用途：Arboreto 从基因表达数据推断基因调控网络（GRN）。针对每个靶基因，以其他基因（或指定转录因子列表）为特征训练基于树的回归模型，输出 TF、target、importance 三元组。适用于 bulk RNA-seq 与单细胞 RNA-seq（细胞为行、基因为列）的网络推断，也可作为 pySCENIC 流程第一步（邻接矩阵）生成工具，并支持多随机种子共识网络与跨条件比较。下游调控子识别与活性评分需结合 pySCENIC。
主要能力：提供两个可互换算法——GRNBoost2（随机梯度提升，含早停，速度快、内存较低，适合大数据集与单细胞规模）和 GENIE3（随机森林/ExtraTrees，较慢、内存较高，适合复现已发表 GENIE3 结果或作为独立验证）；两者输入输出格式一致。计算经 Dask 并行，可从本机多核扩展到 HPC 集群。
使用方式：安装 pip install arboreto distributed networkx matplotlib。数据为观测（细胞/样本）为行、基因为列的表达矩阵（TSV/CSV）及可选每行一个基因名的 TF 列表。以脚本运行时必须用 if name == 'main': 包裹（Dask 使用多进程；Jupyter 中不需要）。核心调用：from arboreto.algo import grnboost2；grnboost2(expression_data=..., tf_names=..., seed=777)。结果按重要性降序，三列 TF、target、importance；可按阈值或每个靶基因取 Top N 过滤后保存为 TSV；无表头版本可供 pySCENIC 使用。可显式创建 distributed.Client 控制资源，或在集群上启动 dask-scheduler 与 dask-worker 后连接。可选 networkx、matplotlib 绘制网络图。
限制与注意：importance 不是 p 值，仅表示树模型特征重要性；算法会给所有 TF-靶对打分，保留多少边需用户决定（D4 无安全默认值）。不限制调控因子会使任意相关基因成为调控因子，建议使用与物种匹配的 TF 列表。seed 仅影响可复现性。Dask 后端只影响运行时间。本资料未提供收费、价格或平台支持信息。