SCENIC是干啥的侦镇？

【輸入】motif數(shù)據(jù)庫(kù)灵疮、單細(xì)胞RNA-seq數(shù)據(jù)

【輸出】regulons、每個(gè)細(xì)胞的regulon activity scores (RAS)

【意義】構(gòu)建轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)壳繁、鑒定cell-state震捣，幫你挖轉(zhuǎn)錄調(diào)控機(jī)制荔棉。

啥樣的文章用到SCENIC？

引用SCENIC文章的要么是頂級(jí)生信綜述蒿赢，要么是CNS润樱。

應(yīng)用領(lǐng)域廣泛，從人到小鼠羡棵、果蠅壹若，從腫瘤、心血管疾病皂冰、肺纖維化到新冠病毒店展。

圖片

SCENIC怎樣用到文章里？

我們來(lái)看FigureYa194pySCENIC所復(fù)現(xiàn)的例文的研究思路秃流。文章一共四個(gè)Figure赂蕴，前三個(gè)都用到了SCENIC。

圖片

第一步剔应，找到regulon

• 通過(guò)基因共表達(dá)分析，建立可能的TF-target調(diào)控關(guān)系语御；

• 通過(guò)motif分析峻贮，建立TF-target的直接調(diào)控關(guān)系。

• 這樣對(duì)每個(gè)TF应闯，我們可能會(huì)找到若干個(gè)直接下游纤控，這些基因我們將之命名為regulon。

• 對(duì)每個(gè)細(xì)胞計(jì)算regulon activity score (RAS)碉纺；

• 再用RAS對(duì)細(xì)胞降維船万，畫(huà)出Figure 1。

圖片

Figure 1. Mapping Mouse Cell Network Atlas with Regulon Activity

第二步骨田，找到細(xì)胞類(lèi)型特異的regulon

計(jì)算RSS(Regulon specific score) matrix耿导，尋找特定細(xì)胞特異的regulon，并利用SEEK進(jìn)行驗(yàn)證态贤。繪制文章的Figure2舱呻。

圖片

Figure 2. Cell-Type-Specific Regulon Activity Analysis

第三步，找regulon Modules和Cell type的對(duì)應(yīng)關(guān)系

計(jì)算CSI（Connection Specificity Index） matrix悠汽，基于CSI對(duì)regulon進(jìn)行層次聚類(lèi)箱吕，繪制Figure3的Heatmap。從JASPAR數(shù)據(jù)庫(kù)下載給定轉(zhuǎn)錄因子的motif矩陣柿冲，繪制Figure3的motif logo茬高。

圖片

Figure 3. Identification of Combinatorial Regulon Modules

FigureYa194pySCENIC帶你復(fù)現(xiàn)****文章的KEY Figure——Figure 2，順便畫(huà)出Figure 1和Figure 3假抄。

怎樣實(shí)現(xiàn)以上研究?jī)?nèi)容怎栽？

看Jarning詳細(xì)解析文章的method：

用的是已發(fā)表的數(shù)據(jù)

2018年郭國(guó)冀團(tuán)隊(duì)利用其自主的高通量單細(xì)胞轉(zhuǎn)錄組技術(shù)Microwell-seq對(duì)小鼠全身的組織進(jìn)行了單細(xì)胞轉(zhuǎn)錄組測(cè)序丽猬。這組數(shù)據(jù)標(biāo)記清晰，有兩個(gè)數(shù)據(jù)集：subsampled ~61K cells和whole MCA ~250K cells婚瓜。本文用的是前者宝鼓。

用SCENIC推測(cè)regulons及其activity

作者沒(méi)有直接用SCENIC進(jìn)行分析。而是在分析前對(duì)數(shù)據(jù)做了一個(gè)pooling巴刻，即：將同一個(gè)cluster的細(xì)胞每20個(gè)pooling到一塊（無(wú)放回抽樣）愚铡，得到一個(gè)新的轉(zhuǎn)錄組，作者稱(chēng)為Avg20胡陪。作者的考慮如下：

1. SCENIC對(duì)細(xì)胞數(shù)量的擴(kuò)展性不夠好沥寥。（太多細(xì)胞會(huì)降低SCENIC的性能）

2. 測(cè)序深度不夠會(huì)影響SCENIC的結(jié)果。（Micorwell-seq的測(cè)序深度相對(duì)于其它技術(shù)較淺）

作者隨后在figure S1中說(shuō)明了Avg20的對(duì)聚類(lèi)效果的提升以及對(duì)regulon的穩(wěn)定性的影響柠座。

圖片

作者主要選擇了三個(gè)指標(biāo)進(jìn)行性能比較：

1. Silhouette Value（boxplot + t test）

2. TF-Regulon的一致性（Venn plot + fisher exact test）

3. 不同replicates之間RAS（Regulon Activity Scores）的相關(guān)性

【注1】Silhouette Value：輪廓系數(shù)邑雅。見(jiàn)：https://blog.csdn.net/wangxiaopeng0329/article/details/53542606

【注2】Regulon Activity Scores：來(lái)自于SCENIC的結(jié)果。用來(lái)描述一個(gè)TF + Regulon在細(xì)胞中的轉(zhuǎn)錄活性妈经。

計(jì)算cell-type specificity score

在通過(guò)SCENIC分析得到了regulon的結(jié)果后淮野，作者定義了RSS（Regulon Specificity Score）來(lái)尋找細(xì)胞類(lèi)型特異的轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)。

圖片

換個(gè)方法驗(yàn)證

作者對(duì)找到的cell specific regulon利用其它的方法進(jìn)行了驗(yàn)證吹泡。

（1）SEEK analysis骤星，2000+ GEO datasets. 檢驗(yàn)

a）regulon genes是否是共表達(dá)的

b）regulon基因是否和給定細(xì)胞類(lèi)型有相關(guān)性

（2）CoCiter analysis，文獻(xiàn)挖掘爆哑，檢驗(yàn)一組基因是否和某個(gè)term（本文使用的是細(xì)胞類(lèi)型）有相關(guān)性洞难。

分析Regulon module

作者在這里分析了regulon之間的關(guān)系。首先顯而易見(jiàn)的方法是通過(guò)RAS來(lái)計(jì)算不同regulon之間的相關(guān)性系數(shù)（PCC, Pearson Correlation Coefficient）揭朝。

作者基于PCC队贱，計(jì)算了CSI（Connection Specificity Index）來(lái)衡量regulon pairs之間的相關(guān)性。

regulon A和regulon B的CSI定義為所有和A潭袱，B相關(guān)的regulons pairs中柱嫌，PCC小于PCC(A,B)的比例。顯而易見(jiàn)屯换，CSI越大慎式，那么regulon A和regulon B的相關(guān)性越大。

CSI的好處是可以不受到極端值的影響趟径。regulon A和regulon B的CSI的計(jì)算如下

圖片

這樣我們就得到了CSI matrix瘪吏。接下來(lái)作者對(duì)CSI matrix進(jìn)行層次聚類(lèi)，畫(huà)出Figure 3蜗巧。

CSI > 0.7對(duì)CSI matrix進(jìn)行二值化掌眠，在此基礎(chǔ)上構(gòu)建相關(guān)性網(wǎng)絡(luò)，即Figure 4幕屹。