参考生信技能树：pyscenic的转录因子分析结果展示之5种可视化、pyscenic的转录因子分析结果展示之各个单细胞亚群特异性激活转录因子本教程复现系列：pySCENIC的转录因子分析及数据可视化（二）pySCENIC的转录因子分析及数据可视化（三）1.安装pyscenic对于这些陌生的软件，现在发现最好还是直接给它弄个conda小环境来折腾，不然更难折腾出来教程内容。这一步是在linux下面操作#需要一些依赖,尤其是这个python3.7版本condacreate-npyscenicpython=3.7#创建小环境condaactivatepyscenic#激活小环境condainstal

适用背景之前写了两篇博客（四步完成单细胞数据调控网络流程分析-SCENIC/pySCENIC-2022-09-06和SCENIC/pySCENIC结果可视化2022-11-08）介绍SCENIC/pySCENIC的使用，最近在使用的时候遇到一些问题，因此这篇文章作为补充，如果看不懂本篇可以查看前两篇博客。补充内容主要有以下几点：1、小鼠的数据库构建2、从四步流程缩减到三步3、环境构建遇到的一些errors4、SCENIC版本的bugs小鼠的数据库构建之前的博客构建的是人的数据库，但博主最近分析需要用到小鼠的，因此需要构建一下新的数据库。正如之前博客写到的，其实构建这个数据库只需要替换3个文件，

适用背景单细胞转录组调控网络分析是单细胞转录组分析内容的高级分析之一，本文将介绍SCENIC/pySCENIC的流程，具体原理和内容不展开，主要展示代码复现流程。R的SCENIC基于AUCell，RcisTarget和GENIE3三个包进行分析，所以要先安装这些依赖包，而pySCENIC则已经封装好，直接用pip安装即可。只用SCENIC或pySCENIC也可以单独完成分析，但R语言运行起来很慢，pySCENIC可以有效提升分析速度，还用SCENIC是因为可视化用R语言会简单一些。可视化部分请看这篇文章SCENIC/pySCENIC结果可视化2022-11-08快来看看三步完成单细胞数据调控网

dbs=[RankingDatabase(fname=fname,name=name(fname))forfnameindb_fnames]进行至这一步的时候，出现如下错误："hg19-tss-centered-5kb-10species.mc9nr.feather"isacisTargetFeatherdatabaseinFeatherv1format,whichisnotsupportedanymore.Convertthemwith"convert_cistarget_databases_v1_to_v2.py"(https://github.com/aertslab/create_ci

关于单细胞转录组转录因子的分析我们之前在单细胞系列讲过R语言版本的，参考：跟着Cell学单细胞转录组分析(十二):转录组因子分析，但是R语言分析起来速度非常慢，如果你动辄上万的单细胞可能要运行好几周，这显然不现实。pySCENIC则很好的解决了这个问题，分析速度很快。官方教程参考：https://pyscenic.readthedocs.io/en/latest/一、软件安装老样子，还是先说一下安装和分析文件的准备，前面环境的配置和之前cellphonedb一样，如果已经操作过的，可以跳过：#安装下载及环境设置#安装一个conda，为什么安装他可以理解为Rstuido之于R,后期在环境设置、软

关于单细胞转录组转录因子的分析我们之前在单细胞系列讲过R语言版本的，参考：跟着Cell学单细胞转录组分析(十二):转录组因子分析，但是R语言分析起来速度非常慢，如果你动辄上万的单细胞可能要运行好几周，这显然不现实。pySCENIC则很好的解决了这个问题，分析速度很快。官方教程参考：https://pyscenic.readthedocs.io/en/latest/一、软件安装老样子，还是先说一下安装和分析文件的准备，前面环境的配置和之前cellphonedb一样，如果已经操作过的，可以跳过：#安装下载及环境设置#安装一个conda，为什么安装他可以理解为Rstuido之于R,后期在环境设置、软