当前位置：首页 > news >正文

公司年前做网站好处wordpress+search+sql

news 2025/11/10 1:21:22

公司年前做网站好处,wordpress+search+sql,网站建设手机端管网,礼盒包装设计一、PySCENIC简介 SCENIC（Single-Cell Regulatory Network Inference and Clustering）是一个专门可以用于scRNA-seq数据转录因子推断的分析软件。SCENIC的核心功能是解析scRNA-seq数据中转录因子与其下游靶基因的调控关系，从而揭示每个细胞的…

一、PySCENIC简介

SCENIC（Single-Cell Regulatory Network Inference and Clustering）是一个专门可以用于scRNA-seq数据转录因子推断的分析软件。SCENIC的核心功能是解析scRNA-seq数据中转录因子与其下游靶基因的调控关系，从而揭示每个细胞的调控状态及细胞群的生物学特性，达到辅助推断细胞的状态和功能目的。它的核心分析步骤共分为三步:

第一步：输入表达矩阵和转录因子列表，通过GENIE3（随机森林)或GRNBoost (Gradient Boosting) 方法从scRNA-seq数据推断转录因子与候选靶基因之间的共表达模块；

第二步：基于第一步的初始调控网络，根据motif和TF的关系以及motif对基因调控潜能的排序来修剪初始调控网络，最终得到的每个TF及其潜在的直接targets gene称作一个调节因子（regulon）

第三步：AUCelll(一文搞定单细胞基因集评分)评估每个regulon在每个细胞里面的活性

关于SCENIC我们做过一系列图文及视频教程，需要scRNA-seq辅导的同学可参考：这下真手把手教你做scRNA-seq数据基础分析：

SCENIC转录因子分析：

SCENIC单细胞转录因子预测|1.绪论

SCENIC单细胞转录因子预测|2.学习手册

SCENIC单细胞转录因子预测|3.软件安装与数据准备

SCENIC单细胞转录因子预测|4.精简版流程

SCENIC单细胞转录因子预测|5.step1+step2构建共表达网络与regulon

SCENIC单细胞转录因子预测|6.Step3 利用AUCell对Regulon评分

SCENIC单细胞转录因子预测|7.Step4 二元矩阵的计算与可视化

SCENIC单细胞转录因子预测|8.Step5 regulon聚类、分群、降维

SCENIC单细胞转录因子预测|9.下游探索

SCENIC转录因子调控网络图

遗憾的是R语言版本的SCENIC简直慢到爆，主要限速步骤是GENIE3计算共表达网络，几万个细胞算几周也是常有的事。因此这里我们分享一波PySCENIC的流程，虽然牺牲一波可视化结果，但是计算速度快了几十~上百倍。

本文分析集锦如下：

二、测试文件

点击跳转测试文件

三、软件安装

本教程基于Linux及服务器中的Rstudio环境（足够支持你完成硕博生涯的生信环境）演示，计算资源不足的同学可参考：

生信分析为什么要使用服务器？
足够支持你完成硕博生涯的生信环境
配置一个心仪的工作站(硬件+环境配置)
独享服务器，生信分析不求人

访问链接：https://biomamba.xiyoucloud.net/

首先大家需要先安装conda：生信软件管家——conda的安装、使用、卸载

# pyscenic环境创建流程conda env remove --name pyscenicconda create -n pyscenic python=3.8.1conda activate pyscenic# !!!!!按照下面的顺序安装，不然可能出现彼此不兼容的报错# 参考：https://www.jianshu.com/p/dc7397fda327pip install numpy==1.19.5pip install pandas==1.3.5pip install numba==0.56.4pip install pyscenic==0.12.1# 检查安装软件版本python -c "import numpy; print(numpy.__version__)"python -c "import pandas; print(pandas.__version__)"python -c "import pyscenic; print(pyscenic.__version__)"pyscenic -hcd /home/cwj/project/09_pyscenic/data# 下载motif排序文件，motif 注释文件和转录因子文件# 以人类基因组hg19版本为参考，转录起始位点（TSS）上下游5kb区域的基因与基序（motifs）的排名数据，数据整合7个物种信息用于评估基因与基序结合可能性，确定转录因子和靶基因间调控关系wget https://resources.aertslab.org/cistarget/databases/homo_sapiens/hg19/refseq_r45/mc9nr/gene_based/hg19-tss-centered-5kb-7species.mc9nr.genes_vs_motifs.rankings.feather# 基序到转录因子的映射关系，通过分析转录因子结合位点基序，识别可能结合特定基序的转录因子。wget https://resources.aertslab.org/cistarget/motif2tf/motifs-v10nr_clust-nr.hgnc-m0.001-o0.0.tbl# 人类基因组中所有转录因子列表wget  https://resources.aertslab.org/cistarget/tf_lists/allTFs_hg38.txt