单细胞转录组实战06: pySCENIC转录因子分析（原理）

生信交流与合作请关注公众号@生信探索

背景

转录因子（transcriptionfactor, TF）是直接作用于转录组上，调控DNA转录的蛋白质。它通过与DNA特定区域结合(TFBS/motif)，促进（activator）或阻止（repressor）DNA的转录过程，了解转录因子对于解析细胞的功能及生命活动有重要作用

分析流程

对亚群细分类分析，也可以对不同的实验组分析

Step 1 构建共表达网络

输入的数据是标准化的count矩阵（行是基因和列是细胞），从中找出TFs调节的基因构建共表达网络。因此需要先验知识TFs及其靶基因集合（可以从数据库下载）。

这个共表达网络只是基于TF和gene表达量相关性推测的，TF和gene之间是否现实存在调控关系还需要进一步确证。确证的方法主要从TF功能结构入手，从图1我们可以看出，TF是通过直接与DNA结合而发挥作用的，因此我们可以通过反向查看gene上是否存在TF结合的motif序列来验证TF与gene的靶向关系。

Step 2 motif富集分析

进行TF-motif富集分析，识别直接靶标。仅保留具有正确的上游调节子且显著富集的motif modules，并对它们进行过滤以除去缺乏motif支持的间接靶标。这些处理后的每个TF及其潜在的直接targets genes被称作一个regulon。

具体过滤过程，首先基于gene-motif数据库，每个motif对模块中所有基因进行累积，模块中的基因排名越靠前，累积曲线越高，曲线下面积 (AUC) 越大，表明motif在该模块中的富集程度越高，然后对每个模块选取显著富集的motif，并预测其靶基因，最终综合TF-genes模块和靶基因预测结果，构成一个包含了TF和靶基因的基因调控网络模块 (regulons)。

Regulon调控子：受同一个TF调控的一群基因的集合，即one Regulon = one TF + target genes

Step 3 AUCell对每个细胞的每个regulon活性进行打分

对于一个regulon来说，比较细胞间的AUCell得分可以鉴定出哪种细胞有显著更高的subnetwork活性。

原理：AUCell基于基因集（Regulons中所有基因）打分，所得到的分数即为AUC（Area Under Curve）表示Regulons在细胞中的“活性”。

打分过程是针对每个细胞，将细胞中所有基因按照表达量从高到低进行排序，根据Regulons中的基因在序列中的位置，计算累计曲线面积 (AUC)。

Step 4 AUCell分数二值化

由于不同regulons包含的基因不同，它们之间的AUC值不具有可比较性，因此基于AUC值在所有细胞中的双峰分布特征，增加了Rgulons“on/off”的概念，认为双峰之间的低谷为判断Regulons活性开放的阈值，如果AUC值小于阈值，则判定为该Regulons在该细胞中未开放，即未发挥调控作用。

Reference

https://mp.weixin.qq.com/s/5Ekozso2TddqOAdG8dc4XA
https://assignmentpoint.com/transcription-factor/
https://mp.weixin.qq.com/s/QehrC8a7kX9KuMfwKxI9Iw
https://mp.weixin.qq.com/s/AJmVF1mRYQcuG73iKmkWQg
https://mp.weixin.qq.com/s/pjWG1VyVvytKo2RNQzDcNg