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
mi完成签到,获得积分10
1秒前
善学以致用应助深深采纳,获得10
1秒前
alexlpb完成签到,获得积分10
2秒前
玲家傻妞完成签到 ,获得积分10
4秒前
4秒前
晨珂完成签到,获得积分10
5秒前
Ava应助爱笑的耳机采纳,获得10
7秒前
山野桃饼完成签到,获得积分10
7秒前
深情安青应助jiangshi90采纳,获得10
8秒前
TAN完成签到,获得积分10
8秒前
满意代亦完成签到 ,获得积分10
8秒前
9秒前
滑稽帝完成签到 ,获得积分10
9秒前
小九发布了新的文献求助10
9秒前
阿龙完成签到,获得积分10
9秒前
Tom完成签到,获得积分10
11秒前
流子完成签到,获得积分10
11秒前
万能图书馆应助grace采纳,获得10
11秒前
11秒前
朝晖夕阴完成签到,获得积分10
12秒前
岁岁平安完成签到,获得积分10
12秒前
shang完成签到 ,获得积分10
12秒前
清客完成签到 ,获得积分10
13秒前
大魔王完成签到,获得积分10
13秒前
14秒前
tony完成签到,获得积分10
14秒前
van完成签到,获得积分10
14秒前
bie123完成签到,获得积分10
15秒前
猴子魏完成签到,获得积分10
15秒前
nyzcc完成签到,获得积分10
15秒前
李键刚发布了新的文献求助10
15秒前
InfoNinja完成签到,获得积分0
18秒前
Khunut发布了新的文献求助10
19秒前
118QQ完成签到,获得积分10
20秒前
科研顺利完成签到 ,获得积分10
21秒前
热心雪一完成签到 ,获得积分10
21秒前
认真又亦完成签到 ,获得积分10
22秒前
于芋菊完成签到,获得积分0
22秒前
踏实晓啸完成签到,获得积分10
22秒前
why完成签到,获得积分10
24秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
Dictionary of socialism 350
Mixed-anion Compounds 300
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
Idoxuridine 260
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 3196862
求助须知:如何正确求助?哪些是违规求助? 2845528
关于积分的说明 8054612
捐赠科研通 2510247
什么是DOI,文献DOI怎么找? 1342330
科研通“疑难数据库(出版商)”最低求助积分说明 639355
邀请新用户注册赠送积分活动 608669