清晨好,您是今天最早来到科研通的研友!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,伴您科研之路漫漫前行!

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
harden9159完成签到,获得积分10
14秒前
游01完成签到 ,获得积分10
22秒前
40秒前
维维完成签到 ,获得积分10
1分钟前
玉鱼儿完成签到 ,获得积分10
1分钟前
木南大宝完成签到 ,获得积分10
1分钟前
FANPENG发布了新的文献求助10
1分钟前
xiaoputaor完成签到 ,获得积分10
1分钟前
1分钟前
Casey完成签到 ,获得积分10
1分钟前
姚芭蕉完成签到 ,获得积分0
1分钟前
高不二发布了新的文献求助20
1分钟前
大水完成签到 ,获得积分10
1分钟前
大头完成签到 ,获得积分10
1分钟前
yuntong完成签到 ,获得积分10
1分钟前
FANPENG完成签到,获得积分10
1分钟前
luckygirl完成签到 ,获得积分10
1分钟前
研友_nV2ROn完成签到,获得积分10
2分钟前
古炮完成签到 ,获得积分10
2分钟前
张振宇完成签到 ,获得积分10
2分钟前
Skywings完成签到,获得积分10
2分钟前
雪花完成签到 ,获得积分10
2分钟前
Glory完成签到 ,获得积分10
2分钟前
张振宇完成签到 ,获得积分10
2分钟前
空洛完成签到 ,获得积分10
2分钟前
光亮若翠完成签到,获得积分10
3分钟前
卡戎529完成签到 ,获得积分10
3分钟前
Akim应助朴素蜡烛采纳,获得10
3分钟前
zz完成签到 ,获得积分10
3分钟前
caulif完成签到 ,获得积分10
3分钟前
3分钟前
qcck完成签到,获得积分10
3分钟前
朴素蜡烛发布了新的文献求助10
3分钟前
好好好完成签到 ,获得积分10
3分钟前
zhangguo完成签到 ,获得积分10
3分钟前
LELE完成签到 ,获得积分10
4分钟前
llll完成签到,获得积分10
4分钟前
葛怀锐完成签到 ,获得积分10
4分钟前
怡然白竹完成签到 ,获得积分10
4分钟前
陆黑暗完成签到 ,获得积分10
4分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
Dictionary of socialism 350
Mixed-anion Compounds 300
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
Idoxuridine 260
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 3196835
求助须知:如何正确求助?哪些是违规求助? 2845505
关于积分的说明 8054331
捐赠科研通 2510132
什么是DOI,文献DOI怎么找? 1342307
科研通“疑难数据库(出版商)”最低求助积分说明 639355
邀请新用户注册赠送积分活动 608669