Arboreto 是一个用于从基因表达数据推断基因调控网络（GRN）的计算库，采用可并行化算法，可从单机扩展到多节点集群。其核心能力是：根据观测数据（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。
用途与场景 Arboreto 面向转录组数据分析。资料中列出的常见用例包括：单细胞 RNA-seq 分析，用于推断细胞类型特异的调控网络；bulk RNA-seq 并结合 TF 过滤；以及多条件比较分析，例如对 control、treatment_24h、treatment_48h 等不同条件分别推断网络。它也是 SCENIC 流程中用于单细胞调控网络分析的核心组件：先由 arboreto 完成 GRN 推断，再交由 pySCENIC 进行调控子识别与活性打分。
主要能力
- 基础 GRN 推断：支持输入数据准备（Pandas DataFrame 或 NumPy 数组）、使用 GRNBoost2 或 GENIE3 运行推断、按转录因子过滤以及输出格式与结果解读。资料提供了可直接运行的脚本 scripts/basic_grn_inference.py，示例命令为：python scripts/basic_grn_inference.py expression_data.tsv output_network.tsv --tf-file tfs.txt --seed 777
- 算法选择：GRNBoost2 为推荐算法，基于梯度提升，速度快，针对大数据集（1 万以上观测）优化，是多数分析的默认选择；GENIE3 基于随机森林，属于原始的多重回归方法，用于对比或验证。
- 分布式计算：支持三种方式——本地（默认自动使用全部可用核心）；自定义本地客户端，通过 LocalCluster 和 Client 控制资源，例如 n_workers=10、memory_limit='8GB'；集群计算，连接远程 Dask 调度器，例如 Client('tcp://scheduler:8786')，并通过 client_or_address 参数传入。
使用方式 安装：uv pip install arboreto。依赖包括 scipy、scikit-learn、numpy、pandas、dask、distributed。 基本调用：从 arboreto.algo 导入 grnboost2，加载以基因为列的表达式矩阵，调用 grnboost2(expression_data=expression_matrix) 推断网络，再将结果（TF、target、importance）保存为 tsv。资料特别强调：因为 Dask 会启动新进程，脚本中必须使用 if name == 'main': 保护。 按 TF 过滤时可使用 from arboreto.utils import load_tf_names 加载转录因子名单，并通过 tf_names 参数传入。 分布式使用时，可创建 LocalCluster、Client，并通过 client_or_address=client 传入。
输出解读 Arboreto 返回包含调控关系的 DataFrame，包含三列：TF（作为调控者的转录因子）、target（靶基因）、importance（调控重要性评分，越高表示越强）。资料给出的过滤策略包括：每个靶基因保留前 N 条连接、设定重要性阈值（例如 > 0.5）、以及置换检验等统计显著性检验。
可复现性 资料建议始终设置随机种子以获得可复现结果，例如 grnboost2(expression_data=matrix, seed=777)；也可使用多个种子进行稳健性分析，例如 seeds = [42, 123, 777]，分别推断后合并网络并筛选一致性连接。
限制与注意事项 资料中列出的排查要点包括：内存错误时可通过过滤低方差基因缩减数据集规模，或改用分布式计算；性能较慢时可改用 GRNBoost2 而非 GENIE3、启用分布式客户端、过滤 TF 名单；出现 Dask 错误时需确认脚本中包含 if name == 'main': 保护；结果为空时需检查数据格式（基因是否作为列）并确认 TF 名称与基因名称匹配。
关于收费方式、价格、支持的平台范围等内容，资料中暂未提供。