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
葶ting完成签到 ,获得积分10
6秒前
djdh完成签到 ,获得积分10
7秒前
zzz2193发布了新的文献求助10
8秒前
和平使命应助科研通管家采纳,获得20
11秒前
小小王完成签到 ,获得积分10
16秒前
爱吃香菜的小池完成签到,获得积分10
19秒前
赧赧完成签到 ,获得积分10
19秒前
hakuna_matata完成签到 ,获得积分10
26秒前
Luke Gee完成签到 ,获得积分10
31秒前
Hkane发布了新的文献求助20
36秒前
38秒前
emxzemxz完成签到 ,获得积分10
39秒前
跳跃太清完成签到 ,获得积分10
1分钟前
优雅的沛春完成签到 ,获得积分10
1分钟前
shju完成签到 ,获得积分10
1分钟前
电子屎壳郎完成签到,获得积分10
1分钟前
忧伤的绍辉完成签到 ,获得积分10
1分钟前
Vegeta完成签到 ,获得积分10
1分钟前
你博哥完成签到 ,获得积分10
1分钟前
怡然白竹完成签到 ,获得积分10
1分钟前
gmc完成签到 ,获得积分10
1分钟前
小叙完成签到 ,获得积分10
1分钟前
minuxSCI完成签到,获得积分10
1分钟前
qiuqiu完成签到 ,获得积分10
1分钟前
wuhao完成签到 ,获得积分10
2分钟前
Akim应助科研通管家采纳,获得10
2分钟前
科研通AI2S应助科研通管家采纳,获得10
2分钟前
Singularity应助科研通管家采纳,获得10
2分钟前
无花果应助科研通管家采纳,获得10
2分钟前
熙梓日记应助科研通管家采纳,获得10
2分钟前
Damon完成签到 ,获得积分10
2分钟前
zzz2193发布了新的文献求助10
2分钟前
lixinyue完成签到 ,获得积分10
2分钟前
俊逸的白梦完成签到 ,获得积分10
2分钟前
研友_ZA2B68完成签到,获得积分10
2分钟前
flysmile完成签到 ,获得积分10
2分钟前
jjqqqj完成签到 ,获得积分10
2分钟前
研友_LpvQlZ完成签到,获得积分10
2分钟前
皓轩完成签到 ,获得积分10
3分钟前
peterlzb1234567完成签到,获得积分10
3分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
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
2024 Medicinal Chemistry Reviews 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 3190097
求助须知:如何正确求助?哪些是违规求助? 2839408
关于积分的说明 8023505
捐赠科研通 2502226
什么是DOI,文献DOI怎么找? 1336398
科研通“疑难数据库(出版商)”最低求助积分说明 637836
邀请新用户注册赠送积分活动 605974