Seurat_
Seurat_

使用cellchat进行细胞间通讯分析

安装R包

devtools::install_github("sqjin/CellChat")

如果安装不成功，可能是
1.You might need to manually intall the dependencies ComplexHeatmap using devtools::install_github("jokergoo/ComplexHeatmap") if it is not automatically installed.
2.你等网速好的时候再试试。

加载需要的R包

library(CellChat)
library(ggplot2)
library(ggalluvial)
library(svglite)
library(Seurat)
library(SeuratData)
options(stringsAsFactors = FALSE)

使用内置外周血数据集测试

pbmc3k.final
## An object of class Seurat 
## 13714 features across 2638 samples within 1 assay 
## Active assay: RNA (13714 features, 2000 variable features)
##  2 dimensional reductions calculated: pca, umap
pbmc3k.final@commands$FindClusters  # 你也看一看作者的其他命令，Seurat是记录其分析过程的。
## Command: FindClusters(pbmc3k.final, resolution = 0.5)
## Time: 2019-07-14 02:42:30
## graph.name : RNA_snn 
## modularity.fxn : 1 
## resolution : 0.5 
## algorithm : 1 
## n.start : 10 
## n.iter : 10 
## random.seed : 0 
## verbose : TRUE
pbmc3k.final@assays$RNA@data[1:4,1:4]
## 4 x 4 sparse Matrix of class "dgCMatrix"
##               AAACATACAACCAC AAACATTGAGCTAC AAACATTGATCAGC AAACCGTGCTTCCG
## AL627309.1                 .              .              .              .
## AP006222.2                 .              .              .              .
## RP11-206L10.2              .              .              .              .
## RP11-206L10.9              .              .              .              .
dim(pbmc3k.final$seurat_annotations)
## NULL
str(pbmc3k.final$seurat_annotations)
##  Factor w/ 9 levels "Naive CD4 T",..: 2 4 2 3 7 2 5 5 1 6 ...
##  - attr(*, "names")= chr [1:2638] "AAACATACAACCAC" "AAACATTGAGCTAC" "AAACATTGATCAGC" "AAACCGTGCTTCCG" ...
table(pbmc3k.final$seurat_annotations)
## 
##  Naive CD4 T Memory CD4 T   CD14+ Mono            B        CD8 T FCGR3A+ Mono 
##          697          483          480          344          271          162 
##           NK           DC     Platelet 
##          155           32           14

准备输入文件

data.input  <- pbmc3k.final@assays$RNA@data
data.input[1:4,1:4]
## 4 x 4 sparse Matrix of class "dgCMatrix"
##               AAACATACAACCAC AAACATTGAGCTAC AAACATTGATCAGC AAACCGTGCTTCCG
## AL627309.1                 .              .              .              .
## AP006222.2                 .              .              .              .
## RP11-206L10.2              .              .              .              .
## RP11-206L10.9              .              .              .              .
identity = data.frame(group =pbmc3k.final$seurat_annotations, row.names = names(pbmc3k.final$seurat_annotations)) # create a dataframe consisting of the cell labels
head(identity)
##                       group
## AAACATACAACCAC Memory CD4 T
## AAACATTGAGCTAC            B
## AAACATTGATCAGC Memory CD4 T
## AAACCGTGCTTCCG   CD14+ Mono
## AAACCGTGTATGCG           NK
## AAACGCACTGGTAC Memory CD4 T
unique(identity$group) # check the cell labels
## [1] Memory CD4 T B            CD14+ Mono   NK           CD8 T       
## [6] Naive CD4 T  FCGR3A+ Mono DC           Platelet    
## 9 Levels: Naive CD4 T Memory CD4 T CD14+ Mono B CD8 T FCGR3A+ Mono NK ... Platelet
table(identity$group)
## 
##  Naive CD4 T Memory CD4 T   CD14+ Mono            B        CD8 T FCGR3A+ Mono 
##          697          483          480          344          271          162 
##           NK           DC     Platelet 
##          155           32           14

创建一个Cell Chat对象。

cellchat <- createCellChat(data = data.input)
cellchat
## An object of class CellChat 
##  13714 genes.
##  2638 cells.
summary(cellchat)
##   Length    Class     Mode 
##        1 CellChat       S4
#思维导图可视化数据结构
install.packages('mindr')
library(mindr)
out <- capture.output(str(cellchat))
out
##  [1] "Formal class 'CellChat' [package \"CellChat\"] with 14 slots"                                                 
##  [2] "  ..@ data.raw      : num[0 , 0 ] "                                                                           
##  [3] "  ..@ data          :Formal class 'dgCMatrix' [package \"Matrix\"] with 6 slots"                              
##  [4] "  .. .. ..@ i       : int [1:2238732] 29 73 80 148 163 184 186 227 229 230 ..."                               
##  [5] "  .. .. ..@ p       : int [1:2639] 0 779 2131 3260 4220 4741 5522 6304 7094 7626 ..."                         
##  [6] "  .. .. ..@ Dim     : int [1:2] 13714 2638"                                                                   
##  [7] "  .. .. ..@ Dimnames:List of 2"                                                                               
##  [8] "  .. .. .. ..$ : chr [1:13714] \"AL627309.1\" \"AP006222.2\" \"RP11-206L10.2\" \"RP11-206L10.9\" ..."         
##  [9] "  .. .. .. ..$ : chr [1:2638] \"AAACATACAACCAC\" \"AAACATTGAGCTAC\" \"AAACATTGATCAGC\" \"AAACCGTGCTTCCG\" ..."
## [10] "  .. .. ..@ x       : num [1:2238732] 1.64 1.64 2.23 1.64 1.64 ..."                                           
## [11] "  .. .. ..@ factors : list()"                                                                                 
## [12] "  ..@ data.signaling: num[0 , 0 ] "                                                                           
## [13] "  ..@ data.scale    : num[0 , 0 ] "                                                                           
## [14] "  ..@ data.project  : num[0 , 0 ] "                                                                           
## [15] "  ..@ net           : list()"                                                                                 
## [16] "  ..@ netP          : list()"                                                                                 
## [17] "  ..@ meta          :'data.frame':\t0 obs. of  0 variables"                                                   
## [18] "Formal class 'data.frame' [package \"methods\"] with 4 slots"                                                 
## [19] "  .. .. ..@ .Data    : list()"                                                                                
## [20] "  .. .. ..@ names    : chr(0) "                                                                               
## [21] "  .. .. ..@ row.names: int(0) "                                                                               
## [22] "  .. .. ..@ .S3Class : chr \"data.frame\""                                                                    
## [23] "  ..@ idents        :Formal class 'factor' [package \"methods\"] with 3 slots"                                
## [24] "  .. .. ..@ .Data   : int(0) "                                                                                
## [25] "  .. .. ..@ levels  : chr(0) "                                                                                
## [26] "  .. .. ..@ .S3Class: chr \"factor\""                                                                         
## [27] "  ..@ DB            : list()"                                                                                 
## [28] "  ..@ LR            : list()"                                                                                 
## [29] "  ..@ var.features  : logi(0) "                                                                               
## [30] "  ..@ dr            : list()"                                                                                 
## [31] "  ..@ options       : list()"
out2 <- paste(out, collapse="\n")
out2
mm(gsub("\\.\\.@","# ",gsub("\\.\\. ","#",out2)),type ="text")
str也可以查看数据结构
str(cellchat)
## Formal class 'CellChat' [package "CellChat"] with 14 slots
##   ..@ data.raw      : num[0 , 0 ] 
##   ..@ data          :Formal class 'dgCMatrix' [package "Matrix"] with 6 slots
##   .. .. ..@ i       : int [1:2238732] 29 73 80 148 163 184 186 227 229 230 ...
##   .. .. ..@ p       : int [1:2639] 0 779 2131 3260 4220 4741 5522 6304 7094 7626 ...
##   .. .. ..@ Dim     : int [1:2] 13714 2638
##   .. .. ..@ Dimnames:List of 2
##   .. .. .. ..$ : chr [1:13714] "AL627309.1" "AP006222.2" "RP11-206L10.2" "RP11-206L10.9" ...
##   .. .. .. ..$ : chr [1:2638] "AAACATACAACCAC" "AAACATTGAGCTAC" "AAACATTGATCAGC" "AAACCGTGCTTCCG" ...
##   .. .. ..@ x       : num [1:2238732] 1.64 1.64 2.23 1.64 1.64 ...
##   .. .. ..@ factors : list()
##   ..@ data.signaling: num[0 , 0 ] 
##   ..@ data.scale    : num[0 , 0 ] 
##   ..@ data.project  : num[0 , 0 ] 
##   ..@ net           : list()
##   ..@ netP          : list()
##   ..@ meta          :'data.frame':   0 obs. of  0 variables
## Formal class 'data.frame' [package "methods"] with 4 slots
##   .. .. ..@ .Data    : list()
##   .. .. ..@ names    : chr(0) 
##   .. .. ..@ row.names: int(0) 
##   .. .. ..@ .S3Class : chr "data.frame"
##   ..@ idents        :Formal class 'factor' [package "methods"] with 3 slots
##   .. .. ..@ .Data   : int(0) 
##   .. .. ..@ levels  : chr(0) 
##   .. .. ..@ .S3Class: chr "factor"
##   ..@ DB            : list()
##   ..@ LR            : list()
##   ..@ var.features  : logi(0) 
##   ..@ dr            : list()
##   ..@ options       : list()

