用途：Arboreto 从表达测量数据中对候选调控因子-靶基因关联进行排序。GRNBoost2 使用随机梯度提升回归，GENIE3 使用随机森林；每个靶基因由候选调控因子预测，并排除自身。这些是观察性预测关联，不证明直接结合、激活/抑制或因果调控。
主要能力：支持稠密与 CSC 稀疏输入的 GRNBoost2、稠密 GENIE3，以及自定义 GBM/RF 和封装脚本。输出为无表头 TSV，列为 TF、target、importance，按重要性降序排列，省略零重要性链接。limit=N 保留全局前 N 条链接，不限制每个靶基因的回归数。
使用方式：需准备行=观测、列=基因的表达矩阵，要求基因名唯一、数值有限，并提供有非空重叠的 TF 列表。建议先在小规模子集上运行，再按可用内存扩展 worker 数。基于进程的脚本需保留 if name == "main": 保护。封装脚本用法示例：.venv-arboreto/bin/python scripts/basic_grn_inference.py expression_data.tsv network.tsv --tf-file tfs.txt --seed 777 --workers 2 --limit 5000。若首列为样本 ID，加 --index-col 0。
兼容性限制：最新 PyPI 版本为 0.1.6（2021-02-09）。PyPI 版会构建空元数据图，较新 Dask dataframe 实现会拒绝；需在导入前设置 dask.config.set({"dataframe.query-planning": False})。稀疏推断依赖 .A 属性，该属性在 SciPy 1.14 中移除，需使用测试过的 SciPy 版本。不要假设未固定版本的安装能成功运行推断。
适用场景与验证：适用于从表达数据生成候选调控网络、方法比较和下游分析（如 pySCENIC 的邻接推断阶段）。结果需结合独立基序、结合或扰动证据评估；GRNBoost2 与 GENIE3 的一致性属于方法敏感性分析，不是独立生物学验证。上游会重试靶基因级回归失败，可能返回空结果；非空整体网络不证明每个靶基因拟合成功。
其他限制：无托管服务端点、认证或分页。远程调度、大型生物数据集、Windows/Linux 及 pySCENIC 下游分析未测试。引用时使用当前版本，不附加版本后缀。