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
persi完成签到 ,获得积分10
1秒前
英俊的铭应助酷炫以寒采纳,获得10
2秒前
英姑应助湖里采纳,获得10
3秒前
希望天下0贩的0应助nidhhog采纳,获得10
4秒前
lyj完成签到 ,获得积分10
4秒前
温暖的鸿完成签到 ,获得积分10
5秒前
lyy完成签到 ,获得积分10
6秒前
8秒前
mz完成签到,获得积分10
10秒前
12秒前
竹喧私语完成签到,获得积分10
12秒前
16秒前
18秒前
19秒前
CodeCraft应助呼呼呼采纳,获得10
21秒前
叶琳发布了新的文献求助10
21秒前
梁_发布了新的文献求助10
21秒前
22222发布了新的文献求助30
22秒前
22秒前
踏实凡梦完成签到 ,获得积分10
23秒前
26秒前
lxt发布了新的文献求助10
26秒前
26秒前
湖里发布了新的文献求助10
27秒前
Zurlliant完成签到,获得积分10
28秒前
29秒前
29秒前
zkk发布了新的文献求助20
30秒前
梁_完成签到,获得积分10
30秒前
30秒前
30秒前
yecheng完成签到,获得积分10
31秒前
开心榴莲大王完成签到 ,获得积分10
31秒前
斯文败类应助湖里采纳,获得10
32秒前
tt666发布了新的文献求助10
33秒前
prayme4发布了新的文献求助10
34秒前
呼呼呼发布了新的文献求助10
34秒前
20231125完成签到,获得积分10
35秒前
英俊的铭应助tt666采纳,获得10
38秒前
JOKER完成签到 ,获得积分10
38秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
安全防范技术与工程 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
A real-time energy management strategy based on fuzzy control and ECMS for PHEVs 400
2024 Medicinal Chemistry Reviews 400
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 3190618
求助须知:如何正确求助?哪些是违规求助? 2839902
关于积分的说明 8025837
捐赠科研通 2502907
什么是DOI,文献DOI怎么找? 1336666
科研通“疑难数据库(出版商)”最低求助积分说明 637915
邀请新用户注册赠送积分活动 606166