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
从容芮应助唠叨的锦程采纳,获得50
6秒前
Sylvia0528完成签到,获得积分10
7秒前
12秒前
13秒前
魔幻嚓茶完成签到,获得积分10
14秒前
FashionBoy应助白华苍松采纳,获得10
17秒前
涨涨涨完成签到 ,获得积分10
17秒前
17秒前
灌肠高手发布了新的文献求助10
18秒前
19秒前
19秒前
21秒前
22秒前
22秒前
灌肠高手完成签到,获得积分10
23秒前
24秒前
子落楸坪发布了新的文献求助30
24秒前
Meteor发布了新的文献求助10
25秒前
hejixin发布了新的文献求助10
25秒前
香蕉觅云应助Cameron采纳,获得10
26秒前
小虎发布了新的文献求助10
27秒前
cmyohh完成签到,获得积分10
27秒前
27秒前
28秒前
煜晟发布了新的文献求助10
30秒前
桃夭呦完成签到,获得积分10
30秒前
30秒前
31秒前
31秒前
31秒前
33秒前
不配.应助淡定从霜采纳,获得20
33秒前
高高的罡发布了新的文献求助10
33秒前
buno应助爱听歌凤灵采纳,获得10
34秒前
flb123发布了新的文献求助10
34秒前
Meteor完成签到,获得积分10
36秒前
醒醒发布了新的文献求助10
36秒前
37秒前
38秒前
朝圣完成签到,获得积分20
39秒前
高分求助中
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
A new species of Coccus (Homoptera: Coccoidea) from Malawi 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 3183296
求助须知:如何正确求助?哪些是违规求助? 2833432
关于积分的说明 7994193
捐赠科研通 2495544
什么是DOI,文献DOI怎么找? 1331574
科研通“疑难数据库(出版商)”最低求助积分说明 636352
邀请新用户注册赠送积分活动 603509