把metadata信息加到CellChat对象中，这个写法跟Seurat很像

cellchat <- addMeta(cellchat, meta = identity, meta.name = "labels")
head(cellchat@meta)
##                      labels
## AAACATACAACCAC Memory CD4 T
## AAACATTGAGCTAC            B
## AAACATTGATCAGC Memory CD4 T
## AAACCGTGCTTCCG   CD14+ Mono
## AAACCGTGTATGCG           NK
## AAACGCACTGGTAC Memory CD4 T
str(cellchat)
## Formal class 'CellChat' [package "CellChat"] with 14 slots
##   ..@ data.raw      : num[0 , 0 ] 
##   ..@ data          :Formal class 'dgCMatrix' [package "Matrix"] with 6 slots
##   .. .. ..@ i       : int [1:2238732] 29 73 80 148 163 184 186 227 229 230 ...
##   .. .. ..@ p       : int [1:2639] 0 779 2131 3260 4220 4741 5522 6304 7094 7626 ...
##   .. .. ..@ Dim     : int [1:2] 13714 2638
##   .. .. ..@ Dimnames:List of 2
##   .. .. .. ..$ : chr [1:13714] "AL627309.1" "AP006222.2" "RP11-206L10.2" "RP11-206L10.9" ...
##   .. .. .. ..$ : chr [1:2638] "AAACATACAACCAC" "AAACATTGAGCTAC" "AAACATTGATCAGC" "AAACCGTGCTTCCG" ...
##   .. .. ..@ x       : num [1:2238732] 1.64 1.64 2.23 1.64 1.64 ...
##   .. .. ..@ factors : list()
##   ..@ data.signaling: num[0 , 0 ] 
##   ..@ data.scale    : num[0 , 0 ] 
##   ..@ data.project  : num[0 , 0 ] 
##   ..@ net           : list()
##   ..@ netP          : list()
##   ..@ meta          :'data.frame':   2638 obs. of  1 variable:
##   .. ..$ labels: Factor w/ 9 levels "Naive CD4 T",..: 2 4 2 3 7 2 5 5 1 6 ...
##   ..@ idents        :Formal class 'factor' [package "methods"] with 3 slots
##   .. .. ..@ .Data   : int(0) 
##   .. .. ..@ levels  : chr(0) 
##   .. .. ..@ .S3Class: chr "factor"
##   ..@ DB            : list()
##   ..@ LR            : list()
##   ..@ var.features  : logi(0) 
##   ..@ dr            : list()
##   ..@ options       : list()
cellchat <- setIdent(cellchat, ident.use = "labels") # set "labels" as default cell identity
levels(cellchat@idents) # show factor levels of the cell labels
## [1] "Naive CD4 T"  "Memory CD4 T" "CD14+ Mono"   "B"            "CD8 T"       
## [6] "FCGR3A+ Mono" "NK"           "DC"           "Platelet"
groupSize <- as.numeric(table(cellchat@idents)) # number of cells in each cell group

table(cellchat@idents)
##  Naive CD4 T Memory CD4 T   CD14+ Mono            B        CD8 T FCGR3A+ Mono 
##          697          483          480          344          271          162 
##           NK           DC     Platelet 
##          155           32           14

