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
小A完成签到,获得积分10
2秒前
5秒前
迷路的南琴完成签到,获得积分10
6秒前
7秒前
8秒前
9秒前
9秒前
小菜狗发布了新的文献求助10
10秒前
13秒前
moumou发布了新的文献求助10
13秒前
fanmo完成签到 ,获得积分10
14秒前
17秒前
Ywffffff发布了新的文献求助10
17秒前
科研人完成签到,获得积分10
20秒前
fanature发布了新的文献求助10
20秒前
21秒前
战神林北完成签到,获得积分10
21秒前
科研通AI2S应助高兴的彩虹采纳,获得10
22秒前
22秒前
小镇的废物完成签到,获得积分10
23秒前
赘婿应助ye采纳,获得10
24秒前
24秒前
hahaha完成签到,获得积分10
26秒前
希望天下0贩的0应助Ywffffff采纳,获得10
29秒前
LAIJINSHENG发布了新的文献求助10
30秒前
benben完成签到,获得积分0
31秒前
32秒前
34秒前
ye发布了新的文献求助10
36秒前
38秒前
38秒前
聘聘发布了新的文献求助10
39秒前
40秒前
40秒前
Lyue发布了新的文献求助10
40秒前
小菜狗完成签到,获得积分10
41秒前
赵振辉发布了新的文献求助10
41秒前
41秒前
不配.应助dery采纳,获得10
43秒前
科研人发布了新的文献求助10
43秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
Handbook on People's China (1957) 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 3188816
求助须知:如何正确求助?哪些是违规求助? 2838235
关于积分的说明 8019183
捐赠科研通 2501105
什么是DOI,文献DOI怎么找? 1335264
科研通“疑难数据库(出版商)”最低求助积分说明 637492
邀请新用户注册赠送积分活动 605604