CellChat part1 CellChat对象的数据输入处理和初始化

1 Prepare required input data for CellChat analysis

使用cellchat进行分析时，有两种数据输入类型：一种是细胞的基因表达数据，另一种是用户分配的细胞标签。

1 gene expression data matrix：基因位于矩阵的行上，并且有对应的行名；细胞位于矩阵的列上，并且有对应的列名

2 Create a CellChat object

CellChat包的使用需要以下两种输入：
1、细胞的基因表达数据（测序结果）
2、细胞标签（用户提供，通常来源于数据库）

对于第一种基因表达数据，我们已经很熟悉了，就是一个矩阵，矩阵的行是genes，矩阵的列是cells。输入进去的数据一般是进行了初步处理的数据，即数据应为归一化数据 (normalized data): 已进行library-size归一化并用伪计数1进行log转换。如果是原始计数数据(count data)，CellChat提供normalizeData函数来进行处理，然后就可以得到归一化数据。

一、导入四种对象

1、原始数据对象：

ptm = Sys.time()
# Here we load a scRNA-seq data matrix and its associated cell meta data
# This is a combined data from two biological conditions: normal and diseases
load("/Users/suoqinjin/Library/CloudStorage/OneDrive-Personal/works/CellChat/tutorial/data_humanSkin_CellChat.rda")
data.input = data_humanSkin$data # normalized data matrix
meta = data_humanSkin$meta # a dataframe with rownames containing cell mata data
cell.use = rownames(meta)[meta$condition == "LS"] # extract the cell names from disease data

# Subset the input data for CelChat analysis
data.input = data.input[, cell.use]
meta = meta[cell.use, ]
# meta = data.frame(labels = meta$labels[cell.use], row.names = colnames(data.input)) # manually create a dataframe consisting of the cell labels
unique(meta$labels) # check the cell labels
#>  [1] Inflam. FIB  FBN1+ FIB    APOE+ FIB    COL11A1+ FIB cDC2        
#>  [6] LC           Inflam. DC   cDC1         CD40LG+ TC   Inflam. TC  
#> [11] TC           NKT         
#> 12 Levels: APOE+ FIB FBN1+ FIB COL11A1+ FIB Inflam. FIB cDC1 cDC2 ... NKT

直接导入了.rda文件，这里面的数据是已经normalized的形式，可以直接用于cellchat分析

2、Seurat对象：

data.input <- seurat_object[["RNA"]]@data # normalized data matrix
# For Seurat version >= “5.0.0”, get the normalized data via `seurat_object[["RNA"]]$data`
labels <- Idents(seurat_object)
meta <- data.frame(labels = labels, row.names = names(labels)) # create a dataframe of the cell labels

这里展现了用非常流行的R包seurat包来分析的过程，具体展示了如何从seurat对象中提取所需的数据：

• 使用