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
丘比特应助蔡蔡采纳,获得10
2秒前
2秒前
2秒前
3秒前
3秒前
平常的羊完成签到 ,获得积分10
3秒前
NSS完成签到,获得积分10
4秒前
StandardR完成签到,获得积分10
5秒前
科研顺利发布了新的文献求助10
5秒前
胡图图发布了新的文献求助50
6秒前
11号楼203完成签到,获得积分10
6秒前
皮皮虾发布了新的文献求助10
7秒前
刘耳朵发布了新的文献求助10
7秒前
领导范儿应助大力沛萍采纳,获得10
8秒前
8秒前
猴子完成签到,获得积分10
8秒前
lu发布了新的文献求助10
9秒前
9秒前
hanchangcun完成签到 ,获得积分10
9秒前
13秒前
科研通AI2S应助开心的饼干采纳,获得10
13秒前
KK关闭了KK文献求助
14秒前
superlit007关注了科研通微信公众号
14秒前
15秒前
16秒前
桐桐应助vvvvyl采纳,获得10
17秒前
烟花应助YU DIAN采纳,获得10
17秒前
明亮的代桃完成签到,获得积分10
18秒前
19秒前
lingyan hu完成签到 ,获得积分10
19秒前
大力沛萍发布了新的文献求助10
19秒前
不配.应助旎旎采纳,获得20
20秒前
激流勇进wb完成签到 ,获得积分10
22秒前
yinggill完成签到 ,获得积分10
23秒前
蔡蔡发布了新的文献求助10
24秒前
欣欣子发布了新的文献求助10
24秒前
yhzhang完成签到,获得积分10
24秒前
24秒前
英俊的铭应助aczqay采纳,获得10
25秒前
科研顺利完成签到,获得积分20
25秒前
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
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
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
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 3193663
求助须知:如何正确求助?哪些是违规求助? 2842647
关于积分的说明 8040129
捐赠科研通 2506733
什么是DOI,文献DOI怎么找? 1339329
科研通“疑难数据库(出版商)”最低求助积分说明 638752
邀请新用户注册赠送积分活动 607379