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
EKKOO发布了新的文献求助10
刚刚
lili完成签到,获得积分10
1秒前
zhong241发布了新的文献求助10
2秒前
烟花应助JUSTDOIT采纳,获得10
2秒前
Sk发布了新的文献求助10
2秒前
华仔应助zzh采纳,获得10
2秒前
5秒前
华华发布了新的文献求助10
6秒前
赘婿应助EKKOO采纳,获得10
6秒前
善学以致用应助tsy采纳,获得10
7秒前
8秒前
8秒前
9秒前
打打应助NJD采纳,获得10
9秒前
满意的涵柳完成签到,获得积分10
9秒前
9秒前
小刘完成签到,获得积分10
11秒前
jeff发布了新的文献求助10
12秒前
13秒前
不配.应助单薄的夏槐采纳,获得10
14秒前
15秒前
桉韵沁发布了新的文献求助10
15秒前
song完成签到 ,获得积分10
15秒前
扬嘉諵发布了新的文献求助10
16秒前
大胆小熊猫关注了科研通微信公众号
16秒前
17秒前
zzh发布了新的文献求助10
18秒前
18秒前
Halo发布了新的文献求助200
19秒前
怕黑紫伊发布了新的文献求助10
19秒前
思源应助jeff采纳,获得10
19秒前
清欢昌丽完成签到,获得积分10
20秒前
扬嘉諵完成签到,获得积分20
20秒前
20秒前
黑森林发布了新的文献求助10
23秒前
23秒前
Halo完成签到,获得积分10
24秒前
tsy发布了新的文献求助10
25秒前
赵小鹿发布了新的文献求助10
27秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Write Like a Chemist: A Guide and Resource (第二版) 600
Mixed-anion Compounds 600
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
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
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 3199481
求助须知:如何正确求助?哪些是违规求助? 2848241
关于积分的说明 8067090
捐赠科研通 2512963
什么是DOI,文献DOI怎么找? 1345261
科研通“疑难数据库(出版商)”最低求助积分说明 640036
邀请新用户注册赠送积分活动 609705