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
刚刚
整齐从凝发布了新的文献求助10
刚刚
难过的慕青完成签到,获得积分10
刚刚
耍酷的白梦完成签到,获得积分10
1秒前
qiu完成签到,获得积分10
1秒前
1秒前
等风来完成签到,获得积分20
3秒前
万能图书馆应助飞天乌猪采纳,获得10
4秒前
泡泡球完成签到,获得积分10
7秒前
8秒前
宇文远锋应助忐忑的阑香采纳,获得30
8秒前
努力生活的小柴完成签到,获得积分10
8秒前
今后应助junjun采纳,获得10
11秒前
小白发布了新的文献求助10
11秒前
哈哈哈哈哈哈完成签到,获得积分10
11秒前
整齐从凝完成签到,获得积分10
12秒前
orixero应助贰叁采纳,获得10
12秒前
13秒前
奕安完成签到,获得积分20
13秒前
不配.应助yxy77采纳,获得20
13秒前
冷静的藏今完成签到,获得积分20
14秒前
WXH发布了新的文献求助30
14秒前
蛙蛙完成签到,获得积分10
15秒前
yzy完成签到,获得积分10
17秒前
彩色菲鹰完成签到,获得积分20
17秒前
18秒前
22秒前
我要挣钱发布了新的文献求助10
24秒前
wxd发布了新的文献求助10
25秒前
25秒前
丘比特应助逗号先生采纳,获得10
26秒前
xiaoxiaozhu完成签到,获得积分10
26秒前
173678发布了新的文献求助10
26秒前
xzx完成签到,获得积分10
26秒前
不配.应助wang采纳,获得20
26秒前
hyf完成签到,获得积分10
27秒前
香蕉觅云应助虚心的老头采纳,获得10
28秒前
28秒前
28秒前
不配.应助leo采纳,获得10
30秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Write Like a Chemist: A Guide and Resource (第二版) 600
Mixed-anion Compounds 600
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Earth System Geophysics 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
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 3199768
求助须知:如何正确求助?哪些是违规求助? 2848897
关于积分的说明 8068542
捐赠科研通 2513243
什么是DOI,文献DOI怎么找? 1346037
科研通“疑难数据库(出版商)”最低求助积分说明 640167
邀请新用户注册赠送积分活动 609877