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
超级飞烟发布了新的文献求助10
刚刚
1秒前
1秒前
马马完成签到,获得积分10
1秒前
与琳发布了新的文献求助10
2秒前
小于发布了新的文献求助20
3秒前
在水一方应助加加采纳,获得10
4秒前
4秒前
xddll发布了新的文献求助10
4秒前
友好的妍发布了新的文献求助10
5秒前
张龙雨发布了新的文献求助10
5秒前
顺利毕业应助ronnie采纳,获得10
5秒前
NEWBIE发布了新的文献求助10
6秒前
ding应助MOF@COF采纳,获得10
6秒前
大个应助哈喽采纳,获得10
6秒前
无一发布了新的文献求助30
6秒前
7秒前
7秒前
沉思、发布了新的文献求助10
8秒前
8秒前
言三斤完成签到,获得积分10
8秒前
lili完成签到,获得积分10
9秒前
Young离子发布了新的文献求助10
10秒前
1111应助SS采纳,获得20
10秒前
让我吕一捋完成签到 ,获得积分10
11秒前
研友_Zlqx38发布了新的文献求助10
12秒前
12秒前
StreliziaApus发布了新的文献求助30
13秒前
NEWBIE完成签到,获得积分10
13秒前
青鸟飞鱼完成签到,获得积分10
13秒前
14秒前
拾壹完成签到 ,获得积分10
14秒前
让我吕一捋关注了科研通微信公众号
15秒前
15秒前
liuerlong发布了新的文献求助10
17秒前
思源应助研友_Zlqx38采纳,获得10
17秒前
18秒前
18秒前
18秒前
18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
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 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 3182733
求助须知:如何正确求助?哪些是违规求助? 2832981
关于积分的说明 7991795
捐赠科研通 2495103
什么是DOI,文献DOI怎么找? 1331239
科研通“疑难数据库(出版商)”最低求助积分说明 636256
邀请新用户注册赠送积分活动 603313