单细胞分析实录(18): 基于CellPhoneDB的细胞通讯分析及可视化 (上篇)

细胞通讯分析可以给我们一些细胞类群之间相互调控/交流的信息，这种细胞之间的调控主要是通过受配体结合，传递信号来实现的。不同的分化、疾病过程，可能存在特异的细胞通讯关系，因此阐明这些通讯关系至关重要。

CellPhoneDB配有详实的受配体数据库，其整合了此前的公共数据库，还会手动矫正，以得到更加准确的受配体注释。此外，针对受配体有多个亚基的情况，也进行了注释。下面这张图显示了CellPhoneDB配有的数据库包含多少种分泌蛋白和膜蛋白、蛋白质复合物、受配体关系，以及它们来源于什么数据库。

1. CellPhoneDB推断细胞通讯的原理

在给定表达矩阵和细胞注释之后，对于gene1-gene2这个互作关系，计算某一个clusterA里面gene1的表达均值，计算另一个clusterB中gene2的表达均值，二者的均值为MEAN；在随机更换细胞的label之后，依据新的标签，计算“clusterA”里面gene1的表达均值，"clusterB"中gene2的表达均值，再求一个平均值mean，这样的过程重复多次，就可以得到一个mean的分布，即null distribution。MEAN在这个分布中所在的位置以及更极端的位置，构成的占比，就是p值（p值的定义）。所以CellPhoneDB推测两种细胞类型之间显著富集的受配体关系，本质上还是基于一个细胞类型里面的受体表达量，以及另一种细胞类型里面的配体表达量。此外，如果某种关系无处不在（在所有细胞类型之间都很明显），则找不出来。

此外还有几个需要注意的地方：

大样本时会下采样，只分析1/3的细胞
多个亚基时考虑表达低的那一个亚基
表达占比达到一定阈值的基因才会被分析，默认是10%

2. 如何展示结果

这是原文献给的可视化例子，这里有两个地方需要注意：

右边的热图表示细胞类型两两之间的相互作用的数量，我们可以看到沿着对角线，左右是对称的，也就是A-B与B-A的互作数目是一样的，为什么会这样？
左边是具体受配体对，细胞对的互作气泡图，点的大小表示显著水平，颜色则是The means of the average expression level of interacting molecule 1 in cluster 1 and interacting molecule 2 in cluster 2 注意到了吗，说的是interacting molecule 1/2，而没有说哪一个是受体哪一个是配体。

原因都和CellPhoneDB内置的gene-gene互作关系列表有关。CellPhoneDB区分不了受体还是配体，对于gene1-gene2，可以是gene1配体gene2受体，也可以是gene1受体gene2配体（如下图）。我个人觉得也是由于这个原因，右边那个热图为了说起来方便，才把不管做受体还是做配体的关系都算作是两种细胞的互作关系，因此A-B和B-A在热图中的数值是一样的（不然横纵坐标写个interacting molecule，看到的人自然会问，这个分子是受体还是配体呢，加一起就省事了——都包含）。

这一点，github有提到：

也是这个原因，我看到文章如果用了CellPhoneDB的话，会留意它的图，如果是用有向图表示细胞群两两之间的关系数量，我会想这样做合不合适（当然是不合适的）

3. 实际分析

公众号后台回复20210723获取本次演示的测试数据，以及主要的可视化代码。

3.1 输入文件的格式

注释文件

一共两列，Cell列cell_type列，有列名；.csv, .txt后缀都行

表达文件

normalize之后的矩阵，一般简单相除normalize一下就行；.csv, .txt后缀都行

3.2 运行

软件的安装这里就不讲了，创建一个conda环境，pip install下载安装就可以了

运行CellPhoneDB的主代码很简单：

source /home/huangsiyuan/miniconda3/bin/activate cpdb

file_count=/home/huangsiyuan/cpdb/test_normat.txt

file_anno=/home/huangsiyuan/cpdb/test_anno.txt

outdir=/home/huangsiyuan/cpdb/test

if [ ! -d ${outdir} ]; then

  mkdir ${outdir}

fi

cellphonedb method statistical_analysis  \

            --counts-data hgnc_symbol \

            --output-path ${outdir} \

            --threshold 0.01 \ #Percentage of cells expressing the specific ligand or receptor

