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
暮雪残梅完成签到 ,获得积分10
1秒前
矮小的茹妖完成签到 ,获得积分10
3秒前
upupup111完成签到 ,获得积分10
5秒前
gyx完成签到 ,获得积分10
7秒前
啵叽一口完成签到 ,获得积分10
7秒前
刻苦的新烟完成签到 ,获得积分10
7秒前
虚心的幻梅完成签到 ,获得积分10
11秒前
小羊完成签到,获得积分10
12秒前
Chasing完成签到 ,获得积分10
14秒前
daidai完成签到,获得积分20
14秒前
研友_ZA2B68完成签到,获得积分10
17秒前
17秒前
long0809完成签到,获得积分10
21秒前
未完成完成签到,获得积分10
22秒前
观妙散人完成签到,获得积分10
27秒前
29秒前
执着夏山完成签到,获得积分10
32秒前
Poppy199发布了新的文献求助10
34秒前
pink完成签到 ,获得积分10
36秒前
lhh发布了新的文献求助10
39秒前
燚龘完成签到,获得积分10
42秒前
牙瓜完成签到 ,获得积分10
42秒前
LiangRen完成签到 ,获得积分10
43秒前
朴素海亦完成签到 ,获得积分10
43秒前
跳跃的孤云完成签到 ,获得积分10
43秒前
小常不馋完成签到 ,获得积分10
48秒前
文艺书雪完成签到 ,获得积分10
48秒前
lhh完成签到,获得积分20
51秒前
火星仙人掌完成签到 ,获得积分10
52秒前
毛毛弟完成签到 ,获得积分10
55秒前
FUNG完成签到 ,获得积分10
1分钟前
思源应助。.。采纳,获得10
1分钟前
1分钟前
周星星同学完成签到 ,获得积分10
1分钟前
十一完成签到 ,获得积分10
1分钟前
Spring完成签到,获得积分10
1分钟前
美好灵寒完成签到 ,获得积分10
1分钟前
。.。发布了新的文献求助10
1分钟前
受伤的薯片完成签到 ,获得积分10
1分钟前
eular完成签到 ,获得积分10
1分钟前
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
2024 Medicinal Chemistry Reviews 400
Актуализированная стратиграфическая схема триасовых отложений Прикаспийского региона. Объяснительная записка 360
Dictionary of socialism 350
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 3192705
求助须知:如何正确求助?哪些是违规求助? 2841742
关于积分的说明 8034584
捐赠科研通 2505438
什么是DOI,文献DOI怎么找? 1338603
科研通“疑难数据库(出版商)”最低求助积分说明 638372
邀请新用户注册赠送积分活动 606929