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
聪明白羊完成签到,获得积分10
1秒前
1秒前
2秒前
莫愁完成签到,获得积分20
2秒前
jj完成签到,获得积分20
2秒前
小黄完成签到,获得积分10
2秒前
李健应助张张采纳,获得30
3秒前
3秒前
英姑应助朴素的松采纳,获得10
3秒前
lvzhigang完成签到 ,获得积分10
3秒前
Yang完成签到,获得积分20
3秒前
小可完成签到 ,获得积分10
4秒前
沫笙完成签到 ,获得积分10
5秒前
fafa完成签到,获得积分10
5秒前
jj发布了新的文献求助10
5秒前
啦啦啦完成签到,获得积分10
6秒前
6秒前
taran完成签到,获得积分10
6秒前
lirui发布了新的文献求助10
6秒前
6秒前
迷你的迎南完成签到,获得积分10
6秒前
常尽欢完成签到 ,获得积分10
7秒前
Metakuro发布了新的文献求助10
7秒前
xqw发布了新的文献求助10
7秒前
7秒前
开朗发卡完成签到,获得积分10
8秒前
紫筱枫影发布了新的文献求助10
8秒前
9秒前
sss发布了新的文献求助10
9秒前
科研通AI2S应助QXS采纳,获得10
9秒前
爆米花应助QXS采纳,获得10
9秒前
CipherSage应助QXS采纳,获得10
9秒前
Jasper应助QXS采纳,获得10
10秒前
Ava应助QXS采纳,获得10
10秒前
yy完成签到,获得积分10
10秒前
oh完成签到,获得积分20
11秒前
11秒前
Jasper应助Agamemnon采纳,获得10
12秒前
12秒前
12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
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 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 3181206
求助须知:如何正确求助?哪些是违规求助? 2831448
关于积分的说明 7984853
捐赠科研通 2493457
什么是DOI,文献DOI怎么找? 1330153
科研通“疑难数据库(出版商)”最低求助积分说明 635934
版权声明 602955