我们之前介绍过一个函数（基于cellchat互作分析：弦图展示细胞互作受配体对结果（一键函数））：原文当中是基于cellchat结果的展示，我们参考原文提供的代码，进行了修改升级，完成了一个函数，能够轻松进行需要的可视化。感兴趣可自行修改，让其适用于更广的范围！

image.png

参考文章：https://www.nature.com/articles/s41467-022-31797-0

代码：https://github.com/OSU-BMBL/Spinal-cord-scRNAseq

之前在发布的时候，其实也考虑到有小伙伴是cellphonedb结果展示的需求。但是我觉得只需要整理数据形式就可以了，没有单独修改函数。这不近期有小伙伴有这样的需求，那么本着我们“以人为本”的原则，这个麻烦就不让群里的小伙伴受了。我们在原来cellchat结果展示的基础上，连夜做了数据格式整理修改，让其也适用于cellphonedb结果的展示，同样能满足之前所有效果。

我们看看函数参数：对于cpdb，需要其分析结果的两个文件分别是pval和mean，对于互作结果的阈值可以自行设定，首先是显著性pval，然后是互作mean。此外需要注意的是，需要一个cpdb注释文件，是我们在（连夜苦战---Cellphonedb v5受配体多组比较气泡图（原创函数））提到的，原因就是cpdb结果中受配体对的展示有些变化，需要注释一下。

image.png

接下来测试一下，细胞是随机选的，调整阈值，阈值不一样，展示的结果多少也是有变化的！请注意，这里pval、mean的阈值是我作图演示自行设定，自己的数据按照实际情况设定！

#cpdb受配体弦图
#===========================================================================
library(tidyr)

setwd('D:\\KS项目\\公众号文章\\GO_cpdb')
GO_pvals <- read.delim("./statistical_analysis_pvalues_08_15_2024_132104.txt", check.names = FALSE)
GO_means <- read.delim("./statistical_analysis_means_08_15_2024_132104.txt", check.names = FALSE)

cpdb_anno <- read.csv('cpdb_interLR.csv', header = T, row.names = 1)

plot_ccpdb_LR(pval_file = GO_pvals,
              mean_file = GO_means,
              celltype_inter = c('Endothelial',"Tenocytes","SMC"),
              celltype_color = c('#FFE060'='Endothelial','#FA8E24'="Tenocytes", '#DA2828'="SMC"),
              pval = 0.01,
              mean = 1.2,
              cpdb_anno = cpdb_anno,
              text_size=0.8,
              Group="GO",
              legend_in_plot=T)