用途：从单细胞 RNA 测序数据推断并可视化细胞间信号网络，识别哪些细胞类型通过哪些配体-受体对和通路相互通讯，并比较不同条件下的通讯差异。
主要能力：基于 CellChatDB（人和小鼠，2000 余对已验证配体-受体）计算通讯概率；将配体-受体对聚合为通路级网络；通过出强度、入强度、介数、特征向量中心性量化各细胞群的发送者/接收者/中介者/影响者角色；用 NMF 识别潜在通讯模式；支持两条件对象合并后比较，输出弦图、热图、气泡图等。
必要用法：需归一化表达矩阵（基因×细胞）和细胞群标签。典型流程为 createCellChat 创建对象、设置 CellChatDB、subsetData、identifyOverExpressedGenes/Interactions、computeCommunProb、filterCommunication、computeCommunProbPathway、aggregateNet，再用 netVisual_* 出图；比较条件时用 mergeCellChat 加 compareInteractions、netVisual_diffInteraction、rankNet 等。安装：devtools::install_github("jinworks/CellChat")，并安装 NMF、ggplot2、ggalluvial、igraph、dplyr、patchwork 等依赖。
适用场景：组织图谱或疾病样本中判断主要信号发送/接收细胞；定位特定细胞群间的配体-受体对；比较健康与疾病、处理与对照的通讯重连；发现 MHC-II、COLLAGEN、VEGF 等通路级程序；按通讯强度或网络中心性为扰动实验排优先级。
限制：仅提供人和小鼠 CellChatDB，其他物种需自建数据库；小样本组推断可靠性下降（默认每组至少 10 个细胞）；内存需求约 8 GB 起，大数据集建议 32 GB 以上；参数如表达聚合方式、是否按群大小加权、bootstrap 次数会影响结果；需在分析前明确细胞群标签、数据库范围、最小细胞数等设置。其它细节暂未提供。