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
永毅完成签到 ,获得积分10
2秒前
3秒前
卡卡龍特完成签到,获得积分20
4秒前
我是老大应助敏感绿竹采纳,获得10
6秒前
丘比特应助笑点低寻凝采纳,获得10
6秒前
7秒前
Orange应助幸运的羔羊采纳,获得10
7秒前
英俊的铭应助Hcw0525采纳,获得10
7秒前
景辣条发布了新的文献求助10
8秒前
9秒前
11秒前
甜蜜寄文发布了新的文献求助10
11秒前
xiaodaiduyan发布了新的文献求助30
13秒前
14秒前
Jonathan发布了新的文献求助10
14秒前
方塘给方塘的求助进行了留言
15秒前
15秒前
风趣小小发布了新的文献求助10
16秒前
哈娜桑de悦完成签到,获得积分10
16秒前
笑点低寻凝完成签到,获得积分10
16秒前
Jasper应助xmhxpz采纳,获得10
16秒前
16秒前
不配.应助爱听歌的断天采纳,获得10
16秒前
18秒前
19秒前
sun完成签到,获得积分10
19秒前
敏感绿竹发布了新的文献求助10
19秒前
高歌猛进完成签到,获得积分10
19秒前
干雅柏发布了新的文献求助10
20秒前
Scherbatsky完成签到,获得积分10
20秒前
wyy发布了新的文献求助10
20秒前
劲秉应助霜序十六采纳,获得10
20秒前
17818521677完成签到,获得积分10
22秒前
可爱倪倪发布了新的文献求助10
22秒前
晟然发布了新的文献求助10
23秒前
23秒前
whisper完成签到 ,获得积分10
23秒前
wyz完成签到,获得积分10
24秒前
24秒前
24秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
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
Handbook on People's China (1957) 400
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 3188984
求助须知:如何正确求助?哪些是违规求助? 2838422
关于积分的说明 8019810
捐赠科研通 2501280
什么是DOI,文献DOI怎么找? 1335475
科研通“疑难数据库(出版商)”最低求助积分说明 637544
邀请新用户注册赠送积分活动 605656