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
阿嘎普莱特完成签到,获得积分10
刚刚
刚刚
苏小娜完成签到,获得积分20
2秒前
Gao发布了新的文献求助10
3秒前
1111发布了新的文献求助10
4秒前
张张发布了新的文献求助20
4秒前
专注一块砖头完成签到,获得积分10
4秒前
4秒前
Xltox完成签到,获得积分10
6秒前
lingyan hu完成签到 ,获得积分10
7秒前
田様应助清风徐来采纳,获得10
7秒前
8秒前
8秒前
11秒前
kid1912应助爱死看文献啦采纳,获得10
11秒前
NexusExplorer应助葛子康采纳,获得10
12秒前
星辰大海应助BJiAr采纳,获得10
12秒前
Orange应助BJiAr采纳,获得10
12秒前
脑洞疼应助BJiAr采纳,获得10
12秒前
大个应助BJiAr采纳,获得10
12秒前
李健应助BJiAr采纳,获得10
12秒前
斯文败类应助BJiAr采纳,获得10
12秒前
赘婿应助BJiAr采纳,获得10
12秒前
ccdn发布了新的文献求助10
12秒前
slowstar完成签到 ,获得积分10
14秒前
1111发布了新的文献求助10
16秒前
16秒前
litianyi完成签到,获得积分10
19秒前
ccdn完成签到,获得积分20
20秒前
20秒前
20秒前
DXDXJX完成签到,获得积分10
20秒前
21秒前
斯文败类应助小李采纳,获得10
21秒前
22秒前
zhang08完成签到,获得积分10
23秒前
DDy10001完成签到,获得积分20
24秒前
ghostR发布了新的文献求助10
25秒前
希望天下0贩的0应助Gao采纳,获得10
25秒前
DDy10001发布了新的文献求助10
26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 3191006
求助须知:如何正确求助?哪些是违规求助? 2840262
关于积分的说明 8027729
捐赠科研通 2503618
什么是DOI,文献DOI怎么找? 1336979
科研通“疑难数据库(出版商)”最低求助积分说明 638000
邀请新用户注册赠送积分活动 606406