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
能干的丸子完成签到,获得积分10
2秒前
香蕉汉堡完成签到,获得积分10
2秒前
cyclone发布了新的文献求助10
3秒前
易哒哒完成签到,获得积分10
3秒前
3秒前
Sunny完成签到,获得积分10
4秒前
9778发布了新的文献求助10
4秒前
wanci应助Gilana采纳,获得10
5秒前
CYL发布了新的文献求助10
5秒前
6秒前
程宇完成签到,获得积分10
6秒前
7秒前
shain完成签到,获得积分10
8秒前
Crystal发布了新的文献求助30
9秒前
嘉禾瑶完成签到 ,获得积分10
10秒前
捶捶发布了新的文献求助10
10秒前
11秒前
仇湘完成签到,获得积分10
11秒前
12秒前
13秒前
无奈的又晴完成签到,获得积分10
13秒前
皇甫飞扬完成签到,获得积分10
13秒前
宋文娟发布了新的文献求助10
14秒前
17秒前
xiaoyu发布了新的文献求助10
17秒前
18秒前
小蘑菇应助rokuu采纳,获得10
18秒前
Osii发布了新的文献求助10
18秒前
21秒前
朝韵发布了新的文献求助10
23秒前
英俊的铭应助巴拉巴拉巴采纳,获得10
24秒前
捶捶完成签到,获得积分10
25秒前
兴奋大马喽完成签到,获得积分10
26秒前
殷勤的中道完成签到,获得积分10
27秒前
27秒前
宇心应助背后半烟采纳,获得10
27秒前
小二郎应助chemist007采纳,获得10
31秒前
32秒前
邓帆完成签到,获得积分10
32秒前
雅2018完成签到 ,获得积分0
33秒前
高分求助中
Evolution 3rd edition 1500
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
Ribozymes and aptamers in the RNA world, and in synthetic biology 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 3180905
求助须知:如何正确求助?哪些是违规求助? 2831086
关于积分的说明 7983117
捐赠科研通 2493070
什么是DOI,文献DOI怎么找? 1329957
科研通“疑难数据库(出版商)”最低求助积分说明 635872
版权声明 602954