导入配受体数据库

CellChat提供了人和小鼠的配受体数据库，
分别可以用CellChatDB.human,CellChatDB.mouse来导入。
来看一下这个数据库的结构。

CellChatDB <- CellChatDB.human 
str(CellChatDB)
## List of 4
##  $ interaction:'data.frame': 2005 obs. of  11 variables:
##   ..$ interaction_name  : chr [1:2005] "TGFB1_TGFBR1_TGFBR2" "TGFB2_TGFBR1_TGFBR2" "TGFB3_TGFBR1_TGFBR2" "TGFB1_ACVR1B_TGFBR2" ...
##   ..$ pathway_name      : chr [1:2005] "TGFb" "TGFb" "TGFb" "TGFb" ...
##   ..$ ligand            : chr [1:2005] "TGFB1" "TGFB2" "TGFB3" "TGFB1" ...
##   ..$ receptor          : chr [1:2005] "TGFbR1_R2" "TGFbR1_R2" "TGFbR1_R2" "ACVR1B_TGFbR2" ...
##   ..$ agonist           : chr [1:2005] "TGFb agonist" "TGFb agonist" "TGFb agonist" "TGFb agonist" ...
##   ..$ antagonist        : chr [1:2005] "TGFb antagonist" "TGFb antagonist" "TGFb antagonist" "TGFb antagonist" ...
##   ..$ co_A_receptor     : chr [1:2005] "" "" "" "" ...
##   ..$ co_I_receptor     : chr [1:2005] "TGFb inhibition receptor" "TGFb inhibition receptor" "TGFb inhibition receptor" "TGFb inhibition receptor" ...
##   ..$ evidence          : chr [1:2005] "KEGG: hsa04350" "KEGG: hsa04350" "KEGG: hsa04350" "PMID: 27449815" ...
##   ..$ annotation        : chr [1:2005] "Secreted Signaling" "Secreted Signaling" "Secreted Signaling" "Secreted Signaling" ...
##   ..$ interaction_name_2: chr [1:2005] "TGFB1 - (TGFBR1+TGFBR2)" "TGFB2 - (TGFBR1+TGFBR2)" "TGFB3 - (TGFBR1+TGFBR2)" "TGFB1 - (ACVR1B+TGFBR2)" ...
##  $ complex    :'data.frame': 154 obs. of  4 variables:
##   ..$ subunit_1: chr [1:154] "INHBA" "INHA" "INHA" "IL12A" ...
##   ..$ subunit_2: chr [1:154] "INHBB" "INHBA" "INHBB" "IL12B" ...
##   ..$ subunit_3: chr [1:154] "" "" "" "" ...
##   ..$ subunit_4: chr [1:154] "" "" "" "" ...
##  $ cofactor   :'data.frame': 31 obs. of  16 variables:
##   ..$ cofactor1 : chr [1:31] "FST" "BAMBI" "TIE1" "PTPRB" ...
##   ..$ cofactor2 : chr [1:31] "" "" "" "" ...
##   ..$ cofactor3 : chr [1:31] "" "" "" "" ...
##   ..$ cofactor4 : chr [1:31] "" "" "" "" ...
##   ..$ cofactor5 : chr [1:31] "" "" "" "" ...
##   ..$ cofactor6 : chr [1:31] "" "" "" "" ...
##   ..$ cofactor7 : chr [1:31] "" "" "" "" ...
##   ..$ cofactor8 : chr [1:31] "" "" "" "" ...
##   ..$ cofactor9 : chr [1:31] "" "" "" "" ...
##   ..$ cofactor10: chr [1:31] "" "" "" "" ...
##   ..$ cofactor11: chr [1:31] "" "" "" "" ...
##   ..$ cofactor12: chr [1:31] "" "" "" "" ...
##   ..$ cofactor13: chr [1:31] "" "" "" "" ...
##   ..$ cofactor14: chr [1:31] "" "" "" "" ...
##   ..$ cofactor15: chr [1:31] "" "" "" "" ...
##   ..$ cofactor16: chr [1:31] "" "" "" "" ...
##  $ geneInfo   :'data.frame': 41787 obs. of  6 variables:
##   ..$ Symbol         : chr [1:41787] "A1BG" "A1BG-AS1" "A1CF" "A2M" ...
##   ..$ Name           : chr [1:41787] "alpha-1-B glycoprotein" "A1BG antisense RNA 1" "APOBEC1 complementation factor" "alpha-2-macroglobulin" ...
##   ..$ EntrezGene.ID  : int [1:41787] 1 503538 29974 2 144571 144568 NA NA 3 127550 ...
##   ..$ Ensembl.Gene.ID: chr [1:41787] "ENSG00000121410" "ENSG00000268895" "ENSG00000148584" "ENSG00000175899" ...
##   ..$ MGI.ID         : chr [1:41787] "MGI:2152878" "" "MGI:1917115" "MGI:2449119" ...
##   ..$ Gene.group.name: chr [1:41787] "Immunoglobulin like domain containing" "Antisense RNAs" "RNA binding motif containing" "C3 and PZP like, alpha-2-macroglobulin domain containing" ...
out3 <- capture.output(str(CellChatDB))
out4 <- paste(out3, collapse="\n")
mm(gsub("\\$","# ",gsub("\\.\\. ","#",out4)),type ="text")
#这个数据库的信息是很全面的：
colnames(CellChatDB$interaction)
##  [1] "interaction_name"   "pathway_name"       "ligand"            
##  [4] "receptor"           "agonist"            "antagonist"        
##  [7] "co_A_receptor"      "co_I_receptor"      "evidence"          
## [10] "annotation"         "interaction_name_2"
CellChatDB$interaction[1:4,1:4]#考虑了多聚体
##                        interaction_name pathway_name ligand      receptor
## TGFB1_TGFBR1_TGFBR2 TGFB1_TGFBR1_TGFBR2         TGFb  TGFB1     TGFbR1_R2
## TGFB2_TGFBR1_TGFBR2 TGFB2_TGFBR1_TGFBR2         TGFb  TGFB2     TGFbR1_R2
## TGFB3_TGFBR1_TGFBR2 TGFB3_TGFBR1_TGFBR2         TGFb  TGFB3     TGFbR1_R2
## TGFB1_ACVR1B_TGFBR2 TGFB1_ACVR1B_TGFBR2         TGFb  TGFB1 ACVR1B_TGFbR2
head(CellChatDB$cofactor)
##                             cofactor1 cofactor2 cofactor3 cofactor4 cofactor5
## ACTIVIN antagonist                FST                                        
## ACTIVIN inhibition receptor     BAMBI                                        
## ANGPT inhibition receptor 1      TIE1                                        
## ANGPT inhibition receptor 2     PTPRB                                        
## BMP antagonist                   NBL1     GREM1     GREM2      CHRD       NOG
## BMP inhibition receptor         BAMBI                                        
##                             cofactor6 cofactor7 cofactor8 cofactor9 cofactor10
## ACTIVIN antagonist                                                            
## ACTIVIN inhibition receptor                                                   
## ANGPT inhibition receptor 1                                                   
## ANGPT inhibition receptor 2                                                   
## BMP antagonist                   BMP3    LEFTY1    LEFTY2                     
## BMP inhibition receptor                                                       
##                             cofactor11 cofactor12 cofactor13 cofactor14
## ACTIVIN antagonist                                                     
## ACTIVIN inhibition receptor                                            
## ANGPT inhibition receptor 1                                            
## ANGPT inhibition receptor 2                                            
## BMP antagonist                                                         
## BMP inhibition receptor                                                
##                             cofactor15 cofactor16
## ACTIVIN antagonist                               
## ACTIVIN inhibition receptor                      
## ANGPT inhibition receptor 1                      
## ANGPT inhibition receptor 2                      
## BMP antagonist                                   
## BMP inhibition receptor
head(CellChatDB$complex)
##              subunit_1 subunit_2 subunit_3 subunit_4
## Activin AB       INHBA     INHBB                    
## Inhibin A         INHA     INHBA                    
## Inhibin B         INHA     INHBB                    
## IL12AB           IL12A     IL12B                    
## IL23 complex     IL12B     IL23A                    
## IL27 complex      IL27      EBI3
head(CellChatDB$geneInfo)
##              Symbol                           Name EntrezGene.ID
## HGNC:5         A1BG         alpha-1-B glycoprotein             1
## HGNC:37133 A1BG-AS1           A1BG antisense RNA 1        503538
## HGNC:24086     A1CF APOBEC1 complementation factor         29974
## HGNC:7          A2M          alpha-2-macroglobulin             2
## HGNC:27057  A2M-AS1            A2M antisense RNA 1        144571
## HGNC:23336    A2ML1   alpha-2-macroglobulin like 1        144568
##            Ensembl.Gene.ID      MGI.ID
## HGNC:5     ENSG00000121410 MGI:2152878
## HGNC:37133 ENSG00000268895            
## HGNC:24086 ENSG00000148584 MGI:1917115
## HGNC:7     ENSG00000175899 MGI:2449119
## HGNC:27057 ENSG00000245105            
## HGNC:23336 ENSG00000166535            
##                                                     Gene.group.name
## HGNC:5                        Immunoglobulin like domain containing
## HGNC:37133                                           Antisense RNAs
## HGNC:24086                             RNA binding motif containing
## HGNC:7     C3 and PZP like, alpha-2-macroglobulin domain containing
## HGNC:27057                                           Antisense RNAs
## HGNC:23336 C3 and PZP like, alpha-2-macroglobulin domain containing

其实是记录了许多许多受配体相关的通路信息，不像有的配受体库只有一个基因对。
这样，我们就可以更加扎实地把脚落到pathway上面了。
在CellChat中，我们还可以先择特定的信息描述细胞间的相互作者，
这个可以理解为从特定的侧面来刻画细胞间相互作用,比用一个大的配体库又精细了许多呢。

CellChatDB.use <- subsetDB(CellChatDB, search = "Secreted Signaling") # use Secreted Signaling for cell-cell communication analysis
cellchat@DB <- CellChatDB.use # set the used database in the object
unique(CellChatDB$interaction$annotation)

