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
汉朝老橙完成签到,获得积分10
刚刚
Demons完成签到,获得积分10
1秒前
邓鹏煊发布了新的文献求助10
1秒前
尔风完成签到 ,获得积分10
1秒前
负责紊完成签到,获得积分10
2秒前
Senmin完成签到,获得积分10
2秒前
cdd完成签到,获得积分10
2秒前
迷路的诗槐完成签到,获得积分10
2秒前
身强力壮运气好完成签到,获得积分10
2秒前
Hancock完成签到,获得积分10
2秒前
时师太凶我完成签到,获得积分10
2秒前
000完成签到 ,获得积分10
3秒前
那一瞬的永恒完成签到,获得积分10
3秒前
XXX完成签到,获得积分10
3秒前
3秒前
传统的锦程完成签到,获得积分10
4秒前
lllllllll发布了新的文献求助10
4秒前
建设完成签到,获得积分10
4秒前
imuzi完成签到,获得积分10
4秒前
ffff完成签到,获得积分10
4秒前
蓝桉完成签到,获得积分10
5秒前
栗子完成签到,获得积分10
5秒前
zhangyunyun完成签到,获得积分10
6秒前
小马驹完成签到,获得积分20
6秒前
6秒前
南亭完成签到,获得积分10
6秒前
平淡驳完成签到 ,获得积分10
7秒前
potatozhou完成签到,获得积分10
9秒前
jw发布了新的文献求助10
9秒前
xiaoxiaoliang完成签到,获得积分10
10秒前
扒开皮皮完成签到,获得积分10
10秒前
谢小胖发布了新的文献求助10
11秒前
orixero应助TJJJJJ采纳,获得10
11秒前
华仔应助yjy采纳,获得10
11秒前
zmk完成签到,获得积分10
11秒前
扒开皮皮发布了新的文献求助10
13秒前
科研通AI2S应助夏日气泡水采纳,获得10
13秒前
希望天下0贩的0应助moonlimb采纳,获得10
13秒前
子蓼完成签到 ,获得积分10
13秒前
wang0626完成签到 ,获得积分10
13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 3192824
求助须知:如何正确求助?哪些是违规求助? 2841874
关于积分的说明 8035636
捐赠科研通 2505623
什么是DOI,文献DOI怎么找? 1338686
科研通“疑难数据库(出版商)”最低求助积分说明 638429
邀请新用户注册赠送积分活动 606972