已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

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
完美世界应助猪哥采纳,获得10
3秒前
打打应助Abdurrahman采纳,获得10
3秒前
cc发布了新的文献求助10
4秒前
唔昂wang完成签到,获得积分20
5秒前
10秒前
唔昂wang发布了新的文献求助20
12秒前
13秒前
13秒前
YYR完成签到,获得积分10
14秒前
psy学子发布了新的文献求助30
16秒前
好运莲莲发布了新的文献求助10
17秒前
YYR发布了新的文献求助10
22秒前
lzt完成签到 ,获得积分10
29秒前
科研通AI2S应助只有个石头采纳,获得10
29秒前
32秒前
独特的初彤完成签到 ,获得积分10
39秒前
江湖小妖完成签到 ,获得积分10
41秒前
jeremyher完成签到,获得积分10
41秒前
万能图书馆应助嘟嘟雯采纳,获得10
46秒前
我是老大应助好运莲莲采纳,获得10
55秒前
阿乌大王发布了新的文献求助30
56秒前
1分钟前
1分钟前
连灵竹完成签到,获得积分10
1分钟前
好运莲莲完成签到,获得积分10
1分钟前
清風折柳发布了新的文献求助30
1分钟前
cc完成签到 ,获得积分10
1分钟前
酷波er应助wang采纳,获得30
1分钟前
碧蓝世界完成签到 ,获得积分10
1分钟前
1分钟前
Amber完成签到 ,获得积分10
1分钟前
安详宛筠完成签到,获得积分20
1分钟前
1分钟前
我不完成签到,获得积分10
1分钟前
wang发布了新的文献求助30
1分钟前
1分钟前
含糊的起眸完成签到,获得积分10
1分钟前
科研通AI2S应助科研新青年采纳,获得10
1分钟前
sssym发布了新的文献求助10
1分钟前
1分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Mixed-anion Compounds 600
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Earth System Geophysics 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
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 3200608
求助须知:如何正确求助?哪些是违规求助? 2850426
关于积分的说明 8071977
捐赠科研通 2514157
什么是DOI,文献DOI怎么找? 1346908
科研通“疑难数据库(出版商)”最低求助积分说明 640281
邀请新用户注册赠送积分活动 610407