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
至冬第一深情完成签到,获得积分10
1秒前
风收奇绩发布了新的文献求助10
1秒前
2秒前
3秒前
ramsey33发布了新的文献求助20
4秒前
芒果好高完成签到,获得积分10
5秒前
5秒前
JIE完成签到,获得积分10
5秒前
浅笑初妍应助屾哥采纳,获得10
5秒前
znk发布了新的文献求助20
5秒前
雪原白鹿完成签到 ,获得积分10
6秒前
郭二发布了新的文献求助10
7秒前
8秒前
陶醉笑柳完成签到,获得积分10
8秒前
路漫漫123完成签到,获得积分10
8秒前
lululu发布了新的文献求助10
9秒前
Hello应助ronin采纳,获得10
12秒前
ding应助陶醉笑柳采纳,获得10
13秒前
遥远的尧发布了新的文献求助10
14秒前
现代青枫应助白华苍松采纳,获得10
14秒前
14秒前
一指流沙完成签到,获得积分10
15秒前
赘婿应助达瓦里氏采纳,获得10
16秒前
17秒前
上官若男应助DDS采纳,获得10
17秒前
18秒前
dgzsbldtm发布了新的文献求助10
19秒前
21秒前
kkvv发布了新的文献求助10
22秒前
安静笑晴发布了新的文献求助10
22秒前
Jara完成签到 ,获得积分10
23秒前
23秒前
小毛发布了新的文献求助10
25秒前
26秒前
27秒前
冷酷栾完成签到,获得积分10
27秒前
xiaohu发布了新的文献求助10
28秒前
cf关注了科研通微信公众号
28秒前
sys549完成签到,获得积分10
28秒前
聪明豁发布了新的文献求助10
29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 3189139
求助须知:如何正确求助?哪些是违规求助? 2838581
关于积分的说明 8020138
捐赠科研通 2501362
什么是DOI,文献DOI怎么找? 1335573
科研通“疑难数据库(出版商)”最低求助积分说明 637620
邀请新用户注册赠送积分活动 605666