亲爱的研友该休息了!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!身体可是革命的本钱,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
花生糖完成签到,获得积分10
5秒前
lab完成签到 ,获得积分0
27秒前
31秒前
随机子应助科研通管家采纳,获得10
33秒前
哈哈哈大赞完成签到,获得积分10
33秒前
37秒前
无畏完成签到 ,获得积分10
43秒前
festum完成签到,获得积分10
45秒前
随机子应助ddfighting采纳,获得10
54秒前
55秒前
快帮我找找完成签到,获得积分10
57秒前
氟西汀发布了新的文献求助10
1分钟前
1分钟前
烽烽烽完成签到,获得积分10
1分钟前
烽烽烽发布了新的文献求助30
1分钟前
黑祎菲完成签到 ,获得积分10
1分钟前
脑洞疼应助尊敬曼岚采纳,获得10
1分钟前
Meredith完成签到,获得积分10
1分钟前
1分钟前
你的背包完成签到,获得积分10
1分钟前
尊敬曼岚完成签到,获得积分10
1分钟前
五十一完成签到 ,获得积分10
1分钟前
尊敬曼岚发布了新的文献求助10
1分钟前
思源应助Apple采纳,获得10
1分钟前
2分钟前
2分钟前
---发布了新的文献求助50
2分钟前
2分钟前
yangzai完成签到 ,获得积分10
2分钟前
Apple发布了新的文献求助10
2分钟前
Apple完成签到,获得积分10
2分钟前
打打应助科研通管家采纳,获得10
2分钟前
大力完成签到 ,获得积分10
2分钟前
哇呀呀完成签到 ,获得积分10
2分钟前
Cbbaby完成签到,获得积分10
2分钟前
ddfighting发布了新的文献求助10
2分钟前
TXZ06完成签到,获得积分10
2分钟前
平常的凡白完成签到 ,获得积分10
3分钟前
3分钟前
小马哥完成签到,获得积分10
4分钟前
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 3183683
求助须知:如何正确求助?哪些是违规求助? 2833684
关于积分的说明 7995342
捐赠科研通 2495956
什么是DOI,文献DOI怎么找? 1331804
科研通“疑难数据库(出版商)”最低求助积分说明 636425
邀请新用户注册赠送积分活动 603591