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
huco完成签到,获得积分10
2秒前
伍仨仨发布了新的文献求助10
5秒前
欣慰外绣完成签到,获得积分10
6秒前
等待的道消完成签到,获得积分10
6秒前
糊涂的丹南完成签到 ,获得积分10
7秒前
个性尔槐完成签到,获得积分10
7秒前
前世的尘发布了新的文献求助10
15秒前
修水县1个科研人完成签到 ,获得积分10
19秒前
左丘白桃完成签到 ,获得积分10
19秒前
干辣椒完成签到 ,获得积分10
20秒前
大雄的梦想是什么完成签到 ,获得积分10
20秒前
Z赵完成签到 ,获得积分10
24秒前
科研通AI2S应助ECCE采纳,获得10
32秒前
敏感元正完成签到,获得积分10
33秒前
暴龙战士图图完成签到,获得积分10
35秒前
天天天王完成签到,获得积分10
37秒前
李爱笑完成签到,获得积分10
37秒前
臭臭完成签到,获得积分10
38秒前
幼荷完成签到 ,获得积分10
39秒前
cash完成签到,获得积分20
39秒前
Ya完成签到 ,获得积分10
40秒前
CAS完成签到,获得积分10
40秒前
75986686完成签到,获得积分10
41秒前
自然亦竹完成签到,获得积分10
41秒前
溜了溜了完成签到,获得积分10
42秒前
Rqbnicsp完成签到,获得积分10
43秒前
yelv123完成签到,获得积分10
46秒前
眼睛大樱桃完成签到,获得积分10
50秒前
wxyinhefeng完成签到 ,获得积分10
52秒前
霍凡白完成签到,获得积分10
58秒前
hss完成签到 ,获得积分10
59秒前
活泼蜡烛完成签到,获得积分10
1分钟前
Neoshine完成签到,获得积分10
1分钟前
HX完成签到,获得积分10
1分钟前
houyunfeng完成签到 ,获得积分10
1分钟前
彪行天下完成签到,获得积分10
1分钟前
trial完成签到 ,获得积分10
1分钟前
何处芳歇完成签到,获得积分10
1分钟前
赵先森完成签到 ,获得积分10
1分钟前
uriah完成签到,获得积分10
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
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 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 3186970
求助须知:如何正确求助?哪些是违规求助? 2836979
关于积分的说明 8012149
捐赠科研通 2499435
什么是DOI,文献DOI怎么找? 1334372
科研通“疑难数据库(出版商)”最低求助积分说明 637170
邀请新用户注册赠送积分活动 605071