已入深夜,您辛苦了!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!祝你早点完成任务,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
天天开心发布了新的文献求助10
刚刚
islanddd发布了新的文献求助10
2秒前
XL神放完成签到 ,获得积分10
2秒前
善良的焦完成签到,获得积分10
2秒前
语亦菲扬921完成签到,获得积分10
4秒前
繁笙完成签到 ,获得积分10
5秒前
eugene完成签到,获得积分10
5秒前
Wingshuohuo发布了新的文献求助30
6秒前
艺涵完成签到,获得积分10
7秒前
10秒前
今后应助islanddd采纳,获得10
10秒前
小羊咩完成签到 ,获得积分10
11秒前
yhr完成签到 ,获得积分10
11秒前
我爱读文献完成签到 ,获得积分10
12秒前
已拿捏催化剂完成签到 ,获得积分10
13秒前
啊啊啊发布了新的文献求助20
13秒前
13秒前
钱塘郎中完成签到,获得积分0
13秒前
明亮的冰香完成签到 ,获得积分10
13秒前
14秒前
smh发布了新的文献求助10
14秒前
龙卡烧烤店完成签到,获得积分0
15秒前
陈陈完成签到 ,获得积分10
16秒前
受伤哈密瓜完成签到 ,获得积分10
16秒前
怡宝完成签到,获得积分10
17秒前
20秒前
醉倒天瓢完成签到 ,获得积分10
20秒前
xmr123456完成签到,获得积分10
21秒前
insomnia417完成签到,获得积分0
21秒前
丘比特应助蔡俊辉采纳,获得10
22秒前
hhx完成签到,获得积分10
23秒前
bozi完成签到,获得积分10
23秒前
真实的便当完成签到,获得积分20
23秒前
落寞书易完成签到 ,获得积分10
24秒前
微笑冰棍完成签到 ,获得积分10
24秒前
不安的橘子完成签到 ,获得积分10
26秒前
背后海亦发布了新的文献求助10
26秒前
华仔应助啊啊啊采纳,获得10
27秒前
wenhao完成签到 ,获得积分10
28秒前
maction应助123采纳,获得10
30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
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 3192238
求助须知:如何正确求助?哪些是违规求助? 2841577
关于积分的说明 8033830
捐赠科研通 2505150
什么是DOI,文献DOI怎么找? 1338408
科研通“疑难数据库(出版商)”最低求助积分说明 638303
邀请新用户注册赠送积分活动 606881