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
苗苗发布了新的文献求助10
刚刚
overlood完成签到 ,获得积分10
刚刚
Lynn应助lwd采纳,获得10
1秒前
简qiu发布了新的文献求助10
1秒前
3秒前
大个应助汤汤采纳,获得10
4秒前
天天向上完成签到 ,获得积分10
4秒前
丹霞完成签到,获得积分10
6秒前
Gxy010424完成签到,获得积分20
6秒前
丘比特应助UU采纳,获得10
6秒前
xiiin发布了新的文献求助10
6秒前
小钱钱完成签到,获得积分10
7秒前
充电宝应助木子采纳,获得10
7秒前
落红雨完成签到 ,获得积分10
8秒前
veronica完成签到,获得积分10
8秒前
aleilei完成签到 ,获得积分10
8秒前
qian完成签到 ,获得积分10
8秒前
西西歪完成签到,获得积分10
9秒前
veronica发布了新的文献求助10
10秒前
简qiu完成签到,获得积分20
12秒前
羊羊完成签到,获得积分20
14秒前
UU完成签到,获得积分20
15秒前
xiiin完成签到,获得积分10
15秒前
16秒前
张张完成签到,获得积分10
17秒前
不配.应助leungya采纳,获得20
17秒前
Garry应助羊羊采纳,获得10
18秒前
科研通AI2S应助明天过后采纳,获得10
19秒前
香蕉觅云应助科研通管家采纳,获得30
20秒前
科研通AI2S应助科研通管家采纳,获得10
20秒前
传奇3应助科研通管家采纳,获得10
20秒前
天天快乐应助科研通管家采纳,获得10
20秒前
Akim应助科研通管家采纳,获得10
20秒前
星辰大海应助科研通管家采纳,获得10
20秒前
Orange应助科研通管家采纳,获得10
20秒前
共享精神应助科研通管家采纳,获得10
20秒前
NexusExplorer应助科研通管家采纳,获得10
20秒前
科研通AI2S应助科研通管家采纳,获得10
20秒前
20秒前
搜集达人应助科研通管家采纳,获得10
20秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
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
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 3187435
求助须知:如何正确求助?哪些是违规求助? 2837327
关于积分的说明 8014426
捐赠科研通 2499950
什么是DOI,文献DOI怎么找? 1334671
科研通“疑难数据库(出版商)”最低求助积分说明 637208
邀请新用户注册赠送积分活动 605182