想了解细胞的朋友圈？CellChat来帮忙

喜欢八卦的小伙伴肯定经常通过看一个人的动态以及和朋友之间的互动，脑补出这个人的朋友圈。细胞也是一样，我们也可以基于单细胞转录组数据推断出他和其他细胞之间的联系。加州大学尔湾分校一个由数学家和生物学家组成的团队研究开发了一种新的能够从单细胞测序数据中定量推断和分析细胞间通讯网络的工具CellChat，帮助解读细胞之间的互动。CellChat基于自建的信号分子相互作用数据库，通过整合基因表达与信号配体，受体及其辅助因子之间的相互作用的先验知识，结合社会网络分析，模式识别和多种学习方法，定量推断细胞通信网络，有助于解释组织在平衡状态下的功能和它们在疾病中的改变。

接下来，让我们来看看CellChat在下面这篇文章"Multi-omic analysis reveals pergent molecular events in scarring and regenerative wound healing"中的运用吧。

纤维化即用无功能的结缔组织取代有功能的组织，几乎每一个人类器官的损害都会导致纤维化，疤痕是皮肤损伤后的纤维化。尽管纤维化带来了巨大的医疗负担，但目前仍然缺乏治疗方法，部分原因是对区分再生性和纤维化愈合的基本机制了解有限。

2022年，斯坦福大学整形与重建外科的研究人员报告了驱动皮肤伤口细胞到疤痕或再生命运的不同分子事件。他们在转录(单细胞RNA测序）、蛋白质（TIMSTOF蛋白质组学）和组织（细胞外基质超微结构分析）水平上对疤痕与YAP抑制诱导的伤口再生进行了分析。结果显示，破坏YAP的机械传导可以通过激活Trps1和Wnt信号的成纤维细胞产生再生修复，他们也通过基因敲除和在伤口中过表达来确定Trps1对于伤口再生是一个关键的调控基因。

样本类型

5只小鼠，每只小鼠上两个伤口，伤口愈合后向伤口床注射verteporfin和PBS作为治疗组和对照组，在5个时间点分离皮肤的纤维细胞（Lin-）和其他细胞(包括免疫细胞Lin+)：

• 未受伤的皮肤；
• 术后（POD）第2天——炎症；
• 术后第7天——成纤维细胞增长；
• 术后第14天——伤口重新上皮化，成纤维细胞产生ECM；
• 术后第30天——成纤维细胞重塑ECM。

图1.样本类型

结果分析

研究人员通过单细胞测序分析了2986个细胞，鉴定出了8种细胞类型（图2），包括单核细胞(Monocytes)，中性粒细胞(Neutrophils)，成纤维细胞（Fibroblasts），先天淋巴细胞(ILC)，自然杀伤T细胞(NKT)，树突状细胞（DC），上皮细胞(Epithelial cells)，嗜碱性粒细胞(Eosinophils)。之后作者通过Seurat分群对成纤维细胞群（Fibroblasts）进行了亚分群，得到了六个成纤维细胞簇：簇0和4组成了再生臂（“regenerative” arm/Fibroblast Regen），簇1，2和5组成了纤维臂/疤痕成纤维细胞(“fibrotic” arm/Fibroblast Scar)，簇3包括了大多数未损伤（UW）皮肤成纤维细胞。

图2.按细胞类型着色的scRNA-seq细胞的矩阵投影

接下来，为了评估成纤维细胞群和其他类型的细胞（包括免疫细胞）间的细胞-细胞相互作用的潜力。作者用CellChat来推断细胞间的通讯。

图3A-B展示了成纤维细胞群和其他细胞群之间的细胞通讯网络。CellChat分析表明，促炎症信号（CXCL和IL6）在疤痕成纤维细胞（Fibroblast Scar）中增加，CXCL和IL6在疤痕成纤维细胞中的颜色较深，意味着更重要（图3C和D）。非经典Wnt信号（ncWnt）在再生臂（Fibroblast Regen）中增加（图3E）。CellChat分析表明“非经典Wnt信号在再生臂（Fibroblast Regen）中增加”,对后续结论“破坏YAP的机械传导可以通过激活Trps1和Wnt信号的成纤维细胞产生再生修复”的得出有重要贡献。

图3.成纤维细胞群的细胞通讯分析

（A）细胞群之间的配体-受体相互作用的强度

（B）如(A)，按每个细胞群进行展示

（C）热图展示CXCL信号通路在每个细胞群中的相对重要性

（D）热图展示IL6信号通路在每个细胞群中的相对重要性

（E）热图展示ncWNT信号通路在每个细胞群中的相对重要性

以上就是研究人员运用CellChat的案例，心动不如行动，老师们快把CellChat用起来，去探索感兴趣的细胞朋友圈吧！

【参考文献】

1.Jin, S.,Guerrero-Juarez,C.F., Zhang, L.,Chang, I.,Ramos, R.,Kuan, C.H., Myung, P., Plikus, M. V., & Nie, Q. (2021). Inference and analysis of cell-cell communication using CellChat. Nature communications, 12(1), 1088.

2.Mascharak,S.,Talbott, H.E., Januszyk, M.,Griffin, M.,Chen, K.,Davitt,M.F., Demeter, J., Henn, D., Bonham,C. A., Foster, D.S., Mooney, N.,Cheng, R.,Jackson,P. K., Wan, D.C., Gurtner, G.C., &Longaker, M.T. (2022).Multi-omic analysis reveals pergent molecular events in scarring and regenerative wound healing. Cell stem cell, 29(2), 315–327.e6.