pySCENIC是通过python实现的一个快速的SCENIC pipeline，pySCENIC支持多线程运行，如果你的设备条件慢足的话，可以大大的节省我们的运算时间。（ 可查看SCENIC用法，SCENIC是一种基于单细胞RNA-seq数据推断基因调控网络及其相关细胞状态的工具），进而从单细胞RNA-seq数据推断的出转录因子、基因调控网络和细胞类型。

1.安装和使用

1.1安装

1.1.1安装稳定的版本

软件包最新稳定版本可以通过以下方式安装：

pip install pyscenic

请注意，如果想在一个新的 conda 环境中运行，pySCENIC 需要先安装一些额外的包。例如：pip install

conda create -y -n pyscenic python=3.7
conda activate pyscenic
conda install -y numpy
conda install -y -c anaconda cytoolz

pip install pyscenic

pySCENIC需要python 3.6以上版本解释器。

1.1.2 安装发展版本

直接从源代码安装包的最新版本（一般不太稳定，但可以使用最新的功能）：

git clone https://github.com/aertslab/pySCENIC.git
cd pySCENIC/
pip install .

1.2 通过docker容器安装

pySCENIC 容器可以直接下载和使用。在这种情况下，不需要编译或安装，只要用户系统上安装了 Docker软件。镜像可从Docker Hub 获得。容器的使用如下所示（Docker Images）。首先获取docker 镜像，例如：

docker pull aertslab/pyscenic:0.10.0

1.3 下载辅助数据集

要想成功使用此管道，需要下载对应的辅助数据集：

1. 数据库 根据调节特征（即转录因子）对您感兴趣的物种的整个 基因组 进行 排名。排名数据库通常以feather格式存储，可以从cisTargetDBs下载。
2. Motif注释 数据库提供了丰富的motif 和结合该motif的转录因子之间的缺失链接。该pipeline需要一个 TSV 文本文件，其中每一行都代表一个特定的注释。

注释	物种
HGNC 注释	人
华大智造注释	小鼠肌肉
Flybase 注释	果蝇

注意：这些数据库每个都是 1.1 Gb，因此下载可能需要一段时间。注释文件的大小通常为 100Mb。

在执行网络推理步骤时(GENIE3/GRNBoost2) 需要转录因子列表。可以从GitHub资源下载。

1.4 命令行界面

包括该工具的命令行版本。通过pip.

$ pyscenic -h
usage: pyscenic [-h] {grn,add_cor,ctx,aucell} ...

Single-CEll regulatory Network Inference and Clustering (0.11.0)

positional arguments:
  {grn,add_cor,ctx,aucell}
                        sub-command help
    grn                 Derive co-expression modules from expression matrix.
    add_cor             [Optional] Add Pearson correlations based on TF-gene
                        expression to the network adjacencies output from the
                        GRN step, and output these to a new adjacencies file.
                        This will normally be done during the "ctx" step.
    ctx                 Find enriched motifs for a gene signature and
                        optionally prune targets from this signature based on
                        cis-regulatory cues.
    aucell              Quantify activity of gene signatures across single
                        cells.

optional arguments:
  -h, --help            show this help message and exit

Arguments can be read from file using a @args.txt construct. For more
information on loom file format see http://loompy.org . For more information
on gmt file format see https://software.broadinstitute.org/cancer/software/gse
a/wiki/index.php/Data_formats .

Docker镜像

pySCENIC 可用于Docker，Docker容器中的命令使用类似于命令行界面的使用方法。请注意，容器需要通过安装访问feather数据库、转录因子和主题注释数据库。在下面的示例中，为简单起见：将下载的辅助数据集所在的目录/data安装到容器目录/data下，其中将包含输入、输出和数据库文件。

想了解其它更多的使用示例，请参阅与SCENIC 协议 Nextflow 相关的文档。

docker

Docker 镜像可以从Docker Hub 获取，可以通过运行获取，version标签为最新版本。docker pull aertslab/pyscenic:[version]

要使用 Docker 运行 pySCENIC，一般需要三个步骤。并指定一个挂载点（或多个），其中包含输入数据和必要的资源。

docker run -it --rm \
    -v /data:/data \
    aertslab/pyscenic:0.10.0 pyscenic grn \
        --num_workers 6 \
        -o /data/expr_mat.adjacencies.tsv \
        /data/expr_mat.tsv \
        /data/allTFs_hg38.txt

docker run -it --rm \
    -v /data:/data \
    aertslab/pyscenic:0.10.0 pyscenic ctx \
        /data/expr_mat.adjacencies.tsv \
        /data/hg19-tss-centered-5kb-7species.mc9nr.feather \
        /data/hg19-tss-centered-10kb-7species.mc9nr.feather \
        --annotations_fname /data/motifs-v9-nr.hgnc-m0.001-o0.0.tbl \
        --expression_mtx_fname /data/expr_mat.tsv \
        --mode "dask_multiprocessing" \
        --output /data/regulons.csv \
        --num_workers 6

docker run -it --rm \
    -v /data:/data \
    aertslab/pyscenic:0.10.0 pyscenic aucell \
        /data/expr_mat.tsv \
        /data/regulons.csv \
        -o /data/auc_mtx.csv \
        --num_workers 6

参考链接：
https://pyscenic.readthedocs.io/en/latest/index.html
https://github.com/denghb001/pySCENIC