④-2单细胞学习-cellchat单数据代码补充版（通讯网络）

目录

通讯网络系统分析

①社会网络分析

1，计算每个细胞群的网络中心性指标

2，识别细胞的信号流模式

②非负矩阵分解（NMF）识别细胞的通讯模式

1，信号输出细胞的模式识别

2，信号输入细胞的模式识别

信号网络的流行学习与分类

①功能相似性

②结构相似性

为了便于解释复杂的细胞间通信网络，CellChat 通过从图论、模式识别和流形学习中抽象出来的方法对网络进行定量测量。

• CellChat可以使用网络分析中的中心性度量来确定给定信号网络内的主要信号源和目标以及中介和影响者
• CellChat可以利用模式识别方法预测特定细胞类型的关键传入和传出信号以及不同细胞类型之间的协调反应。
• CellChat可以通过定义相似性度量并从功能和拓扑角度执行多种学习来对信号通路进行分组。
• CellChat可以通过多个网络的联合流形学习来描绘保守的和特定于上下文的信号通路。

关于cellchat的流程图在进行细胞交互分析的时候，不同分组的样本尽量不要一起进行分析，想要一起分析的时候需要保证不同分组间的细胞种类一致。同一分组的不同生物学重复可以一起分析。

单细胞分析之细胞交互-3：CellChat - 简书 (jianshu.com)

---

通讯网络系统分析

①