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
mercury完成签到,获得积分10
5秒前
兴奋雁蓉完成签到,获得积分10
5秒前
6秒前
甜甜的不二完成签到,获得积分10
8秒前
Dai JZ完成签到 ,获得积分10
9秒前
10秒前
Orange应助mercury采纳,获得10
10秒前
石头完成签到 ,获得积分10
11秒前
茶博士发布了新的文献求助10
12秒前
大王869完成签到 ,获得积分10
14秒前
15秒前
张小小完成签到,获得积分10
15秒前
16秒前
18秒前
顺利的飞荷完成签到,获得积分0
19秒前
乐观伟泽完成签到,获得积分10
19秒前
20秒前
20秒前
梅子完成签到 ,获得积分10
20秒前
thuuu完成签到,获得积分10
21秒前
棠以秧完成签到 ,获得积分10
22秒前
mercury发布了新的文献求助10
24秒前
吴红波发布了新的文献求助10
24秒前
不配.应助茶博士采纳,获得10
25秒前
布通发布了新的文献求助10
26秒前
医生小白完成签到 ,获得积分10
26秒前
Axs完成签到,获得积分10
27秒前
贤惠的紫菜完成签到 ,获得积分10
29秒前
31秒前
lixiniverson完成签到 ,获得积分10
33秒前
上官若男应助fzzzzlucy采纳,获得10
33秒前
xiaozhou完成签到,获得积分10
34秒前
布通完成签到,获得积分10
34秒前
8888拉完成签到,获得积分10
34秒前
34秒前
小栗发布了新的文献求助10
36秒前
追寻的梦凡完成签到 ,获得积分10
36秒前
36秒前
sunaijia应助lixiaxia采纳,获得10
39秒前
2Y发布了新的文献求助30
39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
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
A real-time energy management strategy based on fuzzy control and ECMS for PHEVs 400
2024 Medicinal Chemistry Reviews 400
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 3190726
求助须知:如何正确求助?哪些是违规求助? 2839959
关于积分的说明 8026385
捐赠科研通 2503052
什么是DOI,文献DOI怎么找? 1336685
科研通“疑难数据库(出版商)”最低求助积分说明 637950
邀请新用户注册赠送积分活动 606263