（a）：手动建立CellChat受配体数据库。CellChatDB考虑了已知的配体受体复合物的组成，包括配体和受体的多聚复合物，以及几种辅助因子类型:可溶性激动剂、拮抗剂、共刺激和共抑制膜结合受体。CellChatDB包含2021种已验证的L-R 对，包括60%的分泌相互作用（secreting interactions）。 此外，有48%的相互作用涉及异质分子复合物。

（b）：单细胞数据输入与预处理。CellChat将细胞的基因表达数据和细胞注释的meta信息（也可以运行无标签模式）作为输入，预处理会先在每个类群细胞中鉴定过表达的基因。

（c）： 细胞通讯模型计算。CellChat对通信概率进行建模，并识别重要通信。① 交叉引用配体-受体相互作用数据库；②使用质量作用定律（law of mass action）定量细胞通讯概率；③ 推断统计学和生物学上显著的细胞通信。

（d）：细胞通讯结果可视化提供了三种模式：层次图（hierarchy plot）， 圈图 (Circle plot)，气泡图（bubble plot）

（e）：细胞通讯模式分析。 CellChat通过图论、模式识别和流形学习等方法对网络进行定量测量，从而更好地解释细胞间通信网络。使用网络中心性分析识别细胞的信号角色，发现主要的细胞通讯模式，信号通路拓扑和功能相似性的分类。除了分析单个数据集，CellChat 还可以跨不同条件识别共享的和特定于上下文的信号，如不同的发育阶段和生物条件。

参考

https://www.jianshu.com/p/6763b34cd71c