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
刚刚
彭于晏应助papli采纳,获得10
1秒前
1秒前
Spice发布了新的文献求助10
2秒前
半糖发布了新的文献求助10
2秒前
2秒前
FayWang发布了新的文献求助10
2秒前
2秒前
无花果应助诺木采纳,获得10
2秒前
沐晨浠完成签到,获得积分10
3秒前
3秒前
4秒前
Strive完成签到,获得积分10
4秒前
bkagyin应助三三四采纳,获得10
4秒前
5秒前
Jennie完成签到,获得积分20
5秒前
dby完成签到,获得积分10
7秒前
7秒前
约修发布了新的文献求助10
8秒前
佛山婆婆发布了新的文献求助10
8秒前
kyt完成签到,获得积分10
8秒前
8秒前
陈帅帅发布了新的文献求助10
9秒前
9秒前
Ava应助白十二采纳,获得10
9秒前
zxs发布了新的文献求助10
10秒前
Hello应助善良的凡旋采纳,获得10
10秒前
10秒前
10秒前
Jau完成签到,获得积分0
11秒前
张嘉佳发布了新的文献求助10
11秒前
NexusExplorer应助gdh采纳,获得10
12秒前
12秒前
13秒前
liu完成签到,获得积分10
13秒前
小二郎应助jiejie采纳,获得10
14秒前
子明完成签到 ,获得积分10
14秒前
英姑应助LL采纳,获得10
14秒前
baifeng完成签到 ,获得积分10
15秒前
Spice完成签到,获得积分10
15秒前
高分求助中
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 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 3184282
求助须知:如何正确求助?哪些是违规求助? 2834418
关于积分的说明 7999976
捐赠科研通 2496799
什么是DOI,文献DOI怎么找? 1332512
科研通“疑难数据库(出版商)”最低求助积分说明 636594
邀请新用户注册赠送积分活动 603917