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
清秀龙猫完成签到 ,获得积分10
刚刚
牙瓜完成签到 ,获得积分10
6秒前
金刚经应助肝胆外科医生采纳,获得20
9秒前
Ethan完成签到 ,获得积分0
10秒前
数乱了梨花完成签到 ,获得积分10
21秒前
yiqichihuoguoa完成签到 ,获得积分10
22秒前
Jasmineyfz完成签到 ,获得积分10
24秒前
小蘑菇应助zxvcbnm采纳,获得10
25秒前
永不言弃完成签到 ,获得积分10
28秒前
cadcae完成签到,获得积分10
28秒前
Dr.Lee完成签到 ,获得积分10
29秒前
大翟完成签到,获得积分10
35秒前
科研通AI2S应助zxvcbnm采纳,获得10
36秒前
林夕完成签到 ,获得积分10
37秒前
pp完成签到,获得积分10
39秒前
研友_ZA2B68完成签到,获得积分10
41秒前
牛奶面包完成签到 ,获得积分10
45秒前
清新的剑心完成签到 ,获得积分10
47秒前
ttt完成签到,获得积分10
49秒前
mike2012完成签到 ,获得积分10
53秒前
bzdjsmw完成签到 ,获得积分10
56秒前
鹏gg完成签到 ,获得积分10
59秒前
Shandongdaxiu完成签到 ,获得积分10
1分钟前
愉快的囧完成签到 ,获得积分10
1分钟前
1分钟前
liguanyu1078完成签到,获得积分10
1分钟前
舒适的藏花完成签到 ,获得积分10
1分钟前
slsdianzi完成签到,获得积分10
1分钟前
彦成完成签到 ,获得积分10
1分钟前
管靖易完成签到 ,获得积分10
1分钟前
胖胖橘完成签到 ,获得积分10
1分钟前
兔兔完成签到 ,获得积分10
1分钟前
大力的诗蕾完成签到 ,获得积分10
1分钟前
刻苦的新烟完成签到 ,获得积分10
1分钟前
郭星星完成签到,获得积分10
1分钟前
1分钟前
洸彦完成签到 ,获得积分10
1分钟前
05完成签到 ,获得积分10
1分钟前
伊笙完成签到 ,获得积分10
1分钟前
Echoheart完成签到,获得积分10
1分钟前
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 3196852
求助须知:如何正确求助?哪些是违规求助? 2845525
关于积分的说明 8054339
捐赠科研通 2510148
什么是DOI,文献DOI怎么找? 1342314
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