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
NexusExplorer应助cultromics采纳,获得20
刚刚
Cynthia完成签到 ,获得积分10
刚刚
RayLam完成签到,获得积分10
刚刚
guangshuang完成签到 ,获得积分10
1秒前
RATHER完成签到,获得积分10
1秒前
haoguang12345发布了新的文献求助10
1秒前
ssl完成签到 ,获得积分10
5秒前
song完成签到 ,获得积分10
6秒前
吴宵完成签到,获得积分0
6秒前
6秒前
bio-tang完成签到,获得积分10
6秒前
坚定幻嫣完成签到 ,获得积分10
6秒前
林林完成签到,获得积分10
8秒前
火星上的小蚂蚁完成签到,获得积分10
8秒前
十二完成签到,获得积分10
9秒前
9秒前
方方完成签到 ,获得积分10
10秒前
黑糖珍珠完成签到 ,获得积分10
10秒前
ming发布了新的文献求助10
11秒前
cy发布了新的文献求助10
11秒前
丫丫完成签到 ,获得积分10
11秒前
教生物的杨教授完成签到,获得积分10
12秒前
和谐的映梦完成签到,获得积分10
13秒前
LinYX完成签到,获得积分10
14秒前
天天开心完成签到,获得积分10
14秒前
脑洞疼应助科研通管家采纳,获得10
15秒前
镜子应助科研通管家采纳,获得10
15秒前
shtatbf应助科研通管家采纳,获得30
15秒前
mm完成签到,获得积分10
15秒前
秀丽的皮皮虾完成签到 ,获得积分10
16秒前
顺鑫完成签到 ,获得积分10
16秒前
小芳芳完成签到 ,获得积分10
17秒前
蓝天碧海小西服完成签到,获得积分0
18秒前
漂亮的西西完成签到,获得积分10
19秒前
快乐的鱼完成签到,获得积分10
19秒前
一直在笑完成签到,获得积分10
20秒前
健壮的思枫完成签到,获得积分10
22秒前
背后书雪完成签到 ,获得积分10
22秒前
图苏完成签到,获得积分10
23秒前
laihama完成签到,获得积分10
24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 3192719
求助须知:如何正确求助?哪些是违规求助? 2841827
关于积分的说明 8034895
捐赠科研通 2505467
什么是DOI,文献DOI怎么找? 1338632
科研通“疑难数据库(出版商)”最低求助积分说明 638392
邀请新用户注册赠送积分活动 606967