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
1秒前
2秒前
猫猫发布了新的文献求助10
3秒前
淡定发布了新的文献求助10
4秒前
4秒前
adearfish完成签到 ,获得积分10
5秒前
nmamtf发布了新的文献求助10
6秒前
yueyue发布了新的文献求助10
7秒前
CipherSage应助小学生库里采纳,获得10
11秒前
12秒前
毛毛完成签到 ,获得积分10
18秒前
布布完成签到,获得积分10
21秒前
李爱国应助zxldylan采纳,获得10
22秒前
0029完成签到,获得积分10
24秒前
魔幻的橘子完成签到 ,获得积分10
25秒前
CodeCraft应助...采纳,获得30
26秒前
SWUTZJ完成签到,获得积分10
29秒前
mei发布了新的文献求助10
30秒前
大气的莫茗完成签到 ,获得积分10
30秒前
澄子完成签到 ,获得积分10
31秒前
麻瓜完成签到,获得积分10
32秒前
penguin完成签到,获得积分10
33秒前
象牙板完成签到,获得积分10
33秒前
科研通AI2S应助科研通管家采纳,获得10
37秒前
CipherSage应助科研通管家采纳,获得10
37秒前
思源应助科研通管家采纳,获得30
37秒前
科研通AI2S应助科研通管家采纳,获得10
37秒前
传奇3应助科研通管家采纳,获得10
37秒前
Sean完成签到,获得积分10
38秒前
44秒前
ZhangDaying发布了新的文献求助10
47秒前
小蘑菇应助文艺鞋垫采纳,获得10
47秒前
47秒前
1234发布了新的文献求助10
50秒前
乐乐应助元锦程采纳,获得10
50秒前
51秒前
55秒前
56秒前
元锦程发布了新的文献求助10
59秒前
1分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 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 3186524
求助须知:如何正确求助?哪些是违规求助? 2836778
关于积分的说明 8011284
捐赠科研通 2499134
什么是DOI,文献DOI怎么找? 1334103
科研通“疑难数据库(出版商)”最低求助积分说明 637023
邀请新用户注册赠送积分活动 605009