发表文章：
SCENIC: single-cell regulatory network inference and clustering | Nature Methods
A scalable SCENIC workflow for single-cell gene regulatory network analysis | Nature Protocols官网与教程：
SCENIC
Tutorials (aertslab.org)
Github地址：
aertslab/SCENIC
R版本教程：
SCENIC: Introduction and setup
Running SCENIC
python版本教程：
aertslab/SCENICprotocol不错的中文教程
单细胞转录组高级分析二：转录调控网络分析 (qq.com)(推荐)
单细胞转录因子分析之SCENIC流程 - 云+社区 - 腾讯云 (tencent.com)
SCENIC (Single-Cell rEgulatory Network Inference and Clustering) is a computational method to infer Gene Regulatory Networks and cell types from single-cell RNA-seq data.
SCENIC（单细胞调控网络推断和聚类）是一种从单细胞 RNA-seq 数据推断基因调控网络和细胞类型的计算方法。它是专为单细胞数据开发的GRNs（基因调控网络）算法，它的创新之处在于引入了转录因子motif序列验证统计学方法推断的基因共表达网络，从而识别高可靠性的由转录因子主导的GRNs。
一些背景：
细胞的转录状态来自于一个潜在的基因调控网络（GRN），在该网络中，数量有限的转录因子（TF）和辅因子相互调节，并对其下游靶基因进行调控。
组织内细胞异质性的基础是细胞转录状态的差异，转录状态的特异性又是由转录因子主导的基因调控网络（GRNs）决定并维持稳定的。因此分析单细胞的GRNs有助于深入挖掘细胞异质性背后的生物学意义，并为疾病的诊断、治疗以及发育分化的研究提供有价值的线索。然而单细胞转录组数据具有背景噪音高、基因检出率低和表达矩阵稀疏性的特点，给传统统计学和生物信息学方法推断高质量的GRNs带来了挑战。
SCENIC作者认为将顺式调控序列与单细胞基因表达联系起来可以克服缺失和技术变异，从而优化细胞状态的发现和表征。
主要流程：
- GENIE3/GRNBoost2：基于共表达情况鉴定每个TF的潜在靶点；
- RcisTarget：基于DNA-motif 分析选择潜在的直接结合靶点；
- AUCell：分析每个细胞的regulons活性；
输入数据类型可以是counts、normalized counts（data）或tpm：
