傷口中以髓樣為主的TGFβ信號產生中發揮了重要作用。值得注意的是，在所有已知的配體-受體對中，傷口的TGFβ信號主要由Tgfb1配體及其多聚體Tgfbr1 / Tgfbr2受體控制（圖2c）。FIB-D細胞高表達了Crabp1，并富集細胞周期相關基因，這可能表示傷口真皮中Crabp1陽性細胞是一種細胞周期活躍的細胞。
此外，CellChat能夠量化所有重要信號通路之間的相似性，然后根據細胞通訊網絡的相似性對其進行分組。
圖2 修復過程中皮膚細胞之間通訊的CellChat分析
3.CellChat揭示了連續細胞譜系相關的信號事件
CellChat還用于沿偽時間軌跡的連續細胞狀態，并且作者在胚胎日E14.5小鼠皮膚上使用scRNA-seq數據進行證明。首先使用UMAP圖對真皮和表皮胚胎皮膚細胞進行偽時序分析，發現末端皮膚細胞可以分為7個細胞亞群，包括5個成纖維細胞狀體和2個DC狀態。這些軌跡的線性順序概括了胚胎表皮成纖維細胞譜系的連續變化（圖3a,b）。
然后作者預測了88對重要的配體-受體相互作用分布在22種信號通路中，包括WNT，ncWNT，TGFβ，PDGF，NGF，FGF和SEMA3。然后作者通過運行CellChat模式識別模塊來揭示皮膚形態發生過程中的關鍵順序信號事件。
圖3 將CellChat應用于沿偽時間軌跡的連續細胞狀態
4.CellChat預測空間共定位細胞群之間的關鍵信號事件
為了進一步證明CellChat的預測性質， 作者研究了E14.5真皮濃縮物（DC）和上皮斑細胞（placode）之間的信號傳遞，因為這些細胞在胚胎毛囊形成的初始階段在空間上共定位并彼此主動發出信號，并識別出三個DC狀態（pre-DC，DC1和DC2），以及一個上皮斑狀態。對這4種細胞進行CellChat分析發現，可以確定上皮斑細胞作為細胞間的hub細胞， 分別通過44和19個配體-受體對分泌和接收信號（圖4b）。對于早期毛囊形態發生中的另一個主要信號傳導途徑-經典的WNT，上皮斑細胞是配體的主要來源（圖4c），主要表達自分泌的Wnt3和Wnt6。通過系統地研究預測的placode-to-DC信號，作者發現了21個配體受體對，它們涉及DC形成過程中的WNT，TGFβ，SEMA3，PTN，PDGF，MK和FGF信號通路。
圖4 CellChat在空間共定位細胞群之間的通訊中的應用
5.時間過程的scRNA-seq數據的聯合學習以發現動態交流模式
接下來，作者演示如何將CellChat應用于研究同一組織中不同時間的細胞間通訊。作者對來自E13.5天和E14.5天20的兩個胚胎小鼠皮膚scRNA-seq數據集進行了組合分析。E13.5和E14.5數據集的無監督聚類確定了E13.5和E14.5處的11個皮膚細胞種群以及E14.5特有的另外2個種群（即真皮DC和表皮細胞）。然后作者根據不同數據集的功能相似性對推斷的通訊網絡進行分類，發現聯合學習能夠識別經歷胚胎階段依賴性變化的信號傳導途徑。
圖5 不同皮膚發育階段之間的表皮-真皮通訊的比較分析
6.聯合識別兩個皮膚狀態之間的保守和狀態特異的通信模式
作者使用CellChat比較了兩個scRNA-seq數據集之間的細胞通訊模式，一個來自胚胎期E13.5皮膚，另一個來自成年12天傷口皮膚（圖6a）。這兩個數據集雖然來自相同物種的相同組織（皮膚），并且包含某些相同的主要細胞類型（如成纖維細胞），但他們卻來自截然不同的生物學環境--胚胎形態發生與傷口誘導的修復。
圖6 識別兩個皮膚狀態之間的保守和狀態特異的通信模式
7.聯合學習發現病變皮膚主要信號變化
最后作者使用CellChat對進行發表的皮膚單細胞數據集進行分析，觀察受傷和正常部位的信號變化。作者發現在病變皮膚中富含炎癥相關的免疫細胞，包括DC和T細胞。使用CellChat對不同細胞亞群間的通訊網絡進行分析，包括成纖維細胞(4個亞群: APOE?+?FIB, FBN1?+?FIB, COL11A?+?FIB, and Inflam.FIB), DCs (4個亞群: cDC1, cDC2, LC, and Inflam.DC), 和TCs (4個亞群: TC, Inflam.TC, CD40LG?+?TC and NKT)。并且CellChat確定配體-受體對CCL19-CCR7是最重要的信號傳導，有助于從Inflam.FIB到Inflam.DC的通訊（圖7d-f）。還發現配體CXCL12及其受體CXCR4在病變皮膚中具有很高的活性，特別是對于從Inflam.FIB到cDC2和Inflam.DC的信號傳遞（圖7d ）
圖7.識別患病皮膚中主要信號的變化
參考文獻
Jin, S., Guerrero-Juarez, C.F., Zhang, L.et al.Inference and analysis of cell-cell communication using CellChat.Nat Commun12,1088 (2021).https://doi.org/10.1038/s41467-021-21246-9
作者：呆呆聊生信
鏈接：http://www.lxweimin.com/p/68f568d46371
