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
111111完成签到,获得积分20
刚刚
Zll完成签到,获得积分10
1秒前
vuig完成签到,获得积分10
1秒前
YXT1998发布了新的文献求助10
3秒前
认真火车完成签到,获得积分20
3秒前
zzw发布了新的文献求助10
3秒前
黑米粥完成签到,获得积分0
3秒前
boltos发布了新的文献求助10
3秒前
3秒前
4秒前
顽固分子发布了新的文献求助10
4秒前
希望天下0贩的0应助K1481691采纳,获得10
4秒前
wanci应助感动的忆安采纳,获得10
4秒前
黑米粥发布了新的文献求助10
5秒前
6秒前
6秒前
大个应助有热心愿意采纳,获得10
6秒前
ZY完成签到,获得积分10
6秒前
whj发布了新的文献求助10
7秒前
一口南瓜饼完成签到 ,获得积分10
7秒前
cyguo完成签到,获得积分10
7秒前
7秒前
木木完成签到 ,获得积分10
8秒前
麦片粥完成签到,获得积分10
9秒前
10秒前
柒柒完成签到,获得积分10
10秒前
10秒前
美美美美美栗林里莉完成签到,获得积分10
11秒前
11秒前
Owen应助晨晨采纳,获得10
11秒前
12秒前
酱豆豆发布了新的文献求助30
12秒前
上上谦完成签到,获得积分20
13秒前
13秒前
cyguo发布了新的文献求助10
13秒前
15秒前
潇洒小海豚完成签到,获得积分10
15秒前
NexusExplorer应助小杰采纳,获得10
15秒前
海风完成签到,获得积分10
16秒前
未雨绸缪发布了新的文献求助10
16秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Femoral insertion of the ACL. Radiographic quadrant method 1000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Dictionary of socialism 350
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 3194220
求助须知:如何正确求助?哪些是违规求助? 2843167
关于积分的说明 8043462
捐赠科研通 2507648
什么是DOI,文献DOI怎么找? 1339979
科研通“疑难数据库(出版商)”最低求助积分说明 638854
邀请新用户注册赠送积分活动 607696