芯空一号快讯 | 一文看懂SCENIC转录因子调控网络分析结果

在单细胞转录组和空间转录组研究中，研究者往往不仅关心哪些基因表达变化，更希望回答一个更核心的问题：是谁在驱动这些变化？

SCENIC（Single-Cell rEgulatory Network Inference and Clustering）正是为了解决这个问题而提出的分析方法。它通过单细胞表达数据推断转录因子调控网络（gene regulatory network），并评估这些调控网络在不同细胞中的活跃程度，从而帮助我们识别驱动细胞状态和命运的关键转录因子。

理解SCENIC结果的关键，要先掌握几个核心概念

Regulon 

在SCENIC中，一个regulon指的是一个转录因子（TF）及其调控的一组靶基因（target genes）。例如：IRF8 regulon =IRF8 + 一组被IRF8调控的基因。因此，SCENIC分析的核心不是单个基因，而是转录因子调控网络的活性。

AUC score（regulon activity）

SCENIC使用AUCell算法来评估regulon在每个细胞中的活跃程度。具体来说，算法会对每个细胞中的基因表达进行排序，然后检查regulon中的target genes是否集中出现在表达排名靠前的位置。如果这些靶基因整体表达较高，就说明该regulon在这个细胞中处于活跃状态。最终得到一个cells × regulons的活性矩阵，通常再进行Z-score标准化，得到所谓的scaled AUC score。

Regulon Specificity Score（RSS）

RSS衡量的是某个regulon在不同细胞类型中的分布是否集中。如果一个regulon只在某一种细胞中活跃，而在其他细胞中几乎没有活性，那么它的RSS值就会很高。因此，RSS常用于筛选cell-type特异性转录因子。

理解了这些基础概念后，就可以开始解读常见的SCENIC结果图

1、regulon activity heatmap

在这张图中：横轴表示细胞类型或细胞群，纵轴表示不同的regulon，颜色表示regulon的活跃程度。通过观察这张图，我们可以快速识别哪些转录因子在某一类细胞中被激活。

2、binarized regulon heatmap

二值化热图与普通heatmap的区别在于，它不再显示连续的AUC数值，而是先对regulon活性进行阈值判定，将每个细胞中的regulon分为active（激活）或inactive（未激活）。随后统计每个细胞群中有多少比例细胞处于激活状态。例如，如果某个regulon在B细胞中的值为0.7，说明70%的B细胞激活了该调控网络。这种表示方式更适合判断regulon是否具有群体特异性。

3、AUC score boxplot

在筛选出细胞类型特异的regulon之后，通常还会通过AUC score boxplot来进一步展示这些调控网络在目标细胞群中的活跃程度分布。在这类图中，横轴表示不同的regulon，纵轴表示scaled AUC score，每一个boxplot代表该regulon在该细胞群所有细胞中的活性分布情况。

通过这类图可以直观地看到某些关键转录因子的regulon在目标细胞群中整体具有较高的AUC score，说明这些转录因子调控网络在该细胞类型中普遍处于活跃状态，从而进一步支持其在细胞分化或功能维持中的重要作用。

4、RSS ranking plot

在这张图中横轴表示regulon排名，纵轴表示RSS值。排名最靠前的regulon往往代表该细胞类型最具代表性的转录因子调控网络，通常被认为是驱动该细胞功能或分化状态的重要调控因子。研究者通常会选择排名前若干位的regulon（如Top5或Top10）进行进一步的生物学解释或功能分析。

5、RSS dot plot

这张图综合展示了regulon的特异性和活跃程度，如果某个regulon在某类细胞中表现为大点且颜色深，说明它既具有较高活性，又具有较强的细胞类型特异性，因此很可能是该细胞的关键调控因子。SCENI结果不仅可以帮助我们发现新的调控网络，也能够作为细胞注释和生物学解释的重要证据。

总结

总体来说，SCENIC的分析逻辑可以概括为三个步骤：表达数据→推断转录因子调控网络→计算regulon活性→识别关键转录因子

通过heatmap、AUC score boxplot、RSS ranking plot和RSS dot plot等多种可视化结果，研究者可以系统地理解不同细胞类型的转录调控机制。在单细胞和空间组学研究中，这种从基因表达上升到调控网络的分析思路，往往能够提供更深入的生物学解释。