## [1] "Secreted Signaling" "ECM-Receptor"       "Cell-Cell Contact"

预处理（速度慢）

对表达数据进行预处理，用于细胞间的通信分析。
首先在一个细胞组中识别过表达的配体或受体，
然后将基因表达数据投射到蛋白-蛋白相互作用(PPI)网络上。
如果配体或受体过表达，则识别过表达配体和受体之间的相互作用。

cellchat <- subsetData(cellchat) # subset the expression data of signaling genes for saving computation cost
future::plan("multiprocess", workers = 4) # do parallel  
cellchat <- identifyOverExpressedGenes(cellchat)
cellchat <- identifyOverExpressedInteractions(cellchat)
cellchat <- projectData(cellchat, PPI.human)

相互作用推断

我们通过为每个相互作用分配一个概率值并进行置换检验来推断生物意义上的细胞-细胞通信。

cellchat <- computeCommunProb(cellchat)  
#较慢，约3min

推测细胞间在信号通路水平上的通讯。我们还通过计算与每个信号通路相关的所有配体-受体相互作用的通信概率来推断信号通路水平上的通信概率。
注:推测的每个配体-受体对的细胞间通信网络和每个信号通路分别存储在“net”和“netP”槽中。
我们可以通过计算链路的数量或汇总通信概率来计算细胞间的聚合通信网络。

cellchat <- computeCommunProbPathway(cellchat)
cellchat <- aggregateNet(cellchat)

让我们看看这结果。

cellchat@netP$pathways
##  [1] "TGFb"       "NRG"        "PDGF"       "CCL"        "CXCL"      
##  [6] "MIF"        "IL2"        "IL6"        "IL10"       "IL1"       
## [11] "CSF"        "IL16"       "IFN-II"     "LT"         "LIGHT"     
## [16] "FASLG"      "TRAIL"      "BAFF"       "CD40"       "VISFATIN"  
## [21] "COMPLEMENT" "PARs"       "FLT3"       "ANNEXIN"    "GAS"       
## [26] "GRN"        "GALECTIN"   "BTLA"       "BAG"
head(cellchat@LR$LRsig)
##                        interaction_name pathway_name ligand      receptor
## TGFB1_TGFBR1_TGFBR2 TGFB1_TGFBR1_TGFBR2         TGFb  TGFB1     TGFbR1_R2
## TGFB1_ACVR1B_TGFBR2 TGFB1_ACVR1B_TGFBR2         TGFb  TGFB1 ACVR1B_TGFbR2
## TGFB1_ACVR1C_TGFBR2 TGFB1_ACVR1C_TGFBR2         TGFb  TGFB1 ACVR1C_TGFbR2
## TGFB1_ACVR1_TGFBR1   TGFB1_ACVR1_TGFBR1         TGFb  TGFB1   ACVR1_TGFbR
## WNT10A_FZD1_LRP5       WNT10A_FZD1_LRP5          WNT WNT10A     FZD1_LRP5
## WNT10A_FZD2_LRP5       WNT10A_FZD2_LRP5          WNT WNT10A     FZD2_LRP5
##                          agonist      antagonist           co_A_receptor
## TGFB1_TGFBR1_TGFBR2 TGFb agonist TGFb antagonist                        
## TGFB1_ACVR1B_TGFBR2 TGFb agonist TGFb antagonist                        
## TGFB1_ACVR1C_TGFBR2 TGFb agonist TGFb antagonist                        
## TGFB1_ACVR1_TGFBR1                                                      
## WNT10A_FZD1_LRP5     WNT agonist  WNT antagonist WNT activation receptor
## WNT10A_FZD2_LRP5     WNT agonist  WNT antagonist WNT activation receptor
##                                co_I_receptor                       evidence
## TGFB1_TGFBR1_TGFBR2 TGFb inhibition receptor                 KEGG: hsa04350
## TGFB1_ACVR1B_TGFBR2 TGFb inhibition receptor                 PMID: 27449815
## TGFB1_ACVR1C_TGFBR2 TGFb inhibition receptor                 PMID: 27449815
## TGFB1_ACVR1_TGFBR1                                           PMID: 29376829
## WNT10A_FZD1_LRP5     WNT inhibition receptor KEGG: hsa04310; PMID: 23209157
## WNT10A_FZD2_LRP5     WNT inhibition receptor KEGG: hsa04310; PMID: 23209159
##                             annotation      interaction_name_2
## TGFB1_TGFBR1_TGFBR2 Secreted Signaling TGFB1 - (TGFBR1+TGFBR2)
## TGFB1_ACVR1B_TGFBR2 Secreted Signaling TGFB1 - (ACVR1B+TGFBR2)
## TGFB1_ACVR1C_TGFBR2 Secreted Signaling TGFB1 - (ACVR1C+TGFBR2)
## TGFB1_ACVR1_TGFBR1  Secreted Signaling  TGFB1 - (ACVR1+TGFBR1)
## WNT10A_FZD1_LRP5    Secreted Signaling    WNT10A - (FZD1+LRP5)
## WNT10A_FZD2_LRP5    Secreted Signaling    WNT10A - (FZD2+LRP5)

可视化

在推断细胞-细胞通信网络的基础上，CellChat为进一步的探索、分析和可视化提供了各种功能。 通过结合社会网络分析、模式识别和多种学习方法的综合方法，t可以定量地描述和比较推断出的细胞-细胞通信网络。
它提供了一个易于使用的工具来提取和可视化推断网络的高阶信息。例如，它可以随时预测所有细胞群的主要信号输入和输出，以及这些细胞群和信号如何协调在一起实现功能。
你可以使用层次图或圈图可视化每个信号通路。 如果使用层次图可视化通信网络，请定义vertex.receiver，它是一个数字向量，给出作为第一个层次结构图中的目标的细胞组的索引。我们可以使用netVisual_aggregate来可视化信号路径的推断通信网络，并使用netVisual_individual来可视化与该信号路径相关的单个L-R对的通信网络。
在层次图中，实体圆和空心圆分别表示源和目标。圆的大小与每个细胞组的细胞数成比例。边缘颜色与信源一致。线越粗，信号越强。这里我们展示了一个MIF信号网络的例子。所有显示重要通信的信令路径都可以通过cellchat@netP$pathways访问。

cellchat@netP$pathways
##  [1] "TGFb"       "NRG"        "PDGF"       "CCL"        "CXCL"      
##  [6] "MIF"        "IL2"        "IL6"        "IL10"       "IL1"       
## [11] "CSF"        "IL16"       "IFN-II"     "LT"         "LIGHT"     
## [16] "FASLG"      "TRAIL"      "BAFF"       "CD40"       "VISFATIN"  
## [21] "COMPLEMENT" "PARs"       "FLT3"       "ANNEXIN"    "GAS"       
## [26] "GRN"        "GALECTIN"   "BTLA"       "BAG"
levels(cellchat@idents) 
## [1] "Naive CD4 T"  "Memory CD4 T" "CD14+ Mono"   "B"            "CD8 T"       
## [6] "FCGR3A+ Mono" "NK"           "DC"           "Platelet"
vertex.receiver = seq(1,4) # a numeric vector
# check the order of cell identity to set suitable vertex.receiver
#cellchat@LR$LRsig$pathway_name
#cellchat@LR$LRsig$antagonist
pathways.show <- "MIF"
netVisual_aggregate(cellchat, signaling = pathways.show,  vertex.receiver = vertex.receiver, vertex.size = groupSize)   
![image.png](https://upload-images.jianshu.io/upload_images/19009296-67735d7121aafe66.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
netVisual_aggregate(cellchat, signaling = pathways.show, layout = "circle", vertex.size = groupSize)

计算和可视化每个配体-受体对整个信号通路的贡献度。

netAnalysis_contribution(cellchat, signaling = pathways.show)

