SCENIC实战：从单细胞数据到调控网络解析

1. SCENIC流程简介：单细胞调控网络分析的利器

第一次接触SCENIC流程时，我被它强大的功能震撼到了。这个工具能够从单细胞RNA测序数据中挖掘出基因调控网络，让我们看到不同细胞类型中哪些转录因子在"发号施令"。简单来说，它就像是个细胞内部的"监控系统"，能捕捉到哪些基因调控开关被打开了。

SCENIC全称是Single-Cell rEgulatory Network Inference and Clustering，由比利时VIB研究所开发。它通过三个关键步骤完成分析：首先找出哪些基因倾向于一起表达（共表达网络），然后筛选出真正有调控关系的基因对（调控网络），最后计算每个细胞中这些调控网络的活跃程度。

我特别喜欢SCENIC的一点是，它不仅能告诉我们哪些转录因子重要，还能展示它们在哪些细胞群体中特别活跃。比如在神经元发育研究中，用SCENIC可以清楚地看到不同发育阶段起主导作用的转录因子有哪些变化。

2. 环境准备与数据输入

2.1 软件安装与依赖管理

安装SCENIC相关包确实是个技术活，我踩过不少坑。核心依赖包括GENIE3（用于构建共表达网络）、RcisTarget（分析转录因子结合位点）和AUCell（计算基因集活性）。建议先用BiocManager安装基础包：

r复制if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install(c("AUCell", "RcisTarget", "GENIE3"))

如果遇到版本冲突，可以尝试用conda创建独立环境。我在Linux服务器上测试过，用conda安装最稳定：

bash复制conda create -n scenic python=3.7 r-base=4.0
conda activate scenic
conda install -c bioconda r-rcistarget r-genie3 r-aucell

2.2 数据格式准备

SCENIC支持多种输入格式，但最常用的是loom文件和Seurat对象。我通常先用Seurat做完基础分析，再提取表达矩阵：

r复制library(Seurat)
# 假设已有Seurat对象pbmc
exprMat <- as.matrix(pbmc@assays$RNA@counts)
cellInfo <- as.data.frame(pbmc@meta.data)

如果想用loom格式，SCopeLoomR包提供了转换工具。我建议保存两份数据，因为有些下游分析需要特定格式：

r复制library(SCopeLoomR)
loom <- build_loom("output/pbmc.loom", dgem=exprMat)
loom <- add_cell_annotation(loom, cellInfo)
close_loom(loom)

3. SCENIC核心分析流程

3.1 共表达网络构建

共表达网络是SCENIC分析的第一步，目的是找出哪些基因倾向于一起表达。GENIE3和GRNBoost2是两种常用算法，我实测下来GRNBoost2速度更快，但GENIE3结果更稳定。

r复制# 基因过滤
genesKept <- geneFiltering(exprMat, scenicOptions)
exprMat_filtered <- exprMat[genesKept, ]

# 使用GENIE3
runGenie3(exprMat_filtered, scenicOptions)

# 或者用GRNBoost2（需要Python环境）
library(reticulate)
arb.algo <- import('arboreto.algo')
adj <- arb.algo$grnboost2(
    as.data.frame(t(exprMat_filtered)),
    tf_names=getDbTfs(scenicOptions)
)

注意：大数据集建议在服务器运行，10万细胞可能需要8-16小时

3.2 调控网络推断与活性评分

得到共表达网络后，SCENIC会用RcisTarget数据库筛选真实的调控关系。这里需要下载物种特异的motif数据库：

r复制# 人类数据库示例
dbFiles <- c(
    "https://resources.aertslab.org/cistarget/databases/homo_sapiens/hg19/refseq_r45/mc9nr/gene_based/hg19-500bp-upstream-7species.mc9nr.feather",
    "https://resources.aertslab.org/cistarget/databases/homo_sapiens/hg19/refseq_r45/mc9nr/gene_based/hg19-tss-centered-10kb-7species.mc9nr.feather"
)

核心分析三步走：

r复制# 1. 将共表达网络转为调控模块
scenicOptions <- runSCENIC_1_coexNetwork2modules(scenicOptions)

# 2. 鉴定调控子(regulon)
scenicOptions <- runSCENIC_2_createRegulons(scenicOptions)

# 3. 计算细胞活性评分
scenicOptions <- runSCENIC_3_scoreCells(scenicOptions, exprMat)

4. 结果解读与可视化

4.1 基础可视化方法

SCENIC提供了多种可视化工具。我最常用的是t-SNE图叠加调控子活性：

r复制# 绘制调控子活性t-SNE图
tsneAUC(scenicOptions, aucType="AUC")

# 热图展示细胞类型特异性调控子
regulonAUC <- loadInt(scenicOptions, "aucell_regulonAUC")
rss <- calcRSS(AUC=getAUC(regulonAUC), 
              cellAnnotation=cellInfo$CellType)
plotRSS(rss)

4.2 高级分析技巧

在实际项目中，我发现这些技巧特别有用：

1. 关键调控子筛选：根据RSS分数排序，找出每种细胞类型的前5个特异调控子
2. 调控子网络分析：用igraph包构建调控子间的相互作用网络
3. 伪时间分析整合：将SCENIC结果与Monocle等伪时间分析工具结合

r复制# 示例：提取星形胶质细胞的特异调控子
astro_regulons <- rss$astrocytes[order(-rss$astrocytes$RSS),][1:5,]

4.3 结果导出与报告生成

SCENIC会生成大量结果文件，我建议重点关注：

• output/Step2_regulonTargetsInfo.tsv：调控子与靶基因对应表
• output/aucell_regulonAUC.Rds：所有细胞的调控子活性矩阵
• output/scenic.loom：可用scope.aertslab.org在线可视化

用这个命令可以生成HTML报告：

r复制SCENIC::export2html(scenicOptions)

5. 实战经验与排错指南

5.1 常见问题解决方案

在帮助实验室分析数据的过程中，我总结了这些常见错误：

1. 数据库加载失败：检查.feather文件是否完整，路径是否正确
2. 内存不足：尝试先过滤低表达基因，或分批次分析
3. Python报错：确保reticulate能正确调用Python，必要时重装arboreto

5.2 性能优化建议

处理大型数据集时，这些技巧能节省大量时间：

• 使用doParallel并行计算：scenicOptions@settings$nCores <- 8
• 先在小样本上测试参数，再全量运行
• 考虑使用GRNBoost2替代GENIE3

5.3 与其他工具的整合

SCENIC结果可以无缝对接多种单细胞分析流程：

r复制# 将AUCell分数加入Seurat对象
pbmc[["SCENIC"]] <- CreateAssayObject(data=regulonAUC)

最近我在尝试用SCENIC结果指导细胞通讯分析，发现活跃的转录因子往往也是重要的信号通路调控者。