转录因子预测-2SCENIC基本介绍

移动开发2024-04-01 06:39:59

SCENIC: 单细胞RNA-seq数据推断基因调控网络和细胞功能聚类 - 简书 (jianshu.com)

https://mp.weixin.qq.com/s/6-0lBaAvkW17U3lAY0307A SCENIC安装

单细胞个性化分析之转录因子篇 - 简书 (jianshu.com) 转录因子介绍

转录因子的作用
是通过和顺式因子的互作来实现的。这段序列可以和转录因子的DNA结合域实现共价结合，从而对基因的表达起抑制或增强的作用。
SCENIC简介

SCENIC是2017年11月发表在Nature Methods 期刊的一种单细胞转录因子分析方法，也是目前进行单细胞转录因子分析的主流软件，该软件在进行数据分析的同时也能得到可视化结果图。另外，SCENIC是一款开源软件，可以免费下载使用，目前软件有R和python两个版本，每个版本都配备了详细的使用说明（软件官网https://scenic.aertslab.org/）。但有一点需要特别注意，该软件是有物种限制的，目前只能分析人、小鼠和果蝇的数据。

SCENIC分析原理

在输入单细胞基因表达量矩阵后，SCENIC经过以下三个步骤完成转录因子分析：

第一步是构建共表达网络、第二步是构建TF-targets网络、第三步是计算Regulons活性，每一个步骤都由一个专门的软件包完成。我们来看一下各步骤详解。这个地方要结合之前的转录因子背景来看。

第一步：GENIE3——共表达网络构建
第一步由GENIE3或GRNBoost软件完成，这里以GENIE3为例介绍。GENIE3 (GEne NetworkInference with Ensemble of trees) ，基于树的基因网络推理，是一种从基因表达数据推断基因调控网络的方法。软件以单细胞基因表达量矩阵为输入文件，以每个目标基因 (gene) 为输出，以转录因子 (TF) 为输入，构建P个随机森林树（P=矩阵中基因数量），并计算每个TF与gene之间的重要性评分 (IM) ，最终可以获得TF-genes共表达模块。最后删除IM低于阈值的基因关系，过滤基因数低于50的模块。如果觉得不太好理解，下图也为大家做了简化~

这里需要注意一点，构建TF-TG共表达网络默认是TF激活基因表达。

第二步：RcisTarget——motif富集及靶基因预测

从第一步获得了TF-genes共表达网络，但这个网络只是基于TF和gene表达量相关性推测的，TF和gene之间是否现实存在调控关系还需要进一步确证。确证的方法主要从TF功能结构入手，从图3可以看出，TF是通过直接与DNA特定位置序列而发挥作用的，因此可以通过反向查看gene上是否存在TF结合的motif序列来验证TF与gene的靶向关系。

这一步可以借助RcisTarget软件完成，该软件运行必备两个数据库：1）gene-motif排名数据库：为每个motif提供所有gene的排名（~分数）；2）motif-TF注释数据库：对每一个motif注释其所对应的TF。由于不同物种基因组不一样，导致每个motif对应靶基因不同，因此针对不同物种需要构建不同的数据库，软件目前配置了人、小鼠、果蝇数据库.

那么具体验证过程，首先基于gene-motif数据库，每个motif对模块中所有基因进行累积，模块中的基因排名越靠前，累积曲线越高，曲线下面积 (AUC) 越大，表明motif在该模块中的富集程度越高，然后对每个模块选取显著富集的motif，并预测其靶基因，最终综合TF-genes模块和靶基因预测结果，构成一个包含了TF和靶基因的基因调控网络模块 (regulons)。

RcisTarget Regulons构建过程

第三步：AUCell——Regulons活性定量

第三步就是Regulons活性定量。这一步由AUCell软件完成，AUCell是一种新的方法，允许在scRNA-seq数据中识别具有活性基因调控网络的细胞。

实际分析过程中，输入到AUCell的是一个基因集，输出的是每个细胞中的基因集“活性” (AUC, Area Under Curve)。在SCENIC中，这些基因集即Regulons中所有基因，针对每个细胞，将细胞中所有基因按照表达量从高到低进行排序，根据Regulons中的基因在序列中的位置，计算累计曲线面积 (AUC) ，即为Regulons在细胞中的活性。

但由于不同regulons包含的基因不同，它们之间的AUC值不具有可比较性，因此基于AUC值在所有细胞中的双峰分布特征，增加了Regulons“on/off”的概念，认为双峰之间的低谷为判断Regulons活性开放的阈值，如果AUC值小于阈值，则判定为该Regulons在该细胞中未开放，即未发挥调控作用。最终获得每个Regulons在每个细胞中的开放性热图。