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
戴维少尉完成签到,获得积分10
刚刚
科研通AI2S应助Run采纳,获得10
刚刚
1秒前
科研通AI2S应助能干垣采纳,获得30
1秒前
君知完成签到,获得积分10
2秒前
无私的黄豆完成签到 ,获得积分10
2秒前
push发布了新的文献求助10
3秒前
酶没美镁完成签到,获得积分10
3秒前
从容的曼寒完成签到,获得积分10
3秒前
3秒前
鄒鄒应助隐形的巴豆采纳,获得10
4秒前
5秒前
Wang完成签到,获得积分10
5秒前
7秒前
淀粉肠沾番茄酱完成签到,获得积分10
8秒前
Fa完成签到,获得积分10
8秒前
万柏祺完成签到,获得积分10
9秒前
星光发布了新的文献求助10
10秒前
何哈哈完成签到,获得积分10
11秒前
nn完成签到 ,获得积分10
11秒前
香蕉惜霜完成签到,获得积分10
12秒前
13秒前
Youdge完成签到,获得积分10
14秒前
Jasper应助Zz采纳,获得10
14秒前
Sci完成签到,获得积分10
16秒前
16秒前
qq应助恺恺采纳,获得10
17秒前
王紫绯发布了新的文献求助10
18秒前
ding应助juest采纳,获得10
20秒前
科研通AI2S应助8282868采纳,获得10
20秒前
huahua完成签到,获得积分10
20秒前
午后狂睡完成签到 ,获得积分10
22秒前
苹果青易发布了新的文献求助50
23秒前
在水一方应助罗嘉玲采纳,获得10
24秒前
和平港湾完成签到,获得积分10
25秒前
25秒前
爱书儿的小周完成签到,获得积分10
26秒前
Kimi完成签到,获得积分10
28秒前
zlx完成签到 ,获得积分10
29秒前
冷艳的火龙果完成签到,获得积分10
29秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
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
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 3187116
求助须知:如何正确求助?哪些是违规求助? 2837073
关于积分的说明 8012661
捐赠科研通 2499486
什么是DOI,文献DOI怎么找? 1334462
科研通“疑难数据库(出版商)”最低求助积分说明 637194
邀请新用户注册赠送积分活动 605075