别再只画气泡图了！用CellChat v2的弦图与热图，让你的细胞通讯故事更出彩
CellChat v2进阶可视化：用弦图与热图讲好细胞通讯故事
在单细胞转录组学研究中，揭示细胞间的"对话"机制是理解组织微环境的关键。CellChat作为目前最强大的细胞通讯分析工具之一，其v2版本带来了更丰富的可视化选项，让研究者能够以更直观、更具发表质量的方式展示细胞间的信号交流。本文将带您超越基础的气泡图和圆圈图，探索如何利用弦图(Chord Diagram)和热图(Heatmap)这两种高阶可视化技术，将复杂的细胞通讯网络转化为清晰、美观的科学叙事。
1. 为什么需要进阶可视化？
传统的细胞通讯可视化如气泡图虽然简单直观，但在呈现复杂互作网络时存在明显局限。当成纤维细胞与免疫细胞这类具有多重交互的体系需要分析时，气泡图往往难以同时展示：
- 多细胞类型间的双向通讯关系
- 信号通路的层级结构
- 交互强度的连续变化
- 特定配体-受体对的贡献度
弦图通过环形布局和弧形连接线，能优雅地呈现细胞群体间的双向交流；而热图则通过颜色梯度精确量化通讯强度，特别适合展示条件间差异或时间动态变化。CellChat v2对这两种可视化进行了深度优化，使其能直接对接分析结果，输出发表级图表。
# CellChat中调用弦图的基本代码结构 netVisual_chord_cell(cellchat, signaling = "CXCL", group = group.cellType, title.name = "CXCL signaling network")2. 弦图：解码细胞社交网络的环形密码
弦图是展示细胞群体互作网络的利器，其美学与功能性在CellChat v2中得到了显著提升。下面我们通过一个成纤维细胞-免疫细胞互作的案例，解析弦图的制作要点。
2.1 弦图的核心元素解读
一张完整的CellChat弦图包含以下信息层次：
| 元素 | 生物学含义 | 可视化参数 |
|---|---|---|
| 外环扇形 | 细胞群体 | 颜色代表细胞类型，大小与细胞数量成正比 |
| 内部弧线 | 通讯方向 | 弧线粗细反映信号强度，颜色与发送方一致 |
| 内部细条 | 信号接收 | 颜色代表接收方，高度反映接收信号总量 |
实际操作中，我们常需要调整以下参数以获得最佳展示效果：
small.gap：控制不同细胞类型扇形间距big.gap：调节细胞群组间距离link.visible：隐藏不显著的弱连接scale：统一化不同数据集的强度标尺
# 优化后的弦图代码示例 netVisual_chord_gene(cellchat, sources.use = c("FIB1","FIB2"), targets.use = c("Macrophage","Tcell"), signaling = c("WNT","TGFb"), lab.cex = 0.8, small.gap = 5, link.visible = function(edge) edge > 0.2)2.2 分组弦图：提升复杂系统的可读性
当分析包含10+细胞类型的复杂样本时，常规弦图可能显得拥挤。此时可采用分组策略：
- 功能分组：将细胞按功能归类（如"Stroma""Immune""Epithelium"）
- 空间分组：按解剖位置归类（如"Tumor core""Invasive front"）
- 状态分组：按激活状态分类（如"Naive""Activated""Exhausted"）
# 创建细胞类型分组向量 group.cellType <- c(rep("Stroma",3), rep("Myeloid",4), rep("Lymphoid",5)) names(group.cellType) <- levels(cellchat@idents) # 绘制分组弦图 netVisual_chord_cell(cellchat, signaling = "COMPLEMENT", group = group.cellType, title.name = "Complement signaling across cell lineages")3. 热图：量化通讯强度的科学语言
当需要精确比较不同条件下细胞通讯强度的变化时，热图是最佳选择。CellChat v2的热图功能支持多种高级分析场景。
3.1 基础热图与参数解析
标准通讯热图可通过以下代码生成：
netVisual_heatmap(cellchat, signaling = "MK", color.heatmap = "Reds", title.name = "Midkine signaling strength")关键参数包括：
color.heatmap：建议使用"Reds"/"Blues"等单色渐变width/height：调整长宽比例避免细胞标签重叠cluster.rows/cluster.cols：是否进行层次聚类
3.2 比较热图：揭示条件特异性通讯
通过mergeCellChat整合多个样本后，可绘制比较热图展示条件差异：
# 假设已合并normal和disease两组数据 object.list <- list(Normal = cellchat1, Disease = cellchat2) cellchat <- mergeCellChat(object.list) # 绘制组间比较热图 netVisual_heatmap(cellchat, comparison = c(1,2), # 比较第1和第2组 signaling = "ANNEXIN", measure = "count") # 使用交互次数而非强度这种热图能清晰显示疾病特异的通讯变化，如成纤维细胞-巨噬细胞互作的增强。
4. 组合拳：弦图+热图讲好完整故事
单独使用弦图或热图各有局限，而二者的组合能提供更全面的视角。以下是典型的分析流程：
- 全局扫描：用弦图展示所有细胞类型间的总体通讯模式
- 聚焦通路：用热图量化特定通路（如TGF-β）的通讯强度
- 解析机制：用弦图展示该通路下的具体配体-受体对
- 验证差异：用比较热图显示实验组间的变化
案例应用：在研究纤维化过程中，我们发现：
- 弦图显示肌成纤维细胞与M2巨噬细胞连接密集
- 热图定位TGF-β通路是主要差异信号
- 次级弦图揭示TGFB1-ITGB1是核心配体-受体对
- 比较热图证实该互作在晚期纤维化中增强3倍
# 组合可视化代码示例 library(patchwork) p1 <- netVisual_chord_cell(cellchat, signaling = "all", title = "Global view") p2 <- netVisual_heatmap(cellchat, signaling = "TGFb", title = "TGFb strength") p3 <- netVisual_chord_gene(cellchat, signaling = "TGFb", title = "L-R pairs") (p1 + p2) / p3 + plot_layout(heights = c(2,1))5. 美学调优：从分析到发表的最后一步
要让图表达到期刊发表要求，还需注意以下细节：
字体与标签：
- 统一使用无衬线字体（如Arial）
- 细胞类型名称使用标准命名法（如"CD8+ T cell"而非"T cell 3"）
- 添加比例尺说明颜色与强度的对应关系
颜色方案：
- 细胞类型着色遵循领域惯例（如成纤维细胞用橙色）
- 避免使用红绿色组合以防色盲读者辨识困难
- 使用ColorBrewer的配色保证印刷效果
输出格式：
- 矢量图（PDF/SVG）用于出版，分辨率≥300dpi
- 调整canvas大小避免元素挤压
- 保留原始代码以便后续修改
# 最终出版级弦图设置 pdf("Figure3_chord.pdf", width = 8, height = 8) netVisual_chord_cell(cellchat, signaling = "COLLAGEN", font.size = 12, font.family = "Arial", legend.pos.x = 15, legend.pos.y = 20, link.border = "white", grid.col = celltype.colors) dev.off()掌握这些进阶可视化技巧后，您的细胞通讯分析将不再局限于基础图表，而能构建起具有叙事逻辑的视觉故事，让复杂的数据关系跃然纸上。无论是论文图表还是基金申请，这些精心设计的可视化作品都能显著提升科学发现的传播力与说服力。