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
小白一点点完成签到 ,获得积分10
刚刚
菜胖胖完成签到,获得积分10
5秒前
叶叶叶发布了新的文献求助10
5秒前
8秒前
whh123完成签到 ,获得积分10
10秒前
syiimo完成签到 ,获得积分10
10秒前
小盘子完成签到,获得积分10
11秒前
VPN不好用发布了新的文献求助10
11秒前
11秒前
11秒前
上官若男应助尊敬伟宸采纳,获得30
12秒前
Yzh完成签到,获得积分10
13秒前
称心的晓灵完成签到,获得积分20
15秒前
清新的蓝完成签到,获得积分10
18秒前
善良青筠完成签到 ,获得积分10
20秒前
笑看人生应助Hayat采纳,获得200
21秒前
追寻的问安完成签到 ,获得积分10
21秒前
23秒前
25秒前
27秒前
zhangzhisenn发布了新的文献求助30
29秒前
30秒前
dxz完成签到,获得积分10
30秒前
32秒前
35秒前
家家发布了新的文献求助10
36秒前
李lll发布了新的文献求助10
36秒前
水星完成签到,获得积分10
37秒前
woxiangtangping完成签到 ,获得积分10
40秒前
lagom完成签到,获得积分10
40秒前
脑洞疼应助谦让的又蓝采纳,获得10
42秒前
NexusExplorer应助李lll采纳,获得10
43秒前
水星发布了新的文献求助10
43秒前
Jefferson完成签到,获得积分10
43秒前
44秒前
fqpang完成签到 ,获得积分10
44秒前
44秒前
突突完成签到,获得积分10
46秒前
共享精神应助Jefferson采纳,获得10
48秒前
高分求助中
Evolution 3rd edition 1500
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
Ribozymes and aptamers in the RNA world, and in synthetic biology 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 3180839
求助须知:如何正确求助?哪些是违规求助? 2831048
关于积分的说明 7982818
捐赠科研通 2492930
什么是DOI,文献DOI怎么找? 1329932
科研通“疑难数据库(出版商)”最低求助积分说明 635836
版权声明 602954