CellChat 源码解读

从配体-受体数据库到细胞间通讯推断的完整管线

梳理 CellChat 的 CellChatDB 数据库结构、CellChat 对象定义、computeCommunProb 核心算法（Hill 函数 × 多因素乘积 × 置换检验）以及高层网络分析。
single-cell
cellchat
R
bioinformatics
cell-communication
Author

Liripo

Published

June 4, 2026

Modified

June 4, 2026

1 引言

单细胞转录组能告诉你这里有哪些细胞类型，但没法直接回答这些细胞之间是怎么对话的。

CellChat 的做法是：拿一张单细胞表达矩阵，对照一份手工整理的配体-受体数据库，推断出不同细胞群之间谁在给谁发信号、用什么通路、强度多大。

https://github.com/jinworks/CellChat

2 CellChatDB 数据库

2.1 四张表

CellChatDB 是一个 list，包含四个 data.frame：

CellChatDB
├── interaction    ← 核心：配体-受体互作关系
├── complex        ← 复合物：多亚基配体/受体的亚基组成
├── cofactor       ← 辅因子：激动剂、拮抗剂、共受体的组成
└── geneInfo       ← 基因注释：官方符号、定位、功能关键词

showDatabaseCategory() 函数显示人类数据库的分布：

类型 中文名称 是否需接触 信号范围 功能方向
Secreted Signaling 分泌型信号 否 远程 发育、免疫、系统调节
ECM-Receptor 细胞外基质-受体信号 否 局部 结构支持、黏附、迁移
Cell-Cell Contact 细胞-细胞接触信号 是 临近 发育、干细胞分化、边界形成
Non-protein Signaling 非蛋白信号 否/是 多变 炎症、代谢调控、环境应答

官方建议排除 Non-protein Signaling，原因是计算模型跟蛋白信号不一样，混在一起会影响结果。

2.2 interaction 表

每行是一个 L-R 对。dplyr::glimpse(CellChatDB.human$interaction) 可以看到完整结构，关键字段如下：

列名 中文名称 说明
interaction_name 互作名称 用 _ 连接的配体和受体组合，例如 TGFB1_TGFBR1_TGFBR2
pathway_name 通路名称 所属信号通路名称，如 TGFb、WNT 等
ligand 配体名 配体标识（可能为组合）
receptor 受体名 受体标识（可能为组合）
agonist 激动剂 指出该通路中已知的激动剂
antagonist 拮抗剂 指出该通路中已知的拮抗剂
co_A_receptor 辅助激动型受体 协助激活信号的共同受体
co_I_receptor 辅助抑制型受体 协助抑制信号的共同受体
evidence 支持证据 来源数据库或文献，如 KEGG: hsa04350、PMID 等
annotation 互作分类 Secreted Signaling 等四类
interaction_name_2 格式化互作名称 更清晰可读的互作表达，例如 TGFB1 - (TGFBR1+TGFBR2)，用于展示
ligand.symbol 配体符号 配体的 HGNC 基因符号
receptor.symbol 受体符号 多个受体基因符号（逗号分隔）

2.3 complex 表

interaction 中配体（ligand）和受体（receptor）的组成：可能是单个基因，也可能是复合物（complex）。

举个例子，复合物 Activin AB 查 complex 表就知道它包含亚基 INHBA 和 INHBB。计算表达时会取这些亚基的几何平均。任何一个亚基表达为零，整个复合物就失活——这个设计在生物学上是合理的。

2.4 cofactor 表

配体/受体调节因子（cofactors）数据库。interaction 里 agonist、antagonist、co_A_receptor、co_I_receptor 四列对应的信息：

术语 作用类型 说明
agonist 激动剂 增强主配体-受体相互作用的分子，与主配体协同激活
antagonist 拮抗剂 抑制主配体-受体作用的分子，常与受体竞争结合
co_A_receptor 协同激活受体 除主受体外，另一个必需的受体亚基，缺失则信号不能传导
co_I_receptor 协同抑制受体 一个受体亚基，但抑制信号传导，常与主受体共同存在以调节反应强度

2.5 geneInfo 表

列名 含义
EntryID.uniprot UniProt 的唯一标识符（如：P01137）
Symbol 基因的标准缩写符号（如：TGFB1、EGF），CellChat 数据中配体和受体的名称主要基于此列
Synonym 基因的其他常用名称或别名
Reviewed 该条目是否为 UniProt Reviewed（Swiss-Prot 人工校对数据）
EntryName UniProt Entry 名称
ProteinName 蛋白的全名或描述性名称
Keywords 与该蛋白相关的关键词
Location 蛋白在细胞中的主要定位（细胞膜、细胞外等）
AntibodyName 对应该蛋白的抗体名称（如果有）

