| phenotype_trait: PhenotypeTrait | phenotype_traits_and_types.csv 之中的一行记录:定义了一种生物表型 及其数据类型。每一种表型在重构之后的 Traitar 模块之中可能会对应着 一个具体的 SVM 模型实例。 |
| trait_annotation: TraitAnnotation | table parser model for ncbi_species_summary_no_predictions.tsv |
| pfam_embedding: PfamEmbedding | Pfam 词表与嵌入配置(可 JSON 序列化,随模型一同落盘) |
| trait_training_set: TraitTrainingSet | 一个完整的表型训练数据集:嵌入配置 + ProblemTable + 表型元数据 |
| trait_models: ModelLoader | 表型 SVM 模型仓库:负责把训练得到的模型集落盘以及从磁盘还原 |
| trait_prediction: TraitPrediction | 某一种表型在某一个样本之上的预测结果 |
| trait_report: ReportJSON |
| as.data.frame.reportjson | ReportJSON: |
| as.data.frame.traitprediction | TraitPrediction: 某一种表型在某一个样本之上的预测结果 |
| load.meta_traits | 读取表型标注数据并按物种组织为表型谱 |
| load.trait_annotations | 读取表型标注的原始表格(每一行是一个物种的一种表型标注) |
| load.phenotype_traits | 读取表型定义表,每一种表型对应一个 SVM 模型实例 |
| read.pfam_proteomes | 读取一个目录之下的全部微生物基因组的蛋白质组 Pfam 结构域注释 |
| pfam.embedding | 构建 Pfam 结构域的嵌入配置(词表 + 编码方式) |
| phenotype.problem | 装配表型的训练数据集 |
| train.phenotype_models | 训练全部表型所对应的 SVM 模型 |
| save.trait_models | 把训练得到的表型模型仓库保存到指定目录 |
| load.trait_models | 从 json 模型仓库目录之中加载全部表型的 SVM 模型 |
| make_predicts | 使用表型模型仓库预测基因组的全部表型 |
| phenotype_result | 把预测结果合并上模型的元数据,生成最终的表型预测报告 |
| tune.trait_model | 对单个表型做超参数(C / gamma)的网格搜索 |