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
cc完成签到 ,获得积分10
1秒前
顺心的定帮完成签到 ,获得积分10
4秒前
科研通AI2S应助小糯米采纳,获得10
6秒前
10秒前
Dani完成签到,获得积分10
11秒前
小周同学完成签到 ,获得积分10
14秒前
江流有声完成签到 ,获得积分10
15秒前
明亮紫易完成签到,获得积分10
16秒前
16秒前
msxw发布了新的文献求助10
17秒前
insomnia417完成签到,获得积分0
20秒前
攻心发布了新的文献求助10
21秒前
江边鸟完成签到 ,获得积分10
22秒前
丁元英完成签到,获得积分10
22秒前
郑志凡完成签到 ,获得积分10
23秒前
过时的不评完成签到,获得积分10
23秒前
kkkl完成签到,获得积分10
25秒前
msxw完成签到,获得积分10
26秒前
Bearbiscuit完成签到,获得积分10
27秒前
linllll完成签到,获得积分10
27秒前
28秒前
28秒前
konosuba完成签到,获得积分10
28秒前
随便发布了新的文献求助10
32秒前
超级小熊猫完成签到 ,获得积分10
32秒前
33秒前
高挑的豪完成签到 ,获得积分10
33秒前
mengyuhuan完成签到 ,获得积分0
35秒前
qcy72完成签到,获得积分10
35秒前
kkj完成签到,获得积分20
39秒前
wanjingwan完成签到,获得积分10
40秒前
lazysheep完成签到,获得积分10
41秒前
友好大树完成签到,获得积分20
43秒前
西门浩宇完成签到 ,获得积分10
43秒前
金刚经应助小糯米采纳,获得10
44秒前
45秒前
小白白白完成签到 ,获得积分10
45秒前
真的不会完成签到,获得积分10
46秒前
47秒前
Hello应助思明采纳,获得10
47秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
India's foreign trade policy and its performance in the world economy 450
Dictionary of socialism 350
Mixed-anion Compounds 300
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
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 3196557
求助须知:如何正确求助?哪些是违规求助? 2845245
关于积分的说明 8053685
捐赠科研通 2509895
什么是DOI,文献DOI怎么找? 1342090
科研通“疑难数据库(出版商)”最低求助积分说明 639304
邀请新用户注册赠送积分活动 608595