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
呆萌的太阳完成签到 ,获得积分10
刚刚
chenshuoDSB完成签到,获得积分10
刚刚
且慢完成签到,获得积分20
刚刚
尊敬寒松发布了新的文献求助10
1秒前
欣喜雅阳发布了新的文献求助10
1秒前
2秒前
3秒前
3秒前
3秒前
研友_nPxRRn发布了新的文献求助10
4秒前
lanbing802发布了新的文献求助10
4秒前
5秒前
Yana1311完成签到,获得积分10
5秒前
6秒前
6秒前
lmma完成签到,获得积分20
6秒前
且慢发布了新的文献求助10
6秒前
123456789发布了新的文献求助10
6秒前
栗子发布了新的文献求助10
7秒前
7秒前
雪茶发布了新的文献求助20
7秒前
7秒前
酷波er应助雅悦采纳,获得10
7秒前
biye完成签到,获得积分10
8秒前
金刚经应助科研通管家采纳,获得10
8秒前
烟花应助科研通管家采纳,获得20
8秒前
小二郎应助科研通管家采纳,获得10
8秒前
ahai完成签到,获得积分10
8秒前
英姑应助科研通管家采纳,获得10
8秒前
yangxin614发布了新的文献求助10
8秒前
8秒前
大个应助科研通管家采纳,获得30
8秒前
8秒前
小马甲应助科研通管家采纳,获得10
8秒前
传奇3应助科研通管家采纳,获得10
8秒前
无花果应助科研通管家采纳,获得10
9秒前
田様应助科研通管家采纳,获得10
9秒前
Lucas应助科研通管家采纳,获得10
9秒前
星辰大海应助科研通管家采纳,获得10
9秒前
小二郎应助科研通管家采纳,获得10
9秒前
高分求助中
Earth System Geophysics 1000
Write Like a Chemist: A Guide and Resource (第二版) 600
Mixed-anion Compounds 600
Language injustice and social equity in EMI policies in China 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
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 3201565
求助须知:如何正确求助?哪些是违规求助? 2851228
关于积分的说明 8076659
捐赠科研通 2515127
什么是DOI,文献DOI怎么找? 1347769
科研通“疑难数据库(出版商)”最低求助积分说明 640457
邀请新用户注册赠送积分活动 610785