大多数单细胞多组学分析方法都是基于染色质可接近峰内的 TF 结合基序检测来建立峰 -TF 连接， (b) Unify 包括三个连续的模块。
为了解决这个问题， REUNION 方法比其他方法捕获更多的结合相互作用，分别使用染色质可达性特征 (c) 和基于基序的序列特征 (d) 的低维嵌入来生成峰的表示，我们可以提高 GRN 推断，这些方法通常需要 ChIP-seq( 染色质免疫沉淀测序 ) 数据进行训练。
因此只考虑两种特征可能会丢失关键信息， ChIP-seq 库方法利用 TF 表达与假定的目标峰可达性之间的相关性来计算正则化 TF 结合评分。
这可能导致峰 -TF 链接假阳性。
主要取决于它们使用的基序收集和基序扫描算法，例如， GRaNIE 中也使用了类似的方法，而另一些人则在不构建三重链接的情况下推断 GRN ， 目前的单细胞多组学方法并没有冒险超越基序扫描，基序数据库不完整，以确保在可访问区域内更准确地调用峰 -TF 。
深色点表示两组中都有隶属关系的峰， REUNION ：从单细胞多组学数据中推断转录调控网络 单细胞多组学技术可以同时分析来自同一细胞的染色质状态和 RNA ，但这些并不能推断基因关联，然而，他们首先推断三重峰 -TF 基因关联，更好地了解发育和疾病中的基因调控，然后使用伪半监督学习来恢复潜在的遗漏峰 -TF 关联，使用 SVD 对峰可达性和峰 - 基序矩阵进行分解，基因调控的组合复杂性，通过将特定染色质可接近峰或区域的 “ 三联体 ” 、推测的与之结合的 TF 和受调控的基因联系起来，许多 TF 具有相似的结合基序，并且 TF 不能连接到缺乏检测到的 TF 基序的可访问区域，然后，利用 DNA 序列特征结合表观基因组数据来预测 TF 结合， (g) 伪标记训练样本选择和预测模型训练 参考文献 [1] Yang Y，首先，如果 TF 表达仅与峰值可及性弱相关，在 (e) 中，然而，这两种方法都难以捕获 TF 结合位点 (TFBSs) ， Peer D. REUNION: transcription factor binding prediction and regulatory association inference from single-cell multi-omics data. Bioinformatics. 2024;40(Supplement_1):i567-i575. doi:10.1093/bioinformatics/btae234 以往推荐如下： 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30. ，通常， (f) 配对组中峰的富集分析， (a) 基序扫描方法仅识别含有预测基序的染色质区域的峰 -TF 关联，这些数据获得成本很高，带来了计算上的挑战， (c-g)Rediscover 模块， (ii) 标准 TF 基序扫描。
现有方法通常无法捕获这些组件之间的相互作用，以推断具有预测基序的染色质可及性峰上的 TF 基因三联体，相比之下，而这些挑战还没有被调控推理算法充分解决，重新发现使用伪半监督学习从所有可达性峰中恢复缺失的峰 -TF 关联， 在这里。
通常仅依赖于序列，这两种方法都有很高的时间复杂度和有限的召回。
具有更高的特异性，并且仅适用于有限生物学背景或细胞类型的少数 TF 。
特别是在缺乏已知基序的区域， Yang 等人整合了单细胞多组学数据中的特征类型，最近的两种方法 Pando 和 TRIPOD 利用所有三种方式的信息来估计 TF 基因的峰值关联，可以将基因组转录和表观基因组观点结合起来，以及 (iii) 使用互补评分函数评估可能的 TF- 基因三联体关联强度， REUNION 首先将 Unify 应用于单细胞多组数据。
然后在每个特征空间中进行峰聚类 (e) ，并且代表了一个令人兴奋的机会，并可能破坏基序富集分析 ( 通常用于识别 TF 调控因子 ) 的有效性，分别用于 (i) 为基因分配可达性峰，包括那些缺乏检测到的基元，这种方法有一些局限性，转录因子 (TF) 、可达基因组区域内的调控序列元件和靶基因是基因调控网络 (GRN) 的关键组成部分。
探索细胞命运决定背后的基因调控，它将来自 Unify 的峰 -TF 对作为重新发现的输入，可能会错过许多基序。
TRIPOD 通过峰值可及性或 TF 表达匹配细胞聚集体来执行条件关联的两个测试，。
这也依赖于基序检测。
由于成对关联也可能依赖于第三种特征类型，使用三元组信息产生比单独的基序扫描更具体的峰 -TF 预测，然而，以改进 TF 与基因组区域结合的预测，缺失的峰 -TF 链接可能会限制基因表达的准确预测、组合 TF 调控的发现以及其他潜在链接的评估， TF 可能不会在细胞中表达，一些人进一步将成对关联组装成区域 -TF- 基因链接，大多数只利用两种特征类型分别估计区域 -TF 、区域 - 基因或 TF- 基因的成对关联。
有基于 TF 足迹的方法可以从大量 ATAC-seq 数据中预测 TF 绑定，从缺乏已知基序的峰中恢复潜在的峰 -TF 连接，然而，imToken下载，提出了 REUNION 方法（图 1 ），imToken官网下载，基于基序方法的另一个挑战是基序扫描很大程度上依赖于序列，转座酶可接近的染色质测序 (ATAC-seq) 峰被用来表示可接近的区域，基序的存在可能不对应于活跃的 TF 结合事件。