识别细胞群的信号转导作用，通过计算每个细胞群的网络中心性指标，
CellChat允许随时识别细胞间通信网络中的主要发送者、接收者、调解者和影响者。

cellchat <- netAnalysis_signalingRole(cellchat, slot.name = "netP") # the slot 'netP' means the inferred intercellular communication network of signaling pathways
netVisual_signalingRole(cellchat, signaling = pathways.show, width = 12, height = 2.5, font.size = 10)
dev.off()

识别特定细胞群的全局通信模式和主要信号。除了探索单个通路的详细通讯外，一个重要的问题是多个细胞群和信号通路如何协调运作。CellChat采用模式识别方法来识别全局通信模式以及每个小群的关键信号。
识别分泌细胞外向交流模式。随着模式数量的增加，可能会出现冗余的模式，使得解释通信模式变得困难。我们选择了5种模式作为默认模式。一般来说，当模式的数量大于2时就可以认为具有生物学意义。

nPatterns = 5
cellchat <- identifyCommunicationPatterns(cellchat, pattern = "outgoing", k = nPatterns)
# river plot
netAnalysis_river(cellchat, pattern = "outgoing")
# dot plot
netAnalysis_dot(cellchat, pattern = "outgoing")

参考
CellChat：细胞间相互作用分析利器
[Inference and analysis of cell-cell communication using CellChat
Suoqin Jin, Christian F. Guerrero-Juarez, Lihua Zhang, Ivan Chang, Peggy Myung, Maksim V. Plikus, Qing Nie
bioRxiv 2020.07.21.214387] (https://doi.org/10.1101/2020.07.21.214387)

你可能感兴趣的:(使用cellchat进行细胞间通讯分析)

