GeneRegulationModel {SMRUCC.genomics.Analysis.FuzzyGene.Fitting} .NET clr documentation

GeneRegulationModel

Description

单个靶基因的神经模糊(Takagi–Sugeno)调控模型。

一个实例就是一句话:「当这些调控因子处于某种模糊状态时,靶基因的表达近似为 一个局部线性函数」。模型的输入顺序与 GeneRegulationModel.Regulators 一一对应, 输出维数恒为 1(靶基因自身)。

可解释性来自两方面:GeneRegulationModel.RulesText() 给出带触发强度的 IF-THEN 规则, GeneRegulationModel.LocalSensitivity() 给出给定状态下每个调控因子的解析偏导 ∂x̂/∂x_j = Σ_r w̄_r · θ[r·(n+1)+j],其符号即调控方向。

Declare

            
# namespace SMRUCC.genomics.Analysis.FuzzyGene.Fitting
export class GeneRegulationModel {
   # 是否因早停提前结束。
   Converged: boolean;
   # 该模型是否来自滞后(时序)路线。
   IsLagged: boolean;
   # 实际训练轮数。
   Iterations: integer;
   # 靶基因原始表达的均值(反标准化用)。
   Mean: double;
   # 推理内核(TSK 五层网络)。
   Network: TskNetwork;
   # 被剪掉的规则数量。
   PrunedRuleCount: integer;
   # 训练集决定系数。
   R2: double;
   # 输入变量(调控因子)名称,顺序即 GeneRegulationModel.Network 的输入顺序。
   Regulators: string;
   # 训练集均方根误差(z 空间)。
   RMSE: double;
   # 每条规则在训练集上的平均归一化触发强度。
   RuleActivations: double;
   # 规则数量。
   RuleCount: integer;
   # 训练行数(诊断用)。
   SampleCount: integer;
   # 靶基因原始表达的标准差(反标准化与 Z 分数用)。
   Sd: double;
   # 训练目标在 z 空间上的最大值(支持域上界)。
   SupportMax: double;
   # 训练目标在 z 空间上的最小值(支持域下界)。
   SupportMin: double;
   # 靶基因名称。
   TargetGene: string;
   # 训练过程中的降级/告警信息。
   Warnings: string;
}

        

.NET clr type reference tree

  1. use by property member Network: TskNetwork

[Package {$package} version {$version} Index]