【SCENIC】Single Cell rEgulatory Network Inference and Clustering

前言：GRN究竟 可以被用来做什么？在bulk GSVA学习时我也有过类似的困惑。在官方文档中，多次强调用GRN AUC去cluster，且效果比单纯基于表达量的降维聚类方法好，SCENIC不是文章做到最后充数的高级分析，而是发现 cell type-specific GRN, 后续聚类发现亚型的利器。

SCENIC in R有两个教程,第一个主要是简介、安装与读入，第二个是pipeline。

SCENIC的输入文件比较简单，scRNA的表达矩阵，列名细胞，行名gene symbol。在数据格式的问题上，作者比较自信，无论raw count、Seurat标准化还是TPM标准化，得到的结果都robust。

SCENIC依赖于三个R包以进行四个步骤：

（1）GENIE3 infers the co-expression network (faster alternative: GRNBoost2).但引入了较多假阳性，需要交到第二步进一步验证筛选。

（2）RcisTarget for the analysis of transcription factor binding motifs.个人认为应R-cis-Target比较合适。

（3）AUCell to identify cells with active gene sets (gene network) in scRNA. 这个AUCell和Seurat里的某个功能、bulk里的GSVA很像，用gene set打分。

（4）根据AUCell结果进行细胞聚类

• 安装包

if (!requireNamespace("BiocM