  • 迎接2019 唯有杜康1994
    告别2018这一年是机遇与挑战，痛苦与喜悦，失去与收获的一年一月:收获了第一份爱情，开始真正想去了解一个人三月:对工作有了更深入的认识，靠自己的力量完成晋升五月:搬家，住进了自己理想的公寓，一间属于自己的屋子。满地的书六月:外调广州，升经理，有了自己的第一个团队。七月:怀着自我否定，第一次完成了部门任务八月:第一个员工流失，痛哭不已明白无不散之筵席九月:员工陆续离开，经济是一切的根本。十月:陪员工
  • Android和IOS应用开发-Flutter应用让屏幕在 app 运行期间保持常亮的方法 江上清风山间明月 FlutterandroidiosflutterKeepAlive屏幕常亮wakelock熄屏
    文章目录Flutter应用让屏幕在app运行期间保持常亮的方法方法一：使用系统插件方法二：使用Widgets注意事项Flutter应用让屏幕在app运行期间保持常亮的方法在Flutter开发中，可以使用以下两种方法让屏幕在app运行期间保持常亮：方法一：使用系统插件Flutter社区中已经有很多相关插件可供使用，比如wakelock:https://pub.dev/packages/wakeloc
  • 2019-04-08早 梦雅的简动力
    在上瑜伽课前10分钟的调息中，你的眼睛为什么总是想睁开？（焦虑）。你的眉头为什么总是紧锁？（压力）。练习体式时你为什么总是去看别人？（攀比）保持体式时你为什么总是烦躁？（性急）。保持长久而规律的练习，以上这些，终归离你远去。瑜伽，首先，不是帮你得到，而是教你放下。图片发自App时间，一时间无法跳离这个特殊的词汇毅力，坚持，真诚，需要时间来见证真相，现实，伪装，时间自然会揭秘珍惜它又害怕它可它丝毫不
  • 极狐GitLab 论坛 2.0 全新上线，可以在论坛上查找与 GitLab 相关的问题了～ 极小狐 gitlab极狐GitLabdevopsGitLabci/cddevsecopsSCM
    安装出现依赖错误？版本升级搞不定？遇到422、500就懵逼了？不知道某个功能是免费or付费？……使用GitLab这种全球顶级的DevOps平台进行软件研发时，总会遇到一些困惑，想跟专业的技术人员快速交流以便获得答案，同时又想把这些问题沉淀下来以帮助他人？有这种赠人玫瑰，手有余香的解决方案吗？答案肯定有：论坛！！！论坛——一个各路大神聚集的地方，一个可以解惑答疑问道的地方。解惑：搜索与自己问题相同或
  • 数据结构奇妙旅程之深入解析快速排序 山间漫步人生路 数据结构排序算法算法
    快速排序（QuickSort）是一种高效的排序算法，它使用了分治法的策略来将一个数组排序。其基本思想是选择一个基准元素，通过一趟排序将待排序的数据分割成独立的两部分，其中一部分的所有数据都比基准元素小，另一部分的所有数据都比基准元素大，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。工作原理选择基准：从待排序的序列中选一个元素作为基准（pivo
  • 2022年河南省高等职业教育技能大赛云计算赛项竞赛赛卷（样卷） 忘川_ydy 云计算云计算openstackkubernetesdockerpythonk8sansible
    #需要资源（软件包及镜像）或有问题的，可私博主！！！#需要资源（软件包及镜像）或有问题的，可私博主！！！#需要资源（软件包及镜像）或有问题的，可私博主！！！第一部分：私有云任务1私有云服务搭建(10分)使用提供的用户名密码，登录竞赛用的云计算平台，按要求自行使用镜像创建两台云主机，创建完云主机后确保网络正常通信，然后按要求配置服务器。根据提供安装脚本框架，补充脚本完成OpenStack平台的安装搭
  • 浪潮 M5系列服务器IPMI无法监控存储RAID卡问题. Songxwn 硬件服务器服务器运维
    简介浪潮的M5代服务器，可能有WebBMC无法查看存储RAID/SAS卡状态的情况，可以通过以下方式修改。修改完成后重启BMC即可生效。ESXiIPMITools使用：https://songxwn.com/ESXi8_IPMI/（Linux也可以直接使用）Linux/ESXiIPMITool下载：https://songxwn.com/file/ipmitoolWindows下载：https:/
  • Mac命令行查找SDK/JDK安装位置 iblade Linuxmacosjava开发语言
    要在命令行中查询AndroidSDKPlatformTools的安装位置，可以使用以下步骤：使用which命令：在命令行中执行以下命令：whichadb这将输出adb命令的安装路径，通常情况下，它会在AndroidSDK的platform-tools目录下。手动查找：如果whichadb没有输出，可以手动查找AndroidSDK的安装位置。通常情况下，AndroidSDK的默认安装路径是在用户的h
  • 天猫超市优惠获取渠道，天猫超市内部优惠劵领取方法使用教程 氧惠全网优惠
    天猫超市是一个不错的购物平台，满足用户所需，基本次日达，很方便的购物平台，那么有人问我，天猫超市优惠获取渠道在哪？怎么能够优惠的购买，今天分享给大家；1、天猫超市优惠券抢好券：天猫超市首页每天可以领取满199减30、满235减35、满299减50、满399减60、满166减30等优惠券，领劵方法复制下条口令打开淘宝进入领劵会场；隐藏神券、实时爆款、天天更新！戳>(CZ9185ZatcdhNADlJ
  • SpringMVC设置全局异常处理器 水岸齐天 javaspring
    文章目录背景分析使用@ControllerAdvice（@RestControllerAdvice）+@ExceptionHandler实现全局异常全局异常处理-多个处理器匹配顺序存在一个类中存在不同的类中对于过滤器和拦截器中的异常，有两种思路可以考虑背景在项目中我们有需求做一个全局异常处理，来规范所有出去的异常信息。参考：官方文档分析首先ControllerAdvice(RestControll
  • 【算法分析与设计】去除重复字母 五敷有你 算法分析与设计javajavascript开发语言算法数据结构
    个人主页：五敷有你系列专栏：算法分析与设计⛺️稳中求进，晒太阳题目给你一个字符串s，请你去除字符串中重复的字母，使得每个字母只出现一次。需保证返回结果的字典序最小（要求不能打乱其他字符的相对位置）。示例示例1：输入：s="bcabc"输出："abc"示例2：输入：s="cbacdcbc"输出："acdb"思路贪心+单调栈实现【字符串删除一个字符使其字典序最小的贪心策略】：对于两个长度相同的字符串，
  • 第一章 山洞传来牛铃声 满眼荷花
    春夏时节，田野一片青碧，山林薄雾蔼蔼，水草萋萋的小河边静静立着一只白鹭，像一位白头钓翁，在耐心地等鱼。王三乐牵着一头老黄牛，正在河边田埂上放牛。看见白鹭，他百无聊赖地捡起一块小石头扔了过去。白鹭动作舒缓、姿势优美地飞起避过，在空中飞行一段后，宛若晴空一片云，翩然而下，又静静立于河边青草间，继续呈现完美的画面。王三乐也觉得自己很无聊，这也难怪，从他记事起就开始放牛，一直到现在都大学毕业了，还没丢下放
  • 社交电商是什么意思通俗的说 氧惠好项目
    社交电商是目前电商发展的一个非常热门的领域，它将传统的电商和社交媒体相结合，让用户可以在社交平台上完成购物、支付等操作。社交电商不同于传统电商，它更加注重用户的社交性和互动性，通过社交媒体的传播，吸引用户关注，让产品能够更加快速地传播。京东密令红包：最爱领红包828红包多多148今天给大家分享我长期在做的副业，也在这里赚到人生第3桶金！氧惠APP佣金高，资质靠谱，各大应用市场均可搜索使用。【氧惠】
  • 数据分析：低代码平台助力大数据时代的飞跃发展 快乐非自愿 数据分析低代码大数据
    随着信息技术的突飞猛进，我们身处于一个数据量空前增长的时代——大数据时代。在这个时代背景下，数据分析已经成为企业决策、政策制定、科学研究等众多领域不可或缺的重要工具。然而，面对海量的数据和日益复杂多变的分析需求，传统的数据分析方法往往捉襟见肘，难以应对。幸运的是，低代码平台的兴起为大数据分析注入了新的活力，成为推动大数据时代发展的重要力量。低代码平台，顾名思义，是一种通过少量甚至无需编写代码，就能
  • 以前开发MFC界面如何快速转成QT界面 广州视觉芯软件有限公司 mfcqtc++
    将MFC界面快速转换为Qt界面可能需要进行一些手动工作，因为MFC和Qt是两个不同的界面框架，它们具有不同的设计和实现原理。但是，以下步骤可以帮助你快速进行转换：创建一个新的Qt项目：使用QtCreator创建一个新的Qt项目。分析MFC界面：仔细分析你的MFC界面，包括窗口、对话框、控件等的布局、样式和行为。重新设计界面：使用Qt的可视化设计器重新设计界面。在QtCreator的设计器中，你可以
  • Django之Debug篇 菜鸟之编程 Djangodjangopython后端
    一、DebugToolBar基本使用1.1、概述Django框架的调试工具栏使用django-debug-toolbar库，是一组可配置的面板，显示有关当前请求/响应的各种调试信息，点击时，显示有关面板内容的更多详细信息。官方文档：DjangoDebugToolbar—DjangoDebugToolbar4.3.0documentation1.2、安装pipinstalldjango-debug-
  • 2022-10-02 朗月斋主
    肿瘤溶解病毒（OVs）作为一种新型的免疫治疗和治疗辅助剂，在制药行业中越来越受到关注，因为它们能够通过多种机制诱导和提高抗肿瘤免疫力。首先，OVs能够利用宿主免疫系统的内在机制（例如，逃避免疫检测）可以使肿瘤的免疫逃逸机制失效。第二，许多类型的OVs已被证明可以直接裂解肿瘤细胞，从而诱导出由肿瘤相关抗原和危险信号分子释放介导的肿瘤特异性T细胞反应。第三，表达免疫刺激治疗基因的武装OV可以在肿瘤组织
  • 购物返利平台是真的吗 返金app平台高佣返利省钱
    购物返利平台是真实存在的，它们提供一种通过购物来获取一定比例返现的服务。这些平台通常与商家合作，通过返利链接或其他追踪方式来追踪用户的购物行为，然后将一部分返现金额返还给用户。然而，需要注意的是，并非所有的购物返利平台都是可信的。在选择使用购物返利平台时，建议您注意以下几个方面：可信度和口碑：查看平台的用户评价和口碑，了解其他用户对该平台的使用体验和返利情况。合作商家：了解平台的合作商家是否可靠，
  • 数据挖掘|数据预处理|基于Python的数据标准化方法 皖山文武 数据挖掘数据建模与分析python数据挖掘开发语言
    基于Python的数据标准化方法1.z-score方法2.极差标准化方法3.最大绝对值标准化方法在数据分析之前，通常需要先将数据标准化（Standardization），利用标准化后的数据进行数据分析，以避免属性之间不同度量和取值范围差异造成数据对分析结果的影响。1.z-score方法Z-score方法是基于原始数据的均值和标准差来进行数据标准化的，处理后的数据均值为0，方差为1，符合标准正态分布
