用途：Arboreto 用于从基因表达数据推断转录因子（TF）到靶基因的调控网络，适用于 bulk 或单细胞表达矩阵，也是 SCENIC/pySCENIC 流程中 GRN 推断步骤的核心组件。
主要能力：提供两种算法——GRNBoost2（基于梯度提升，速度快，适合 1 万以上观测的大数据集，为默认推荐）和 GENIE3（基于随机森林的经典多元回归方法，适合对比或验证）。支持按转录因子列表过滤、设置随机种子保证可复现，并可通过 Dask 从本地多核扩展到远程集群。输出为包含 TF、target、importance 三列的调控关系表。
使用方式：安装命令为 uv pip install arboreto，依赖 scipy、scikit-learn、numpy、pandas、dask、distributed。基本调用为 from arboreto.algo import grnboost2，传入以基因为列的 DataFrame 即可。脚本入口需包裹在 if name == 'main': 中，因为 Dask 会重新导入模块。可通过 LocalCluster/Client 控制本地资源，或连接远程 Dask 调度器。
适用场景：单细胞 RNA-seq 调控网络推断、bulk RNA-seq 结合 TF 过滤、多条件比较分析，以及作为 pySCENIC 的上游步骤。
限制与注意：importance 是无界相对分数，不是概率或相关系数，不应使用 0.5 之类的绝对阈值，建议按每个靶基因取 Top N 或按分位数筛选，在 SCENIC 流程中可保留全部连接交由下游 cisTarget 基序剪枝。GRNBoost2 具有随机性，单一种子不能保证稳健性，构建共识网络需多次运行并保留重复出现的边。Arboreto 0.1.6 发布于 2021 年，内部使用 dask.delayed 等 API，若在 dask 内部报错，建议在隔离环境中固定匹配的 dask/distributed 版本。内存不足时可过滤低方差基因或改用分布式计算。其他功能、收费与平台支持情况暂未提供。