R语言中判断向量是否相同的常用函数包括：#

identical() - 严格比较，检查两个对象是否完全相同，包括类型、长度和值
```
identical(vec1, vec2)
```
all.equal() - 近似比较，允许数值有微小的差异，更适合浮点数比较
```
all.equal(vec1, vec2)
```
== 运算符配合 all() - 元素级比较，检查每个对应元素是否相等
```
all(vec1 == vec2)
```
setequal() - 检查两个向量是否包含相同的元素，不考虑顺序
```
setequal(vec1, vec2)
```
%in% 配合 all() - 检查一个向量的所有元素是否都在另一个向量中
```
all(vec1 %in% vec2) && all(vec2 %in% vec1)
```

Match()函数#

original_data$Sample    # 假设是: c("A", "C", "B")
wang_all_subtypes$Sample # 假设是: c("B", "A", "C")

# match() 会返回: c(2, 3, 1)
# 因为:
# - "A" 在 wang_all_subtypes$Sample 中位置是 2
# - "C" 在 wang_all_subtypes$Sample 中位置是 3
# - "B" 在 wang_all_subtypes$Sample 中位置是 1

# 所以 wang_all_subtypes[c(2, 3, 1),] 会重排为:
# 行2 (对应 "A")
# 行3 (对应 "C")
# 行1 (对应 "B")

# 结果是 wang_all_subtypes$Sample 变成了: c("A", "C", "B")
# 这与 original_data$Sample 的顺序一致

得到cellchat对象后的可视化分析#

需要的包#

library(CellChat)
library(zellkonverter)
library(reticulate)
library(SingleCellExperiment)
library(patchwork)
library(presto)
library(Matrix)
library(future)
library(NMF)

读取和合并数据#

Hot_cell = readRDS("/share/home/sunLab/yanghc/project/TNBC_scRNA/GSE246613/cellchat/Hot_2.rds")
nonHot_cell = readRDS("/share/home/sunLab/yanghc/project/TNBC_scRNA/GSE246613/cellchat/nonHot_2.rds")

# 1. 合并两个 CellChat 对象  
object.list <- list(Hot = Hot_cell, nonHot = nonHot_cell)  
cellchat <- mergeCellChat(object.list, add.names = names(object.list))  # 合并后自动在 cellchat@net 等 slot 中保存两个数据集的信息 :contentReference[oaicite:0]{index=0}

分组间的dotplot可视化#

这里注意，netVisual_bubble()函数中有两个参数，第一个是comparison = c(1, 2)它会决定数据集的先后位置，例如在上一步的合并中 list(Hot = Hot_cell, nonHot = nonHot_cell)这样代表，Hot在1这个位置，nonHot在2这个位置。此时使用第二个参数max.dataset = 1，就会显示在Hot组中更强的信号，反之=2的话则显示在nonHot组中更强的信号也就是上调信息。

对于不同的对比画图需求，只需要改动第二个参数max.dataset = 1即可。如果同时改动则等于没有改动。总结如下：

当你写 comparison = c(1, 2) 时，第 1 个子数据集是 Hot，第 2 个是 nonHot；此时 max.dataset = 2 就会高亮 nonHot 组中更强的信号。
如果你改成 comparison = c(2, 1)，那在这一对比较里第 1 个就变成 nonHot，第 2 个变成 Hot；这时候再用 max.dataset = 2，就会高亮 Hot 组中更强的信号。

R

R基础函数