天意细胞通讯分析

解决的问题

单细胞细胞-细胞通讯（CCC）分析常面临多方法结果不一致的问题：每种工具（如CellPhoneDB、CellChat）有独立的输入要求、统计逻辑和输出格式，直接对比易产生偏差。此外，空间转录组的通讯分析需考虑空间位置权重，普通方法无法覆盖；多样本比较时的张量分解或因子分析也没有标准化流程。

核心能力与工作逻辑

多方法聚合排序

默认工作流rank_aggregate通过统一接口调用多种CCC方法，输出magnitude_rank（信号强度排名）和specificity_rank（特异性排名）两个0-1分数，数值越小表示跨方法一致性越高。结果包含配体-受体对的详细信息，支持按样本分组比较。

空间数据专项分析

针对Visium、MERFISH等空间数据，提供三类工作流：

• 空间双变量分析：计算每个spot的局部共表达分数（支持cosine、spearman等指标）
• 邻近加权CCC：基于空间坐标构建邻接图，筛选物理距离内的通讯
• 信号流入分析：量化不同细胞类型通过配体-受体对向spot传输的信号量

多样本比较框架

支持张量分解（维度：样本数×发送细胞×接收细胞×相互作用数）和MOFA+因子分析，实现跨样本CCC模式的降维与比较。

关键参数与注意事项

• use_raw需根据矩阵处理状态调整：仅处理过adata.X时设为False，使用adata.raw需确认其包含log1p归一化矩阵
• 空间分析前必须通过li.ut.spatial_neighbors()或squidpy.gr.spatial_neighbors()建立空间邻接图
• magnitude_rank和specificity_rank是跨方法RRA排序，数值越小越好，但≠p值，需结合表达过滤和实验设计解读
• 人类数据使用consensus资源，小鼠优先选mouseconsensus，注意基因命名需为Symbol格式