用途：Arboreto 用于从基因表达数据推断基因调控网络（GRN），即根据观测（细胞、样本、条件）中的表达模式，识别哪些转录因子（TF）调控哪些靶基因。
主要能力：提供两种算法。GRNBoost2 基于梯度提升，速度快，适合大数据集（1 万以上观测），是多数分析的默认选择；GENIE3 基于随机森林，属经典多元回归方法，可用于对比或验证。输出为 DataFrame，含 TF、target、importance 三列，importance 越高表示调控关系越强。支持通过 tf_names 限定转录因子，支持设置 seed 保证可复现。
使用方式：安装可用 pip install arboreto，或 conda install -c bioconda arboreto。基本调用为 from arboreto.algo import grnboost2，传入以基因为列的表达式矩阵（Pandas DataFrame 或 NumPy 数组）即可得到网络。脚本中必须使用 if name == 'main': 保护，因为 Dask 会派生新进程。分布式方面，默认自动使用本机所有核心；也可用 distributed 的 LocalCluster 与 Client 控制资源，或连接远程 Dask 调度器（如 Client('tcp://scheduler:8786')）。
适用场景：单细胞 RNA-seq 分析、bulk RNA-seq 结合 TF 过滤、多条件比较分析，以及作为 pySCENIC 流程中 GRN 推断的核心组件。
限制：资料未提供具体性能基准、收费或授权信息。常见问题包括内存不足（可过滤低方差基因或改用分布式）、速度慢（改用 GRNBoost2、启用分布式、过滤 TF 列表）、Dask 报错（检查 main 保护）、结果为空（检查数据格式与 TF 名称是否匹配基因名）。