转录因子 (Transcription Factors) 是一类蛋白质，它们通过结合到基因的特定DNA序列上，调控目标基因的转录过程。转录因子在细胞中起着重要的作用，可以激活或抑制基因的转录，从而影响蛋白质的合成。这些蛋白质对细胞的发育、生长、分化以及应对外界环境的各种信号具有关键性作用。

图1. 转录因子分子与DNA上的结合位点结合，从而调控基因产生蛋白质的过程

单细胞测序技术使得我们可以基于单个细胞水平进行转录调控分析，而ATAC-Seq数据有助于我们更加精确找到蛋白结合位点，SCENIC则是单细胞数据进行转录因子分析的常见软件。目前R（2017）和python（2020）版本的SCENIC引用次数为3248次和648次以上。最新的SCENIC+软件的文章2023年发表在《Nature methods》杂志上。

图2. SCENIC的三个算法步骤

SCENIC 全称 Single-Cell rEgulatory Network Inference and Clustering ，即单细胞调控网络与聚类，常用于转录因子分析，主要利用单细胞转录组测序数据来构建 gene regulatory network (GRN) 基因调控网络。其算法如上图，主要包括下面三个部分：

（a） 根据用户输入的转录因子列表，通过单细胞表达矩阵，推断物种的哪些基因与提供的转录因子存在共表达情况，即 TF-gene.csv 结果。

（b） 根据上一步得到 TF-gene.csv 结果，推断转录因子activating module，该module一般至少包含20个基因，然后根据提供的注释文件，获得 activating module 的富集motif。在根据 TF-motif-gene 关系获得该样品的 Regulon (one TF and its target genes) 结果。

（c） 根据上一步得到的 Regulon 结果，可以基于单细胞表达矩阵和使用 AUCell 来评估每个细胞中每个 Regulon 的活性，即确定Regulon在细胞中是on还是off， Regulon 的这些二元状态可以作为细胞表型用于后续分析中。

图3. SCENIC的分析例子

如上图为SCENIC的经典分析结果，左图热图代表的是在不同细胞类群（横坐标）的富集Motif的AUC scores值，从其聚类结果可以推测这些不同的细胞类群发生了转录重编程。右图为JUNB表达水平的tSNE图（上）和AUC得分的tSNE图（下），总体来看表达水平与转录活性呈现一定的相关性，但是在有些细胞上则两者呈现相反的趋势，因此SCENIC有助于我们更加精确分析细胞的转录因子情况。图3为新格元项目的分析例子，具体可以详看 《 项目文章 | 肿瘤相关成纤维细胞诱导复发性膀胱癌肿瘤微环境重塑 》 。

目前， SCENIC 提供 Human、Mouse、Fly 和Chicken物种的数据库，其他物种的 SCENIC 的分析，作者提供了构建数据库的方法 [create_cisTarget_databases](https://github.com/aertslab/create_cisTarget_databases) 。

构建物种SCENIC的数据库相对繁琐而且要求该物种有一定的转录因子研究基础，因此作者建议，如果是动物的话，可以利用提供的上述物种的数据库文件通过基因同源转换来构建此物种的SCENIC数据库。

如果要分析的物种是植物的话，因为物种差异较大，通过同源转换的方式就显得不合理。那么是否有办法可以对植物物种进行SCENIC分析？

答案是：肯定的！

拟南芥作为植物研究的模式物种，其转录因子的研究有一定的基础，我们可以通过收录拟南芥的转录因子数据库，整理相关的文件来构建SCENIC数据库。下面来看看我们用SCENIC分析拟南芥的一个单细胞数据的结果：

（a） 我们可以获得拟南芥与潜在调控基因的共表达情况：

（b） 每个细胞的富集TF模块的AUC得分：

（c） SCENIC中TF-target gene的相互作用结果

如左上图，是拟南芥以细胞类型为展示的umap结果图。右上图是转录因子 AT1G01720 在 SCENIC 计算得到的 AUC scores 值结果，从上面结果可以看到活性主要集中在三个部分：第1部分主要涉及 Pericycle cells和 Procambium，第2部分主要涉及 Non-hair root epidermal cells和Quiescent center ，第3部分主要涉及 Root endodermis 等细胞类型。只有下图分别为 AT1G01720 潜在调控目标基因 AT1G7490 和 AT1G73540的umap 表达图，从其表达模式来看（红色箭头），两者受 TF AT1G01720 调控的程度在不同的细胞类型有所不同。

（d） 基于SCENIC的结果，我们可以做各种下游的分析，例如下面的是新格元已经发表项目的相关展示结果，来源与我们之前的推文 《项目文章 | 新格元单细胞技术构建小鼠上颌突发育的转录调节网络》 ：

正如SCENIC作者推荐，动物物种可以参考人等进行同源转换进行数据库构建。如果是植物物种，我们可以参考拟南芥进行同源转换构建数据库。理论上，我们可以借助这些模式物种对新的物种进行SCENIC分析。在分析的过程中，我们还可以引入ATAC-seq数据，帮助我们更加精确找到TF蛋白结合位点。

如果您对我们的分析感兴趣，欢迎扫描下方二维码报名，我们可以免费帮助老师构建目标物种的SCENIC数据库，更多活动细节欢迎前来咨询。