single-cell-cellphonedb-communication-mapping

Run omicverse's CellPhoneDB v5 wrapper on annotated single-cell data to infer ligand-receptor networks and produce CellChat-style visualisations.

1. Przygotuj środowisko pracy z zainstalowanymi pakietami omicverse (≥0.2), scanpy, anndata, pandas, matplotlib i cellphonedb. Pobierz wstępnie zbudowany pakiet CellPhoneDB v5 (cellphonedb.zip) i umieść go w katalogu roboczym. Aktywuj domyślne ustawienia wykreślania OmicVerse za pomocą ov.plot_set(), aby zapewnić spójność wizualizacji.

2. Wczytaj znormalizowane dane single-cell w formacie AnnData za pomocą ov.read(). Sprawdź, czy dane zawierają kolumnę metadanych z etykietami typów komórek (np. cell_labels). Upewnij się, że ta kolumna jest typu kategorycznego i nie zawiera brakujących wartości, ponieważ CellPhoneDB wymaga poprawnego grupowania komórek.

3. Zweryfikuj, że wartości ekspresji są log-znormalizowane. Maksymalna wartość w macierzy ekspresji powinna być poniżej 10 i nie powinna być liczbą całkowitą. Dane z surowymi zliczeniami spowodują nieprawidłowe wyniki w testach permutacyjnych.

4. Uruchom analizę CellPhoneDB za pomocą funkcji ov.single.run_cellphonedb_v5(), podając ścieżkę do pliku cellphonedb.zip, nazwę kolumny z etykietami typów komórek oraz parametry filtrowania (min_cell_fraction, min_genes, min_cells). Ustaw liczbę iteracji permutacyjnych (iterations), próg p-wartości (pvalue) i próg istotności (threshold) zgodnie z wymaganiami analizy.

5. Funkcja zwróci wyniki CellPhoneDB oraz zmodyfikowany obiekt AnnData zawierający informacje o interakcjach. Wyniki zawierają macierze istotnych par ligand-receptor między typami komórek oraz statystyki permutacyjne.

6. Użyj wyników do wizualizacji sieci komunikacji komórkowej. OmicVerse udostępnia funkcje do tworzenia wykresów w stylu CellChat, które pokazują kierunki i siłę komunikacji między populacjami komórek.