已入深夜,您辛苦了!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!祝你早点完成任务,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
吃的饱饱呀完成签到 ,获得积分10
2秒前
4秒前
4秒前
4秒前
内向映天完成签到 ,获得积分10
8秒前
chem发布了新的文献求助10
10秒前
吴雪完成签到 ,获得积分10
10秒前
dudu发布了新的文献求助10
12秒前
14秒前
leslie完成签到 ,获得积分10
23秒前
李健的小迷弟应助洪武采纳,获得10
37秒前
清新的烤鸡完成签到,获得积分10
37秒前
爱静静应助科研通管家采纳,获得10
37秒前
wanci应助科研通管家采纳,获得10
37秒前
赘婿应助科研通管家采纳,获得10
37秒前
科研通AI2S应助科研通管家采纳,获得10
37秒前
爱静静应助科研通管家采纳,获得10
37秒前
爱静静应助科研通管家采纳,获得10
38秒前
领导范儿应助科研通管家采纳,获得10
38秒前
爱静静应助科研通管家采纳,获得20
38秒前
orixero应助科研通管家采纳,获得10
38秒前
科研通AI2S应助科研通管家采纳,获得10
38秒前
爱静静应助科研通管家采纳,获得10
38秒前
田様应助科研通管家采纳,获得10
38秒前
39秒前
要走的风发布了新的文献求助100
40秒前
40秒前
42秒前
嘉心糖完成签到,获得积分0
44秒前
adventure发布了新的文献求助10
45秒前
monster发布了新的文献求助10
46秒前
李李原上草完成签到 ,获得积分10
48秒前
123321完成签到 ,获得积分10
53秒前
Doraemon完成签到 ,获得积分10
53秒前
呜呼啦呼完成签到 ,获得积分10
55秒前
怕黑向秋完成签到,获得积分10
58秒前
小花小宝和阿飞完成签到 ,获得积分10
1分钟前
hanatae完成签到,获得积分10
1分钟前
努力奋斗完成签到,获得积分20
1分钟前
传奇3应助mratoz采纳,获得30
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 3186652
求助须知:如何正确求助?哪些是违规求助? 2836848
关于积分的说明 8011776
捐赠科研通 2499260
什么是DOI,文献DOI怎么找? 1334175
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