Symbol 用来跟 interaction$ligand / interaction$receptor 做匹配；Reviewed == TRUE 的数据质量更可靠。

3 原理解读

CellChat 的分析管线大致分六步：

  1. 过滤不在数据库里的基因
  2. 识别每个细胞群的 marker
  3. 识别过表达的配体-受体（LR）相互作用对（即配受体的基因在 marker 基因中）
  4. 推断不同细胞群之间通过配体-受体对发生的潜在通信
  5. 将所有属于同一个信号通路的 L-R 对的通信概率加起来，得到该通路上的通信强度
  6. 统计交互次数（数量）以及计算总通信概率（权重）

下面重点拆第 4 步的 computeCommunProb。

flowchart TD
    A["表达矩阵"] --> B["过滤非数据库基因"]
    B --> C["识别每个细胞群的 marker"]
    C --> D["识别过表达的 LR 对"]
    D --> E["computeCommunProb<br>通讯概率"]
    E --> F["computeCommunProbPathway<br>通路水平聚合"]
    F --> G["aggregateNet<br>交互次数 & 权重"]
    G --> H["netAnalysis_computeCentrality<br>中心性分析"]
    G --> I["identifyCommunicationPatterns<br>NMF 模式识别"]
    H --> J["可视化<br>弦图 / 气泡图 / 热图"]
    I --> J

3.1 第一步：计算每个细胞群每个基因的平均表达量

为了降低单细胞数据的噪音干扰，这里没有直接用算术平均，而是用了统计稳健平均：

\[EM = \frac{1}{2}Q_2 + \frac{1}{4}\left( Q_1 + Q_3 \right)\]

\(Q_1\)、\(Q_2\)、\(Q_3\) 分别是第一、第二、第三四分位数。这相当于在中位数和均值之间做了个折中——对离群值不敏感，但比纯中位数保留了更多分布信息。

遇到复合体时，用几何平均合并亚基表达：

\[\text{Expr(complex)} = \sqrt[N]{\prod_{i=1}^{N} \text{Expr(subunit}_i)}\]

任何亚基表达为零，复合物就失活。

3.2 第二步：共刺激/共抑制受体调节

利用 cofactors 信息修正受体表达。对于有多个共刺激受体的 L-R 对，计算它们的平均表达量，用线性函数来做正向或负向调节。

3.3 第三步：计算通讯概率

对每一对细胞群（发送群 A → 接收群 B）和每一个 L-R 对：

# 1. 配体与受体表达量的外积
# L[j] × R[k]：配体在细胞群j的表达 × 受体在细胞群k的表达
dataLR[j, k] = L[j] * R[k]

# 2. Hill 函数将 dataLR 映射到 [0, 1] 的概率值
# Kh（半最大效应浓度，默认 0.5）
#   - dataLR << Kh → P1 ≈ 0（几乎无信号）
#   - dataLR = Kh → P1 = 0.5（半最大概率）
#   - dataLR >> Kh → P1 ≈ 1（信号饱和）
# n（Hill系数，默认 1）：n 越大曲线越陡，接近开关行为
P1 <- dataLR^n / (Kh^n + dataLR^n)

# 3. 激动剂调制：有激动剂时增强信号
#    用 Hill 函数把激动剂表达量映射到 [0, 1]，再加 1 避免小于 1
#    当前 L-R 对没有激动剂记录时 P2 = 1
P2 <- 1 + agonist_expr^n / (Kh^n + agonist_expr^n)

# 4. 拮抗剂调制：有拮抗剂时抑制信号
#    用 Hill 函数的互补形式：表达量越高 → 值越接近 0
#    当前 L-R 对没有拮抗剂记录时 P3 = 1
P3 <- Kh^n / (Kh^n + antagonist_expr^n)

# 5. 空间约束：非空间数据下 P.spatial 全部为 1
Pnull = P1 * P2 * P3 * P.spatial

3.4 置换检验

通讯概率算出来之后还需要回答一个问题：这个概率是真实的信号，还是随机噪音？

做法是打乱细胞类型标签，破坏真实的细胞群结构，重新跑一遍通讯概率计算。重复 nboot = 100 次，每次得到一个随机化的概率分布：

# 简化示意：实际循环 100 次，每次打乱标签后重算
for (i in 1:100) {
  shuffled_labels <- sample(cell_labels)                     # 打乱
  shuffled_prob   <- compute_prob(data, shuffled_labels)     # 重算
  null_dist[i]    <- shuffled_prob
}

# 真实概率在零分布中的位置 → p 值
p_value <- sum(null_dist >= observed_prob) / nboot
  • p 值越小，说明真实概率越不太可能是随机噪音
  • 默认 nboot = 100，对于严格的使用可以提高到 500 或 1000
  • 结果存在 net$pval 里，跟 net$prob 维度相同