CellChat
（a）：手動建立CellChat受配體數(shù)據(jù)庫。CellChatDB考慮了已知的配體受體復合物的組成，包括配體和受體的多聚復合物，以及幾種輔助因子類型:可溶性激動劑、拮抗劑、共刺激和共抑制膜結(jié)合受體。CellChatDB包含2021種已驗證的L-R 對，包括60%的分泌相互作用（secreting interactions）。 此外，有48%的相互作用涉及異質(zhì)分子復合物。
（b）：單細胞數(shù)據(jù)輸入與預處理。CellChat將細胞的基因表達數(shù)據(jù)和細胞注釋的meta信息（也可以運行無標簽模式）作為輸入，預處理會先在每個類群細胞中鑒定過表達的基因。
（c）： 細胞通訊模型計算。CellChat對通信概率進行建模，并識別重要通信。① 交叉引用配體-受體相互作用數(shù)據(jù)庫；②使用質(zhì)量作用定律（law of mass action）定量細胞通訊概率；③ 推斷統(tǒng)計學和生物學上顯著的細胞通信。
（d）：細胞通訊結(jié)果可視化提供了三種模式：層次圖（hierarchy plot）， 圈圖 (Circle plot)，氣泡圖（bubble plot）
（e）：細胞通訊模式分析。 CellChat通過圖論、模式識別和流形學習等方法對網(wǎng)絡進行定量測量，從而更好地解釋細胞間通信網(wǎng)絡。使用網(wǎng)絡中心性分析識別細胞的信號角色，發(fā)現(xiàn)主要的細胞通訊模式，信號通路拓撲和功能相似性的分類。除了分析單個數(shù)據(jù)集，CellChat 還可以跨不同條件識別共享的和特定于上下文的信號，如不同的發(fā)育階段和生物條件。
