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
theo完成签到 ,获得积分10
10秒前
困困困完成签到 ,获得积分10
10秒前
lovexa完成签到,获得积分10
57秒前
wpj发布了新的文献求助200
1分钟前
zyjsunye完成签到 ,获得积分0
1分钟前
开拖拉机的医学僧完成签到 ,获得积分10
2分钟前
迅速的幻雪完成签到 ,获得积分10
2分钟前
YANGMJ完成签到,获得积分10
2分钟前
楚襄谷完成签到 ,获得积分10
2分钟前
李志全完成签到 ,获得积分10
2分钟前
gszy1975发布了新的文献求助80
3分钟前
creep2020完成签到,获得积分10
3分钟前
3分钟前
脑洞疼应助疑问师采纳,获得10
3分钟前
wure10完成签到 ,获得积分10
3分钟前
ewind完成签到 ,获得积分10
3分钟前
oleskarabach发布了新的文献求助10
4分钟前
5分钟前
疑问师发布了新的文献求助10
5分钟前
研友_VZG7GZ应助科研通管家采纳,获得10
5分钟前
jerry完成签到 ,获得积分10
5分钟前
疑问师完成签到,获得积分10
5分钟前
A,w携念e行ོ完成签到,获得积分10
6分钟前
7分钟前
王磊完成签到 ,获得积分10
7分钟前
颜陌完成签到,获得积分10
7分钟前
现代完成签到,获得积分10
7分钟前
al完成签到 ,获得积分10
8分钟前
8分钟前
xiaolang2004发布了新的文献求助10
8分钟前
王晓静完成签到 ,获得积分10
9分钟前
神勇丹烟完成签到 ,获得积分10
9分钟前
xiaolang2004关注了科研通微信公众号
9分钟前
cyskdsn完成签到 ,获得积分10
9分钟前
孜然味的拜拜肉完成签到,获得积分10
10分钟前
自然的含蕾完成签到 ,获得积分10
10分钟前
无悔完成签到 ,获得积分10
11分钟前
Axs完成签到,获得积分10
12分钟前
寻道图强应助spingstee采纳,获得30
12分钟前
震动的听枫完成签到,获得积分10
13分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
安全防范技术与工程 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Актуализированная стратиграфическая схема триасовых отложений Прикаспийского региона. Объяснительная записка 360
Dictionary of socialism 350
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 3192690
求助须知:如何正确求助?哪些是违规求助? 2841716
关于积分的说明 8034552
捐赠科研通 2505415
什么是DOI,文献DOI怎么找? 1338545
科研通“疑难数据库(出版商)”最低求助积分说明 638372
邀请新用户注册赠送积分活动 606929