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
ZZ完成签到,获得积分10
1秒前
灰鸽舞完成签到 ,获得积分10
11秒前
段段发布了新的文献求助20
12秒前
上官若男应助大麦迪采纳,获得10
13秒前
李y梅子完成签到 ,获得积分10
16秒前
崩溃完成签到,获得积分10
18秒前
devilito完成签到,获得积分10
20秒前
欢呼的茗茗完成签到 ,获得积分10
22秒前
23秒前
mengmenglv完成签到 ,获得积分0
27秒前
大麦迪发布了新的文献求助10
29秒前
nkpdsy发布了新的文献求助10
31秒前
105完成签到 ,获得积分10
39秒前
鳗鱼怀蕊完成签到,获得积分10
41秒前
41秒前
大麦迪完成签到,获得积分20
42秒前
温冰雪应助nkpdsy采纳,获得10
42秒前
聪明的破茧完成签到,获得积分10
43秒前
44秒前
烟花应助科研通管家采纳,获得20
47秒前
科目三应助科研通管家采纳,获得10
47秒前
三石完成签到 ,获得积分10
49秒前
段段完成签到,获得积分10
52秒前
lanxinge完成签到 ,获得积分10
59秒前
qing完成签到 ,获得积分10
1分钟前
顺利的曼寒完成签到 ,获得积分10
1分钟前
简单的笑蓝完成签到 ,获得积分10
1分钟前
鞑靼完成签到 ,获得积分10
1分钟前
唯有一个心完成签到 ,获得积分10
1分钟前
Dalia完成签到,获得积分10
1分钟前
mrwang完成签到 ,获得积分10
1分钟前
iberis完成签到 ,获得积分10
1分钟前
邵翎365完成签到,获得积分10
1分钟前
1分钟前
duyu完成签到 ,获得积分10
1分钟前
向语堂发布了新的文献求助10
1分钟前
小瓜完成签到 ,获得积分10
1分钟前
golfgold完成签到,获得积分10
1分钟前
三伏天完成签到,获得积分10
1分钟前
满意白卉完成签到 ,获得积分10
1分钟前
高分求助中
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
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 3183763
求助须知:如何正确求助?哪些是违规求助? 2833786
关于积分的说明 7995603
捐赠科研通 2496044
什么是DOI,文献DOI怎么找? 1331890
科研通“疑难数据库(出版商)”最低求助积分说明 636455
邀请新用户注册赠送积分活动 603625