  • c++中如何判断变量的数据类型，并输出 xnrbjy c++开发语言
    C++中如果想要判断变量的数据类型，可以使用typeid运算符。该运算符返回一个std::type_info类型的对象，可以使用name()方法获取其名称从而确定变量的类型，例如：#include#includeusingnamespacestd;intmain(){inta=123;floatb=3.14;boolc=true;chard='A';stringe="HelloWorld";cou
  • 使用多线程的方式模拟高并发请求接口，用于自测接口的稳定性【项目】 还算善良_ 私有代码库工具类javalist数据结构
    packagecom.gitee.taven.test;importcom.gitee.taven.ApiResult;importcom.gitee.taven.aop.RepeatSubmitAspect;importorg.slf4j.Logger;importorg.slf4j.LoggerFactory;importorg.springframework.beans.factory.an
  • 【计算机网络】第 3 问：电路交换、报文交换、分组交换之间的区别？ 孤独打铁匠Julian #计算机408考研面试计算机网络计算机网络网络
    电路交换、报文交换、分组交换之间的区别？省流图详解电路交换电路交换的优点电路交换的缺点建立连接时间长的原因报文交换报文交换的优点报文交换的缺点分组交换分组交换的优点分组交换的缺点比较总结省流图详解电路交换在进行数据传输前，两个结点之间必须先建立一条专用（双方独占）的物理通信路径（由通信双方之间的交换设备和链路逐段连接而成），该路径可能经过许多中间结点。这一路径在整个数据传输期间一直被独占，直到通信
  • CSV指南：Python程序获取大型CSV文件行数 孤独打铁匠Julian 笔记经验分享python
    本指南提供了几种使用Python来获取大型CSV文件行数的方法，并解释了每种方法的适用场景。方法1:使用csv.reader处理复杂CSV文件当你的CSV文件中包含多行字段（即某些字段的值中包含换行符）时，使用csv.reader是一个可靠的选择，因为它能够正确处理这些复杂情况。这个方法适用于大多数大小的CSV文件，但是对于非常大的文件，读取整个文件可能会占用较多的时间和内存。对于极大的文件，考虑
  • 【嵌入式模块】步进电机使用总结 记录无知岁月 #嵌入式设备嵌入式硬件步进电机
    关于本博客  此前上了一门课《自动控制元件》，但是由于学时有限，讲到步进电机就不讲了，留下了一个小遗憾，导致需要使用步进电机时就有点懵，于是找了一篇博客，链接在这里，推荐具有电机知识（如直流电机，异步电机等）的朋友看，如果完全不懂，建议先啃书。
  • 常用API---初始化，话题和服务对象创建，回旋/头函数，时间（如：获取当前时刻，持续时间执行频率，休眠，定时器等），运行频率，定时器，节点生命周期，日志相关API 李卓璐 机器人人工智能c++
    初始化ROS节点ros::init(argc,argv,“name”,options);作用：ros初始化函数参数： 1.argc—封装实参的个数（n+1个->有一个是自身）； 2.argv—封装参数的数组； 3.name—为节点命名（唯一性）； 4.options—节点启动项，解决节点重名问题。返回值：void使用： 1.argc和argv的使用：  如果按照ROS中的特定格式传入实参，那么RO
  • matlab按行读取txt文件数据集 地上悬河 matlab开发语言
    功能：使用Matlab按行读取txt文件，按照特定符号进行分割后加入数组中fid=fopen('coordinate.txt');%首先打开文本文件coordinate.txttemp=[]while~feof(fid)%while循环表示文件指针没到达末尾，则继续%每次读取一行,str是字符串格式str=fgetl(fid);%以','作为分割数据的字符,结果为cell数组s=regexp(st
  • 2019.11.28感恩日记 afab5b74f713
    1.感谢真我守护，一觉到天明，谢谢谢谢谢谢！2.感谢一大早，橘子就甩来4800的大红包，谢谢谢谢谢谢！3.感谢今天代理宝宝们疯狂加单，钱宝宝流入小十万，太牛了你们，有你们真好，谢谢谢谢谢谢！4.感谢自己拥有钱宝宝，可以去群里给宝宝们发红包，表达我的爱，谢谢谢谢谢谢钱宝宝爱我！5.感谢自己的细胞宝宝们，让我保持健康与活力，可以自由活动，活力满满，谢谢谢谢谢谢！6.感谢芬姐甩来订单，谢谢谢谢谢谢钱宝宝
  • yarn的安装和使用全网最详细教程 zxj19880502 yarnnpm
    一、yarn的简介：Yarn是facebook发布的一款取代npm的包管理工具。二、yarn的特点：速度超快。Yarn缓存了每个下载过的包，所以再次使用时无需重复下载。同时利用并行下载以最大化资源利用率，因此安装速度更快。超级安全。在执行代码之前，Yarn会通过算法校验每个安装包的完整性。超级可靠。使用详细、简洁的锁文件格式和明确的安装算法，Yarn能够保证在不同系统上无差异的工作。三、yarn的
  • C#中的PLINQ和LINQ的效率对比 搬砖的诗人Z C#c#linq开发语言
    PLINQ（ParallelLINQ）和LINQ（LanguageIntegratedQuery）都是.NET框架中的功能，用于对集合进行查询和操作。它们之间的主要区别在于并行处理能力。LINQ:LINQ是一种用于在.NET应用程序中进行数据查询和操作的语言集成功能。它提供了一种统一的方式来查询各种数据源，如集合、数组、XML、数据库等。LINQ是在单线程环境中执行查询操作的，因此对于大型数据集或
  • chrome扩展，“manifest_version“: 3, chrome 扩展图标点击事件 徐同保 chrome前端
    在Chrome扩展中，从ManifestV3开始，后台脚本（backgroundscripts）被服务工作线程（serviceworkers）所取代。这改变了扩展图标点击事件（通常称为浏览器操作或者页面操作）的处理方式。在ManifestV3中，您需要使用chrome.action.onClicked监听器来处理扩展图标的点击事件。下面是一个如何设置扩展图标点击事件处理器的示例：在manifest
  • rust的指针作为函数返回值是直接传递，还是先销毁后创建？ wudixiaotie 返回值
     这是我自己想到的问题，结果去知呼提问，还没等别人回答， 我自己就想到方法实验了。。 fn main() { let mut a = 34; println!("a's addr:{:p}", &a); let p = &mut a; println!("p's addr:{:p}", &a
  • java编程思想 -- 数据的初始化 百合不是茶 java数据的初始化
      1.使用构造器确保数据初始化      /* *在ReckInitDemo类中创建Reck的对象 */ public class ReckInitDemo { public static void main(String[] args) { //创建Reck对象 new Reck(); } }
  • [航天与宇宙]为什么发射和回收航天器有档期 comsci
           地球的大气层中有一个时空屏蔽层,这个层次会不定时的出现,如果该时空屏蔽层出现,那么将导致外层空间进入的任何物体被摧毁,而从地面发射到太空的飞船也将被摧毁...        所以,航天发射和飞船回收都需要等待这个时空屏蔽层消失之后,再进行 &
  • linux下批量替换文件内容 商人shang linux替换
    1、网络上现成的资料 　　格式: sed -i "s/查找字段/替换字段/g" `grep 查找字段 -rl 路径` 　　linux sed 批量替换多个文件中的字符串 　　sed -i "s/oldstring/newstring/g" `grep oldstring -rl yourdir` 　　例如：替换/home下所有文件中的www.admi
  • 网页在线天气预报 oloz 天气预报
    网页在线调用天气预报 <%@ page language="java" contentType="text/html; charset=utf-8" pageEncoding="utf-8"%> <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transit
  • SpringMVC和Struts2比较 杨白白 springMVC
    1. 入口 spring mvc的入口是servlet，而struts2是filter（这里要指出，filter和servlet是不同的。以前认为filter是servlet的一种特殊），这样就导致了二者的机制不同，这里就牵涉到servlet和filter的区别了。 参见：http://blog.csdn.net/zs15932616453/article/details/8832343 2
  • refuse copy, lazy girl! 小桔子 copy
           妹妹坐船头啊啊啊啊！都打算一点点琢磨呢。文字编辑也写了基本功能了。。今天查资料，结果查到了人家写得完完整整的。我清楚的认识到： 1.那是我自己觉得写不出的高度 2.如果直接拿来用，很快就能解决问题 3.然后就是抄咩~~ 4.肿么可以这样子，都不想写了今儿个，留着作参考吧！拒绝大抄特抄，慢慢一点点写！  
  • apache与php整合 aichenglong php apache web
    一  apache web服务器 1 apeche web服务器的安装   1)下载Apache web服务器   2)配置域名(如果需要使用要在DNS上注册)   3)测试安装访问http://localhost/验证是否安装成功 2 apache管理   1)service.msc进行图形化管理   2)命令管理，配
  • Maven常用内置变量 AILIKES maven
    Built-in properties ${basedir} represents the directory containing pom.xml ${version} equivalent to ${project.version} (deprecated: ${pom.version}) Pom/Project properties Al
