亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

SEnSCA: Identifying possible ligand‐receptor interactions and its application in cell–cell communication inference

计算机科学 推论 卷积神经网络 聚类分析 人工智能 可视化 计算生物学 模式识别(心理学) 数据挖掘 机器学习 生物
作者
Liqian Zhou,Xiwen Wang,Lihong Peng,Min Chen,Hong Wen
出处
期刊:Journal of Cellular and Molecular Medicine [Wiley]
卷期号:28 (9) 被引量:2
标识
DOI:10.1111/jcmm.18372
摘要

Abstract Multicellular organisms have dense affinity with the coordination of cellular activities, which severely depend on communication across diverse cell types. Cell–cell communication (CCC) is often mediated via ligand‐receptor interactions (LRIs). Existing CCC inference methods are limited to known LRIs. To address this problem, we developed a comprehensive CCC analysis tool SEnSCA by integrating single cell RNA sequencing and proteome data. SEnSCA mainly contains potential LRI acquisition and CCC strength evaluation. For acquiring potential LRIs, it first extracts LRI features and reduces the feature dimension, subsequently constructs negative LRI samples through K‐means clustering, finally acquires potential LRIs based on Stacking ensemble comprising support vector machine, 1D‐convolutional neural networks and multi‐head attention mechanism. During CCC strength evaluation, SEnSCA conducts LRI filtering and then infers CCC by combining the three‐point estimation approach and single cell RNA sequencing data. SEnSCA computed better precision, recall, accuracy, F1 score, AUC and AUPR under most of conditions when predicting possible LRIs. To better illustrate the inferred CCC network, SEnSCA provided three visualization options: heatmap, bubble diagram and network diagram. Its application on human melanoma tissue demonstrated its reliability in CCC detection. In summary, SEnSCA offers a useful CCC inference tool and is freely available at https://github.com/plhhnu/SEnSCA .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
Makho发布了新的文献求助20
2秒前
levicho发布了新的文献求助10
6秒前
Albert完成签到,获得积分10
10秒前
13秒前
18秒前
Leo发布了新的文献求助10
22秒前
浪里白条完成签到,获得积分10
23秒前
美罗培南完成签到,获得积分10
27秒前
Jian完成签到,获得积分10
33秒前
当时只道是寻常完成签到,获得积分10
43秒前
xrang完成签到 ,获得积分10
46秒前
爆米花应助levicho采纳,获得10
50秒前
jxp完成签到,获得积分10
53秒前
Ava应助羊毛采纳,获得30
55秒前
59秒前
羊毛完成签到,获得积分20
1分钟前
QJQ完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
羊毛发布了新的文献求助30
1分钟前
1分钟前
levicho发布了新的文献求助10
1分钟前
sunny完成签到,获得积分10
1分钟前
levicho完成签到,获得积分10
1分钟前
1分钟前
kkkim完成签到 ,获得积分10
1分钟前
领导范儿应助Forizix采纳,获得10
1分钟前
dtxr发布了新的文献求助10
1分钟前
1分钟前
毛毛完成签到,获得积分10
1分钟前
dtxr完成签到,获得积分20
1分钟前
1分钟前
懿轩发布了新的文献求助10
1分钟前
Forizix完成签到,获得积分10
1分钟前
Forizix发布了新的文献求助10
1分钟前
1分钟前
YANGLan完成签到,获得积分10
1分钟前
Jaaay完成签到 ,获得积分10
1分钟前
Maru发布了新的文献求助10
1分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3186677
求助须知:如何正确求助?哪些是违规求助? 2836903
关于积分的说明 8011805
捐赠科研通 2499260
什么是DOI,文献DOI怎么找? 1334214
科研通“疑难数据库(出版商)”最低求助积分说明 637096
邀请新用户注册赠送积分活动 605032