CellChat安装教程:如何在Mac/Windows/Linux快速搭建单细胞细胞通讯分析环境

原创2026-11-02 12:10:272,227 阅读
文章标签:生物信息学数据分析数据可视化科学计算科研

CellChat安装教程:如何在Mac/Windows/Linux快速搭建单细胞细胞通讯分析环境

CellChat 是目前单细胞转录组分析中最常用的细胞-细胞通讯(cell-cell communication)推断工具,基于 R 语言开发,支持 scRNA-seq 与空间转录组数据。本文带你从零开始,在 Mac、Windows、Linux 三大平台上完成 CellChat 的安装与验证,全程只需几步 R 代码。

CellChat单细胞细胞通讯分析流程概览

安装前环境准备:R 3.6+ 与依赖工具

根据 DESCRIPTION 中的声明,CellChat 要求 R >= 3.6.0,支持 macOS、Windows 和 Linux,普通电脑几分钟内即可完成安装。开始前请确认:

工具 用途 必要性
R 3.6 及以上版本 运行 CellChat 必需
RStudio 图形化 R 开发环境,新手友好 强烈推荐
Rtools(仅 Windows) 编译 C/C++ 扩展(CellChat 含 Rcpp 源码) 必需
Xquartz(仅 Mac) 部分依赖包(如 imager)依赖它 建议安装
Python + pip 安装 umap-learn,用于降维可视化 可选

💡 提示:R 版本过新(如 R >= 4.3)时,个别依赖可能报 R 版本错误,详见下文"常见问题"。

三种方式快速安装 CellChat(任选其一)

方式一:从本地源码安装(推荐 ✅)

先将仓库克隆到本地,再用 devtools 安装:

git clone https://gitcode.com/gh_mirrors/cel/CellChat

然后在 R 控制台执行:

if (!requireNamespace("devtools", quietly = TRUE))
    install.packages("devtools")
devtools::install_local("CellChat", dependencies = TRUE)

加上 dependencies = TRUE 后,CellChat 依赖的 40 多个 R 包会被自动解析并安装,无需逐个手动处理。

方式二:RStudio 图形界面安装

不想敲代码的话,也可以在 RStudio 中操作:

  1. 打开 RStudio,进入 Tools → Install Packages;
  2. 先安装 devtools(选一个 CRAN 镜像即可);
  3. 回到 Session → Set Working Directory,切换到克隆下来的 CellChat 目录;
  4. 在控制台中运行 devtools::install()。

方式三:指定版本安装

需要复现旧结果时,可先检出历史版本再安装:

git clone https://gitcode.com/gh_mirrors/cel/CellChat
cd CellChat
git checkout v2.1.2

然后同样执行 devtools::install_local()。各版本功能差异可在 NEWS.md 中查阅。

补齐常用依赖包

CellChat 的大部分依赖会随源码自动安装,但个别包可能失败,需要手动补装:

# 非负矩阵分解(要求 >= 0.23.0)
install.packages("NMF")
# 复杂热图(可视化核心依赖)
devtools::install_github("jokergoo/ComplexHeatmap")
# 降维可视化所需的 Python 包,在系统终端中执行
pip install umap-learn

若 NMF 安装时抛出 R 版本相关警告,可先设置:

Sys.setenv(R_REMOTES_NO_ERRORS_FROM_WARNINGS = TRUE)

验证安装是否成功

打开 R,执行以下两行代码:

library(CellChat)
data(CellChatDB.human)   # 加载内置人源配体-受体数据库

如果控制台没有报错,并能看到 CellChatDB.human 对象,说明安装成功 🎉。仓库 data/ 目录下还内置了小鼠(CellChatDB.mouse.rda)和斑马鱼(CellChatDB.zebrafish.rda)数据库,可直接 data() 加载。

顺手运行一个最小示例,感受 CellChat 的对象模型:

library(CellChat)
createCellChat(object = NULL, display = FALSE)  # 了解数据结构

各平台常见问题排查(Mac/Windows/Linux)

不同系统的报错原因往往不同,以下是最常见的三类:

🍎 Mac(R > 3.6 时)

  • 编译 imager 等包失败:请卸载后重新安装 Xquartz,再重启 R 重试;
  • 安装前建议关闭 R 会话并重新打开,使 Xquartz 生效。

🪟 Windows

  • 出现 "C:/Rtools/make" is not on your path 或未找到编译器:先安装与 R 版本匹配的 Rtools(R 4.x 对应 Rtools40),安装后重启 R;
  • 建议以管理员身份运行 RStudio。

🐧 Linux / CentOS

  • 缺少系统级库导致依赖编译失败(常见于 BiocNeighbors、svglite 等),以 root 身份安装系统依赖:
sudo yum install -y gfortran gcc-c++ libcurl-devel   # CentOS/RHEL
# 或
sudo apt-get install -y gfortran libcurl4-openssl-dev  # Debian/Ubuntu
  • 若 BiocNeighbors 安装失败,可用 BiocManager::install("BiocNeighbors") 单独补装。

以上平台差异的详细说明见 README.md 的 Installation 章节。

安装完成后:开始你的第一次分析

环境搭好后,建议按官方教程跑一遍完整流程(加载数据 → createCellChat → computeCommunProb → netVisual):

核心源码位于 R/ 目录,核心类定义见 R/CellChat_class.R,想深入原理时可从这里入手。

小结

步骤 关键命令/操作
1. 准备环境 安装 R ≥ 3.6、RStudio(Windows 加装 Rtools)
2. 获取源码 git clone https://gitcode.com/gh_mirrors/cel/CellChat
3. 安装包 devtools::install_local("CellChat", dependencies = TRUE)
4. 补依赖 NMF、ComplexHeatmap、pip install umap-learn
5. 验证 library(CellChat) 并加载 CellChatDB.human

照做一遍,你就拥有了完整的单细胞细胞通讯分析环境,祝分析顺利 🚀

登录后查看全文
CellChat