1. 简介

SCENIC （single-cell regulatory network inference and clustering）是一个基于共表达和motif分析，计算单细胞转录组数据基因调控网络重建以及细胞状态鉴定的方法。

2017年发表在Nature Methods杂志上的 SCENIC 算法，利用单细胞RNA-seq数据，同时进行基因调控网络重建和细胞状态鉴定，应用于肿瘤和小鼠大脑单细胞图谱数据，提出并证明了 顺式调控网络分析能够用于指导转录因子和细胞状态的鉴定 。

SCENIC通过使用生物学驱动的features自动清除肿瘤样本特异性等批次效应。

有一些文章写的挺好的，在这里汇总一下：

https://www.cnblogs.com/raisok/p/12425225.html

https://www.jianshu.com/p/cd967c449177

https://cloud.tencent.com/developer/article/1692240

2. 原理

GRN（gene regulatory network）基因调控网络包括TF（transcription factor转录因子）、cofactor（共调因子）与其调节的target gene 组成，决定了某个状态下的细胞的转录状态。SCENIC流程包括三步骤：

（1）使用 GENIE3 或GRNBoost (Gradient Boosting) 基于共表达推断转录因子与候选靶基因之间的共表达模块。

（2）由于GENIE3模型只是基于共表达，会存在很多假阳性和间接靶标，为了识别直接结合靶标（direct-binding targets），使用 RcisTarget 对每个共表达模块进行顺式调控基序（ cis -regulatory motif）分析。进行TF-motif富集分析，识别直接靶标。（仅保留具有正确的上游调节子且显著富集的motif modules，并对它们进行修剪以除去缺乏motif支持的间接靶标。）这些处理后的每个TF及其潜在的直接targets gene被称作一个 调节子（regulon） ；

（3）使用 AUCell 算法对每个细胞的每个regulon活性进行打分。对于一个regulon来说，比较细胞间的AUCell 得分可以鉴定出哪种细胞有显著更高的subnetwork活性。结果生成一个二进制的regulon活性矩阵（binarized activity matrix），这将确定Regulon在哪些细胞中处于“打开”状态。

蛋白质中功能的基本单元是domain,是一种特殊的三维结构，不同结构的domain与其他分子特异性结合从而发挥功能。与此类似，转录因子在于DNA序列结合时，其结合位点的序列也由于一定的特异性，不同转录因子结合的DNA序列的模式是不同的。为了更好的描述结合位点序列的模式，科学家们提出了motif的概念。

2.1 GENIE3

GENIE3是一种从基因表达量数据推断基因调控网络的方法。它训练预测数据集中每个基因表达的随机森林模型，并使用TF的表达作为输入。然后使用不同的模型来得出TF的权重，并测量它们各自的相关性以预测每个靶基因的表达。

GENIE3的输入为表达矩阵，最好使用gene-summarized counts（可能是也可能不是UMIs）。其他单位，比如counts，TPM和FPKM/RPKM也可以。但是要注意第一步的网络相关分析基于共表达，一些作者建议也可以使用within-sample normalization比如TPM。

GENIE3的输出是一个带有基因、潜在调节因子以及IM（importance measure）的表。IM代表了TF（input gene）在预测靶标时的权重。作者探索了几种确定阈值的方法，最终选择为每个TF建立多个潜在靶标基因集：（1）设置几个IM阈值（IM>0.001 and IM >0.005)

（2）选取每个TF的前50哥靶标targets

（3）每个target gene保留top5，10，50个TFs，然后按TF分开。

在以上结果中，只有IM>0.001的links被算入。

每个基因集接着被分为positive- and negetive-correlated targets来区分可能激活的和抑制的targets。（TF和潜在靶标的Spearman相关性计算）

最终，只有包含30个基因以上的基因集（TF共表达模型）被保留，用于下游分析。

2.2 RcisTarget

RcisTarget是i-cisTarget和iRegulon的motif富集框架的新R / Bioconductor实现。

RcisTarget从一个基因列表识别富集的TF-binding motifs和候选转录因子。主要有两步骤：

（1）选择在基因集中基因TSS（transcription start site）附近显著过表达的DNA motif。这一步通过在数据库中应用recovery-based method（基于恢复的方法）来实现的，该数据库包含每个motif的全基因组跨物种排名。保留注释到对应TF并且 NES（normalized enrichment score）>3 的motif。

（2）对于每一个motif和基因集，RcisTarget预测候选靶标基因，也就是基因集中排名领先的基因。这一步提供的结果跟i-cisTarget和iiRegulon相同。

为了构建最终的regulon，作者合并了每个TF module中预测的靶基因，这些基因显示了给定TF的任何motif的富集。但是在作者分析的数据中，这些modules数量很少而且motif富集很低。因此，最终决定从流程中去除对于直接表达的检测，只使用positive-correlated targets进行下游分析。