用途：从单细胞转录组数据推断哪些细胞类型之间存在配体-受体通讯，并对结果做特异性、通路或下游机制层面的分析。
主要能力：以 LIANA 的 rank_aggregate 作为共识默认方法，同时输出 magnitude_rank 与 specificity_rank；可用 CellPhoneDB v5 做标签置换的特异性 p 值检验（含多亚基复合物处理）；用 CellChat v2 计算质量作用概率并汇总到通路、分析发送/接收/中介角色；用 NicheNet 按 AUPR 排序配体，回答“哪个配体最能解释受体细胞的差异表达反应”。还涉及资源敏感性检查、空间感知方法与 Tensor-cell2cell、Scriabin 等扩展。
使用方式：Python 侧调用 li.mt.rank_aggregate(adata, groupby='cell_type', resource_name='consensus', expr_prop=0.1, use_raw=False, n_perms=1000)；CellPhoneDB 用 cpdb_statistical_analysis_method.call(...)；R 侧按 createCellChat、subsetData、identifyOverExpressedGenes、computeCommunProb(type='triMean')、filterCommunication(min.cells=10)、computeCommunProbPathway、aggregateNet、netAnalysis_computeCentrality 的顺序执行；NicheNet 用 predict_ligand_activities 并按 aupr_corrected 取 top-N。
适用场景：解离 scRNA-seq 的细胞类型间通讯假设生成、通路层面比较、条件间差异与下游机制探索。
限制：所有输出只是共表达代理，不等于真实信号；不同方法估计的量不同，排名不可单调对应；L-R 数据库选择对结果影响可能不亚于方法；解离数据无空间邻近信息；需警惕环境 RNA、细胞丰度、测序深度与解离应激等混杂；CellPhoneDB 数据库仅人类；NicheNet 依赖干净的受体基因集与静态先验网络。版本兼容性需按已安装包文档核对。