            --threads 10 \

            ${file_anno} ${file_count}

source /home/huangsiyuan/miniconda3/bin/deactivate cpdb

#如果细胞数太多，可以添加下采样参数，默认只分析1/3的细胞

#--subsampling

#--subsampling-log true #对于没有log转化的数据，还要加这个参数

这一步之后在test文件夹里面会生成4个文件

deconvoluted.txt

means.txt

pvalues.txt

significant_means.txt

其中，

means.txt行是受配体pair，列是细胞pair，值为受体、配体在相应的cluster中表达均值的平均数；
pvalues.txt格式与means.txt类似，值为p值；
significant_means.txt格式和内容都与means.txt类似，不过仅保留了p值小于0.05的平均数。

4. 结果的可视化

在这一步中，我一般只用到上述的means.txt和pvalues.txt文件

我们还是先仿照文献原文，画出那两张图

library(tidyverse)

library(RColorBrewer)

library(scales)

pvalues=read.table("./test/pvalues.txt",header = T,sep = "\t",stringsAsFactors = F)

pvalues=pvalues[,12:dim(pvalues)[2]] #此时不关注前11列

statdf=as.data.frame(colSums(pvalues < 0.05)) #统计在某一种细胞pair的情况之下，显著的受配体pair的数目；阈值可以自己选

colnames(statdf)=c("number")

#排在前面的分子定义为indexa；排在后面的分子定义为indexb

statdf$indexb=str_replace(rownames(statdf),"^.*\\.","")

statdf$indexa=str_replace(rownames(statdf),"\\..*$","")

#设置合适的细胞类型的顺序

rankname=sort(unique(statdf$indexa))

#转成因子类型，画图时，图形将按照预先设置的顺序排列

statdf$indexa=factor(statdf$indexa,levels = rankname)

statdf$indexb=factor(statdf$indexb,levels = rankname)

statdf%>%ggplot(aes(x=indexa,y=indexb,fill=number))+geom_tile(color="white")+

  scale_fill_gradientn(colours = c("#4393C3","#ffdbba","#B2182B"),limits=c(0,20))+

  scale_x_discrete("cluster 1 produces molecule 1")+

  scale_y_discrete("cluster 2 produces molecule 2")+

  theme_minimal()+

  theme(

    axis.text.x.bottom = element_text(hjust = 1, vjust = NULL, angle = 45),

    panel.grid = element_blank()

  )

ggsave(filename = "interaction.num.1.pdf",device = "pdf",width = 12,height = 10,units = c("cm"))

这里与文献中图不一致的地方是，我这个图并不是关于对角线对称的，因为我没有将A-B，B-A的互作关系求和

举个例子

在CellPhoneDB输出的结果中，经统计，A-B有10个显著的互作关系，B-A有20个显著的互作关系【①】。然而A-B的互作其实包含A做配体8次,A做受体2次，B-A的互作其实包含B做配体19次,B做受体1次，所以严格来讲，A和B两种细胞互作，A做配体9次，B做配体21次【②】，这些信息是CellPhoneDB给不了的。当然互作关系还是共计30次【③】。

换言之，文献中对称的图给的信息③，我上面那个图给的信息①，信息②是不知道的（如果肉眼一个一个去看CellPhoneDB数据库中gene1-gene2哪个是受体哪个是配体，还是可以统计出来的）。

因本文篇幅较长，余下的可视化部分将在下一篇展示，敬请期待~

参考文献

[1] Efremova M, Vento-Tormo M, Teichmann S A, et al. CellPhoneDB: inferring cell–cell communication from combined expression of multi-subunit ligand–receptor complexes[J]. Nature protocols, 2020, 15(4): 1484-1506.

因水平有限，有错误的地方，欢迎批评指正！