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
缓慢的海云完成签到,获得积分10
1秒前
竹焚完成签到 ,获得积分10
2秒前
darkpigx完成签到,获得积分10
3秒前
Caliho完成签到,获得积分10
3秒前
星辰大海应助掌灯师采纳,获得10
4秒前
Doctor Tang完成签到,获得积分10
4秒前
5秒前
6秒前
xiaozheng完成签到,获得积分10
9秒前
风起完成签到 ,获得积分10
9秒前
10秒前
zzz完成签到,获得积分10
10秒前
10秒前
王金金发布了新的文献求助10
11秒前
Owen应助快乐的萝莉采纳,获得10
11秒前
晟然发布了新的文献求助10
11秒前
wufel2完成签到,获得积分10
13秒前
皮卡丘完成签到 ,获得积分10
14秒前
15秒前
Owen应助王金金采纳,获得10
15秒前
17秒前
今后应助zzz采纳,获得10
17秒前
夕荀发布了新的文献求助10
18秒前
小小的梦想完成签到,获得积分10
18秒前
悦耳真完成签到,获得积分20
19秒前
Oatmeal5888发布了新的文献求助10
19秒前
19秒前
20秒前
野性的雁菡完成签到 ,获得积分10
20秒前
孙星发布了新的文献求助20
21秒前
小蘑菇应助Dkakxncnsksl采纳,获得10
22秒前
赖向珊发布了新的文献求助10
23秒前
华仔应助luoxuefei采纳,获得10
23秒前
pp‘s完成签到 ,获得积分10
23秒前
谦让芹菜完成签到,获得积分10
24秒前
韭菜盒子发布了新的文献求助10
25秒前
小二郎应助崔家荣采纳,获得10
25秒前
希望天下0贩的0应助CC采纳,获得10
25秒前
正直白梅完成签到,获得积分20
25秒前
夕荀完成签到,获得积分10
26秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 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 3187181
求助须知:如何正确求助?哪些是违规求助? 2837087
关于积分的说明 8013241
捐赠科研通 2499689
什么是DOI,文献DOI怎么找? 1334515
科研通“疑难数据库(出版商)”最低求助积分说明 637194
邀请新用户注册赠送积分活动 605102