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
李健应助哈哈采纳,获得10
刚刚
云风发布了新的文献求助10
刚刚
慕青应助发呆的剧本采纳,获得10
刚刚
圈圈发布了新的文献求助10
刚刚
Missl完成签到,获得积分10
刚刚
刚刚
2秒前
向阳葵发布了新的文献求助10
2秒前
3秒前
SCI1区完成签到 ,获得积分10
4秒前
5秒前
今后应助直率芮采纳,获得10
7秒前
姚盈盈发布了新的文献求助10
7秒前
米六应助是阿兴啊采纳,获得20
8秒前
NexusExplorer应助希羽琴采纳,获得10
9秒前
guoleileity发布了新的文献求助10
9秒前
飘逸的飞柏完成签到,获得积分10
10秒前
啥东西啥完成签到,获得积分10
10秒前
10秒前
科研通AI2S应助Wells采纳,获得10
11秒前
向向向发布了新的文献求助10
11秒前
12秒前
lmw10发布了新的文献求助10
12秒前
13秒前
诚心的凛完成签到,获得积分10
14秒前
14秒前
舒心的夜山完成签到,获得积分10
14秒前
英俊的十三完成签到,获得积分10
15秒前
15秒前
16秒前
认真的荔枝完成签到,获得积分10
16秒前
四季豆完成签到,获得积分10
17秒前
直率芮发布了新的文献求助10
18秒前
Jinyi完成签到,获得积分10
18秒前
ccm应助836430293采纳,获得10
18秒前
19秒前
戒骄戒躁完成签到,获得积分20
19秒前
谨慎天空完成签到 ,获得积分10
19秒前
大模型应助冰林乘夏采纳,获得10
21秒前
四季豆发布了新的文献求助10
21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
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
A real-time energy management strategy based on fuzzy control and ECMS for PHEVs 400
Handbook on People's China (1957) 400
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 3189250
求助须知:如何正确求助?哪些是违规求助? 2838670
关于积分的说明 8020715
捐赠科研通 2501500
什么是DOI,文献DOI怎么找? 1335618
科研通“疑难数据库(出版商)”最低求助积分说明 637678
邀请新用户注册赠送积分活动 605706