auc 和loss_为什么是AUC值而不是GSEA来挑选转录因子呢

前面我们通过RcisTarget包的 cisTarget()函数，一句代码就完成了我们的hypoxiaGeneSet.txt文本文件的171个基因的转录因子注释。见：基因集的转录因子富集分析

通过学习，我们知道这个RcisTarget包内置的motifAnnotations_hgnc是16万行，可以看到每个基因有多个motif。而且下载好的 hg19-tss-centered-10kb-7species.mc9nr.feather 文件，也是 24453个motifs的基因排序信息。但是我们留下来了一个悬念，如何从几万个注释结果里面挑选到最后100个富集成功的motif呢？

首先批量计算AUC值

如果是单细胞转录组数据里面，每个单细胞都是有一个geneLists，那么就是成千上万个这样的calcAUC分析，非常耗费计算资源和时间，就需要考虑并行处理，我们这里暂时不需要，所以直接 nCores=1 即可。

其中geneLists和motifRankings来自于前面的教程，见：基因集的转录因子富集分析

motifs_AUC

motifs_AUC

可以看到是 24453个motifs的AUC值都被计算了：

> motifs_AUC

AUC for 1 gene-sets and 24453 motifs.

AUC matrix preview:

jaspar__MA1023.1

geneListName 0.03819963

taipale_cyt_meth__IRX3_NACGYRNNNNNNYGCGTN_eDBD_meth

geneListName 0.05625049

taipale__DBP_