单细胞测序 基因调控网络 Gene regulatory networks
基因不是独立发挥作用的。相反，基因的表达水平是由与其他基因和小分子之间的复杂调控决定的。揭示这些调控作用是基因调控网络（GRN）推断方法的目标（SCENIC | 从单细胞数据推断基因调控网络和细胞类型）。

基因调控网络推断是基于对基因共表达如相关性、互信息（mutual information）或回归模型分析进行测量（Chen＆Mar，2018）。如果在考虑了其他所有基因都作为混杂因素后，两个目标基因之间依然存在共表达关系则可以推断这两个基因之间存在因果调控关系。基因调控关系鉴定与轨迹相关的调控基因检测相关。确实，几种单细胞GRN推论方法使用的机械微分方程模型（mechanistic differential equation models）中都引入了轨迹信息（Inferring gene regulatory relationships is related to the detection of trajectory‐associated regulatory genes. Indeed, several single‐cell GRN inference methods use trajectories with mechanistic differential equation models）（Ocone et al., 2015; Matsumoto et al., 2017）。

虽然存在专门针对scRNA-seq数据开发的GRN推断方法（SCONE：Matsumoto et al., 2017; PIDC：Chan et al., 2017; SCENIC：Aibar et al., 2017），但最近的比较分析表明普通和单细胞转录组的方法在这些数据表现都不好（Chen＆Mar，2018）。GRN推断方法仍可提供识别生物过程的因果调节子的有用信息，但我们建议谨慎使用这些方法。

陷阱和建议：
用户应警惕推断的调控关系中的不确定性。基因调控关系丰富的基因模块比调控信息稀疏的模块更可靠。

REF

https://www.embopress.org/doi/full/10.15252/msb.20188746

http://blog.sciencenet.cn/blog-118204-1220240.html