  • java的类和对象 百合不是茶 JAVA面向对象 类 对象
    java中的类：     java是面向对象的语言，解决问题的核心就是将问题看成是一个类，使用类来解决   java使用 class 类名   来创建类 ，在Java中类名要求和构造方法，Java的文件名是一样的   创建一个A类： class A{ }   java中的类：将某两个事物有联系的属性包装在一个类中，再通
  • JS控制页面输入框为只读 bijian1013 JavaScript
    在WEB应用开发当中，增、删除、改、查功能必不可少，为了减少以后维护的工作量，我们一般都只做一份页面，通过传入的参数控制其是新增、修改或者查看。而修改时需将待修改的信息从后台取到并显示出来，实际上就是查看的过程，唯一的区别是修改时，页面上所有的信息能修改，而查看页面上的信息不能修改。因此完全可以将其合并，但通过前端JS将查看页面的所有信息控制为只读，在信息量非常大时，就比较麻烦。  
  • AngularJS与服务器交互 bijian1013 JavaScriptAngularJS$http
            对于AJAX应用（使用XMLHttpRequests）来说，向服务器发起请求的传统方式是：获取一个XMLHttpRequest对象的引用、发起请求、读取响应、检查状态码，最后处理服务端的响应。整个过程示例如下： var xmlhttp = new XMLHttpRequest(); xmlhttp.onreadystatechange
  • [Maven学习笔记八]Maven常用插件应用 bit1129 maven
    常用插件及其用法位于：http://maven.apache.org/plugins/   1. Jetty server plugin 2. Dependency copy plugin 3. Surefire Test plugin 4. Uber jar plugin           1. Jetty Pl
  • 【Hive六】Hive用户自定义函数(UDF) bit1129 自定义函数
    1. 什么是Hive UDF Hive是基于Hadoop中的MapReduce，提供HQL查询的数据仓库。Hive是一个很开放的系统，很多内容都支持用户定制，包括： 文件格式：Text File，Sequence File 内存中的数据格式： Java Integer/String, Hadoop IntWritable/Text 用户提供的 map/reduce 脚本：不管什么
  • 杀掉nginx进程后丢失nginx.pid，如何重新启动nginx ronin47 nginx 重启 pid丢失
    nginx进程被意外关闭，使用nginx -s reload重启时报如下错误：nginx: [error] open() “/var/run/nginx.pid” failed (2: No such file or directory)这是因为nginx进程被杀死后pid丢失了，下一次再开启nginx -s reload时无法启动解决办法：nginx -s reload 只是用来告诉运行中的ng
  • UI设计中我们为什么需要设计动效 brotherlamp UIui教程ui视频ui资料ui自学
    随着国际大品牌苹果和谷歌的引领，最近越来越多的国内公司开始关注动效设计了，越来越多的团队已经意识到动效在产品用户体验中的重要性了，更多的UI设计师们也开始投身动效设计领域。 但是说到底，我们到底为什么需要动效设计？或者说我们到底需要什么样的动效？做动效设计也有段时间了，于是尝试用一些案例，从产品本身出发来说说我所思考的动效设计。 一、加强体验舒适度 嗯，就是让用户更加爽更加爽的用你的产品。
  • Spring中JdbcDaoSupport的DataSource注入问题 bylijinnan javaspring
    参考以下两篇文章： http://www.mkyong.com/spring/spring-jdbctemplate-jdbcdaosupport-examples/ http://stackoverflow.com/questions/4762229/spring-ldap-invoking-setter-methods-in-beans-configuration Sprin
  • 数据库连接池的工作原理 chicony 数据库连接池
           随着信息技术的高速发展与广泛应用，数据库技术在信息技术领域中的位置越来越重要，尤其是网络应用和电子商务的迅速发展，都需要数据库技术支持动 态Web站点的运行，而传统的开发模式是：首先在主程序（如Servlet、Beans）中建立数据库连接；然后进行SQL操作，对数据库中的对象进行查 询、修改和删除等操作；最后断开数据库连接。使用这种开发模式，对
  • java 关键字 CrazyMizzz java
    关键字是事先定义的，有特别意义的标识符，有时又叫保留字。对于保留字，用户只能按照系统规定的方式使用，不能自行定义。 Java中的关键字按功能主要可以分为以下几类：    （1）访问修饰符       public,private,protected       p
  • Hive中的排序语法 daizj 排序hiveorder byDISTRIBUTE BYsort by
    Hive中的排序语法 2014.06.22 ORDER BY hive中的ORDER BY语句和关系数据库中的sql语法相似。他会对查询结果做全局排序，这意味着所有的数据会传送到一个Reduce任务上，这样会导致在大数量的情况下，花费大量时间。 与数据库中 ORDER BY 的区别在于在hive.mapred.mode = strict模式下，必须指定 limit 否则执行会报错。
  • 单态设计模式 dcj3sjt126com 设计模式
      单例模式（Singleton）用于为一个类生成一个唯一的对象。最常用的地方是数据库连接。 使用单例模式生成一个对象后，该对象可以被其它众多对象所使用。 <?phpclass Example{    // 保存类实例在此属性中    private static&
  • svn locked dcj3sjt126com Lock
    post-commit hook failed (exit code 1) with output: svn: E155004: Working copy 'D:\xx\xxx' locked svn: E200031: sqlite: attempt to write a readonly database svn: E200031: sqlite: attempt to write a
  • ARM寄存器学习 e200702084 数据结构C++cC#F#
    无论是学习哪一种处理器，首先需要明确的就是这种处理器的寄存器以及工作模式。     ARM有37个寄存器，其中31个通用寄存器，6个状态寄存器。 1、不分组寄存器（R0-R7）     不分组也就是说说，在所有的处理器模式下指的都时同一物理寄存器。在异常中断造成处理器模式切换时，由于不同的处理器模式使用一个名字相同的物理寄存器，就是
  • 常用编码资料 gengzg 编码
    List<UserInfo> list=GetUserS.GetUserList(11); String json=JSON.toJSONString(list); HashMap<Object,Object> hs=new HashMap<Object, Object>(); for(int i=0;i<10;i++) {
  • 进程 vs. 线程 hongtoushizi 线程linux进程
    我们介绍了多进程和多线程，这是实现多任务最常用的两种方式。现在，我们来讨论一下这两种方式的优缺点。 首先，要实现多任务，通常我们会设计Master-Worker模式，Master负责分配任务，Worker负责执行任务，因此，多任务环境下，通常是一个Master，多个Worker。 如果用多进程实现Master-Worker，主进程就是Master，其他进程就是Worker。 如果用多线程实现
  • Linux定时Job：crontab -e 与 /etc/crontab 的区别 Josh_Persistence linuxcrontab
    一、linux中的crotab中的指定的时间只有5个部分：* * * * * 分别表示：分钟，小时，日，月，星期，具体说来： 第一段 代表分钟 0—59 第二段 代表小时 0—23 第三段 代表日期 1—31 第四段 代表月份 1—12 第五段 代表星期几，0代表星期日 0—6   如： */1 * * * *   每分钟执行一次。 *
  • KMP算法详解 hm4123660 数据结构C++算法字符串KMP
         字符串模式匹配我们相信大家都有遇过，然而我们也习惯用简单匹配法（即Brute-Force算法)，其基本思路就是一个个逐一对比下去，这也是我们大家熟知的方法，然而这种算法的效率并不高，但利于理解。       假设主串s="ababcabcacbab",模式串为t="
  • 枚举类型的单例模式 zhb8015 单例模式
    E.编写一个包含单个元素的枚举类型[极推荐]。代码如下： public enum MaYun {himself; //定义一个枚举的元素，就代表MaYun的一个实例private String anotherField;MaYun() {//MaYun诞生要做的事情//这个方法也可以去掉。将构造时候需要做的事情放在instance赋值的时候：/** himself = MaYun() {*
  • Kafka+Storm+HDFS ssydxa219 storm
    cd /myhome/usr/stormbin/storm nimbus &amp;bin/storm supervisor &amp;bin/storm ui &amp;Kafka+Storm+HDFS整合实践kafka_2.9.2-0.8.1.1.tgzapache-storm-0.9.2-incubating.tar.gzKafka安装配置我们使用3台机器搭建Kafk
  • Java获取本地服务器的IP 中华好儿孙 javaWeb获取服务器ip地址
    System.out.println("getRequestURL:"+request.getRequestURL()); System.out.println("getLocalAddr:"+request.getLocalAddr()); System.out.println("getLocalPort:&quo
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他