细胞通讯根据不同细胞群、不同空间区域基因表达的特征，分析两者之间特异的配受体对，以此来代表细胞类型或者空间区域之间的通讯。空间转录组配受体（Spatial Transcriptomics Ligand-Receptor）分析，可以从空间转录组数据中分析配受体对的空间分布特征，揭示细胞之间在空间区域的相互交流，最终研究不同细胞类型之间的空间调控网络。

详细的概念我们就不在多说，我们在分析一下空间通讯的该如何使用。

首先是我们常用的软件cellphoneDB

目前引用率最高的软件，单细胞分析细胞类型通讯的“神器”，当然，运用到空间，则是不同区域之间的通讯交流，我们以10X官网数据为例展示。首先是对空间数据聚类后的cluster之间的通讯分析，也就是不同区域的通讯分析，如下图：

图片.png
图上展示的是一些配受体对在各个cluster之间的交流，这里再强调一下，这里的通讯指的是不同cluster（空间区域）的通讯，细胞通讯最好还是要进行注释，方法的运用要结合我们的数据实际情况。
接下来是分析2，通讯热图：
图片.png
通讯热图告诉我们的是，不同处理之间通讯强度的变化，这里我们需要注意，都是进行注释过才有的结果，运用到空间，我们可以注释为组织区域，查看不同区域在不同处理之后通讯发生的变化。
分析3，特异配受体的空间位置分布（下面为一个例子）：
图片.png
图片.png
从图上看，配体CD74的表达主要集中在正常组织区域。然而接收信号的受体表达确实整个区域，说明肿瘤区域和正常区域一样，接受正常区域表达CD74传递的信号，但是肿瘤区域本身却不表达CD74，不主动传递CD74_COPA的信号，这个配受体对主要是用来调节蛋白分子的活性，而CD74对于肿瘤的研究也特别重要，大家可以查一下，并且运用相同的方法到自己的数据中。
分析点4，细胞通讯的方向性：
图片.png
图片.png
图上展示的是通讯的方向性，各个方向，也就是同一区域对组织的其他区域的通讯能力是不一样的，再结合形态学的特征，可以从中挖掘出很有意思的东西，以上图为例，肿瘤区域内部的交流明显高于肿瘤和正常区域之间的交流，这些交流的特点，分布，是否具有一致性，等等等等，可以延伸出很多需要分析的地方。
今天我们就不过多赘述分析方法和结论，大家要结合自己的实例问题具体分析。

接下来是空间通讯分析的软件stlearn

很多人问我说这个软件该怎么用，我只能说，大家的生信水平提升的空间很大。
stLearn是专门用于分析空间通讯的一种方法，可以将细胞类型的空间分布和配受体对（L-R : Ligand-Receptor）相互结合起来，寻找配受体对“交流”的区域特异性。该软件引入了三种主要的分析模式，结合空间位置、组织形态学和基因表达，从而回答关于细胞类型在空间上的分布，不同细胞类型之间的空间关系和细胞-细胞相互“交流”等重要生物学问题[2]，利用stlearn的CCI算法可以找到与区域高度相关的L-R对及其临近空间区域的相互作用。

细胞-细胞相互作用(CCI)分析包括：
a) 在邻近点之间发现配受体共表达情况，Cell-cell interactions（CCI）；
b) CCI和细胞类型多样性度量相结合，确定那些既多样又具有高L-R共同表达的区域。

一句话， 细胞通讯具有区域性，越临近，交流的可能性越高，反过来，配受体表达的细胞越是靠近，发生交流的可能性就越高。

图片.png
图片.png

图上明显可以看出交流的区域性，但再强调一遍，最好先进行注释，结合形态学，挖掘生物学问题的根源。
方法都是死的，如何灵活运用，就要靠我们自己了。

过年了，牛年的大家有什么愿望呢？也许你还在为毕业奋斗，也许你不能回家和家人团聚，也许你为了对象不顾一切，但是，以诚心待人待事，与人方便，就是与己方便，我们就像是一个整体，也许未曾谋面，但是却在相互影响，当身边的人感觉都很好，那么，你离成功就已经不远了。

图片.png

Study hard and make a unparalleled progress every day ~~~~