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
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。
补充：
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。
2.3 AUCell
对于一个给定的regulon，通过比较所有细胞间的AUCell（area under the recovery curve）打分值，我们可以识别哪些细胞具有更显著高的regulon活性。
输入为一个基因集，输出为基因集每个细胞的‘activity’。这些基因集即regulon，包含TFs和他们假定的的target。基于recovery analysis将根据表达水平将所有基因进行排序。AUC代表了与细胞内其他基因相比，特征基因中表达基因的比例及其相对表达值。AUCell使用AUC来计算输入基因集的关键子集是否在每个细胞的排名顶部都得到了富集。将输出一个每个基因集在每个细胞的AUC score矩阵。
通过卡阈值得到的二元活性矩阵使矩阵维数减少（可理解为只有 0|1，on|off），对于下游分析很有用。 例如，基于regulon二元活性矩阵的聚类，可以根据某个调控子网络（regulon）的活性来识别细胞群类型和细胞状态。由于regulon是整体评分的，而不是使用单个基因的表达，因此这种方法对于个别基因的dropouts很有效。
参考：https://g.yuque.com/u103816/kvy887/eukoou
