这一篇真的是耽误很久了，接上回（PySCENIC（一）：python版单细胞转录组转录因子分析），我们继续完成pySCENIC的分析！本来想这一节可视化也讲了，但是不着急，我发现有些伙伴没搞明白原由，或者太会“衣来伸手饭来张口”，所以这里着重整理了需要下载的文件！！！
觉得小编内容有用的、有意思的，点赞、分享、关注一下呗！
❝1、《KS科研分享与服务》公众号有QQ交流群，但是进入门槛是20元，请考虑清楚。群里有推文的注释代码和示例数据，付费内容半价，还可以与大家交流。
2、单细胞转录组全流程代码需收费，收费代码包含公众号付费内容，也有很多新增加的内容。需进群或者需单细胞代码的小伙伴请添加作者微信了解，请备注目的，除此之外请勿添加，谢谢！
3、付费文章集合有打包价哦！
详情请联系作者：
❞
上一节说了pySCENIC的分析环境配置及安装，除了这些，还有一些必要条件，例如相关文件的下载，一些数据转化等等。
为了减轻大家的负担，文件我已经下载好了，包括人的、鼠的，以及转化文件的py脚本，已上传QQ群文件，群成员可在群里免费获取！
假设你完成了上面的步骤，那接下来的分析至少在代码上很简单，三个步骤，可能会等待一段时间，尤其是第一、二步骤，不过相比于R简直是神速。注意：建议还是用服务器（别开玩笑用免费的2G内存的服务器😂），除非你的数据不大可用≥64G内存的本机。
分析第一步：GRN---运行完得到sce.adj.csv文件
pyscenic grn --num_workers 10 \--sparse \--method grnboost2 \--output sce.adj.csv \sce.loom \hs_hgnc_tfs.txt#这一步的目的#推断转录因子与提供的表达矩阵基因的共表达模块，基于grnboost2，R中时GENIE3
还是强调一句，学会自己解决问题，有些参数的意思可查询帮助文档，用下面的help命令就可以看，英文不好就翻译一下，没啥毛病。
#查看帮助函数，看看各个参数的具体解释pyscenic grn --help
参考基因组的情况根据实际情况自行下载，当然我下载的也可以用，具体深入的原理有兴趣的可以去了解，我只是参考文献使用的！数据库更新了，用之前的文件会出错！
鼠的下载地址：
https://resources.aertslab.org/cistarget/databases/mus_musculus/mm10/refseq_r80/
人的下载地址：
https://resources.aertslab.org/cistarget/databases/homo_sapiens/hg38/refseq_r80/
分析第二步：RcisTarget---运行完得到sce.regulons.csv文件
pyscenic ctx --num_workers 10 \--output sce.regulons.csv \--expression_mtx_fname sce.loom \--all_modules \--mask_dropouts \--mode "dask_multiprocessing" \--min_genes 10 \--annotations_fname motifs-v9-nr.hgnc-m0.001-o0.0.tbl \sce.adj.csv \hg38__refseq-r80__10kb_up_and_down_tss.mc9nr.genes_vs_motifs.rankings.feather#这一步的目的#进行TF-motif富集分析，识别直接靶标#得到转录因子(TF)与其对应的直接作用的靶点,称为regulon(每一个regulon是1个TF和其调控的靶基因)
分析第三步：AUCell---运行完得到sce_SCENIC.loom文件，即分析结果
pyscenic aucell --num_workers 3 \--output sce_SCENIC.loom \sce.loom \sce.regulons.csv#这一步的目的#使用AUCell对每个细胞的每个regulon活性进行评分。
以上就是pyscenic的分析内容了，可视化紧接着就来了，这次不会太久，也许就是明天，记得关注点赞。
联系客服
