CrossChat·检测细胞间通信中的全局和局部层次结构

细胞间通讯（CCC）在多细胞生物的发育、维持稳态和疾病响应中扮演着关键角色。传统分析方法常局限于预定义的细胞类型，并且只关注单一尺度的细胞间通讯，这忽略了由配体和受体基因表达所定义的细胞内在层次结构，且无法捕捉多尺度细胞状态和跨尺度通讯模式。

为了克服这些限制，我们推出了CrossChat，这是一种新的方法，它利用单细胞和空间转录组数据全面解析CCC的全局和局部层次结构，揭示跨尺度的细胞群体通讯机制。

算法流程：

1. 数据输入与预处理：输入基因表达矩阵，根据需要对原始计数矩阵进行对数归一化，也可直接使用归一化矩阵。

2. 全局和局部层次结构分析

2.1 CrossChatH：全局层次结构分析

• 细胞间相似性计算：通过余弦相似性计算细胞间的相似性矩阵，构建K近邻图，节点代表细胞，边权重表示相似性。

• 层次聚类：使用随机游走算法（PyGenStability）在不同分辨率下检测细胞群落，构建细胞层次聚类树。

• 配体-受体簇检测与通讯计算：根据层次聚类树定义配体簇和受体簇，并使用CellChat计算不同细胞簇之间的配体-受体通讯活动。

2.2 CrossChatT：局部层次结构分析

• 基因关系图构建：基因表达矩阵二值化以构建支持矩阵，仅保留配体和受体基因；连接满足“不相交”或“包含”关系的基因对，生成基因关系图。

• 树结构检测：利用Bron-Kerbosch算法在基因关系图中寻找最大完全子图，每个子图表示一个配体或受体的树状层次结构。检测配体树和受体树之间是否存在配体-受体关系，并计算相关的局部通讯活动。

3. 下游分析与结果可视化

• 通路相似性分析：计算配体/受体在层次簇中的分布相似性，从而对信号通路进行分组分析。

• 交互关系可视化：展示多个配体树和受体树之间的交互关系，为配体-受体通讯提供全局视角。

• 基因重要性评估：统计配体/受体基因在所有树结构中出现的频率，量化其在层次结构中的重要性。

优势：

1. 无需预定义细胞类型，直接从基因表达构建层次结构。

2. 结合全局和局部层次视角，更全面揭示细胞间通讯复杂性。

3. 提供灵活的下游分析工具，从多个角度解读细胞通讯的层次结构。

参考文献：Nature Communications volume 15, Article number: 10542 (2024)