用途：在单细胞 AnnData 上运行可复用的 SCENIC 分析主线，围绕同一个 SCENIC 结果对象，而非特定教程数据集。流程为：检查输入 AnnData（原始计数层名、基因符号、分组列），确认 ranking 数据库与 motif 注释表存在，预先选定 GRN 分支，运行 SCENIC.cal_grn(...)，再用明确的模块构建参数运行 SCENIC.cal_regulons(...)；返回的 regulon AnnData 与 scenic_obj.auc_mtx、scenic_obj.regulons、scenic_obj.modules 是下游各阶段的共享交接点。仅当用户需要解读时，再进入 RSS、二值化、嵌入叠加、regulon 标记排序或 TF-靶基因 GRN 绘图。
主要接口：ov.single.SCENIC(adata, db_glob, motif_path, n_jobs=8)；SCENIC.cal_grn(method='regdiffusion'|'grnboost2'|'genie3', layer='counts', tf_names=None, **kwargs)；SCENIC.cal_regulons(rho_mask_dropouts=True, seed=42, **kwargs)；regulon_specificity_scores(auc_mtx, cell_type_series)；binarize(auc_mtx, threshold_overides=None, seed=None, num_workers=1)；plot_rss(rss, cell_type, top_n=5, max_n=None, ax=None)；sc.tl.rank_genes_groups 与 ov.single.cosg 为 regulon 矩阵的标记排序分支；ov.single.build_correlation_network_umap_layout、ov.single.add_tf_regulation、ov.single.plot_grn 为可选 TF-靶基因网络可视化。
用法要点：分支选择上，regdiffusion 用于神经 GRN 分支，grnboost2 与 genie3 需在运行时验证后再视为生产可用；对象遵循当前默认时用 layer='counts'，仅当输入对象确实以 raw_count 存放原始计数时才用该名。复现笔记本路径时保持 rho_mask_dropouts=True；阈值、top_n_targets、top_n_regulators 需联合调优；可移植路径保持 keep_only_activating=True；除非确有理由，absolute_thresholds 用 False。
输入契约：从原始计数存于稀疏层且支持 .toarray() 的 AnnData 开始；基因符号需适配所选 motif/ranking 资源；RSS 或标记类下游分析前需在 adata.obs 提供分组列；cal_grn 会拒绝缺失层及疑似已对数归一化的层；cal_regulons 使用 adata.to_df() 作为表达矩阵；motif 表与 ranking 数据库为外部前置条件，本技能不负责下载。
验证与限制：运行前检查原始计数层存在；检查 scenic.edgelist、scenic.adjacencies 非空且含 TF、target、importance；检查 scenic.modules、scenic.regulons、scenic.auc_mtx 及返回的 regulon AnnData 均存在；复制嵌入或分组标签前确认 obs 索引一致；RSS 输出应为组为行、regulon 为列；二值化应同时返回二值矩阵与阈值序列。若仅验证了构造函数与有限 regdiffusion 冒烟测试，应明确说明，不得声称完整复现 cisTarget。本技能不吸收无关的预处理、轨迹推断或细胞类型注释笔记本。