GEARS {SMRUCC.genomics.Analysis.GEARS}

.NET clr documentation

GEARS

Description

GEARS：基于图神经网络的基因表达调控网络虚拟扰动实验

本类是整个算法的门面（facade），把 readme 中的五个步骤串联为一条完整的实验流水线：

1. Step 1：由先验调控网络 GEARS.priorNetwork 构建基因-基因调控图（GeneRegulatoryGraph）；
2. Step 2：以 control 基线表达 + 基因身份嵌入 + 扰动标记 + 扰动集合向量构成初始节点特征；
3. Step 3：多层边类型感知消息传递，让扰动信号沿调控边向下游级联传播；
4. Step 4：解码器输出 Δ表达，预测 x̂^pert = x^input + Δx̂；
5. Step 5：用（仿真或实测的）Perturb-seq 样本做监督训练，之后即可泛化到未见过的扰动。

使用方式：

 Dim gears As New GEARS(exprData, priorNetwork)
 Dim ko = gears.KnockoutGene("codY")
 Dim combo = gears.PredictCombination({"codY", "luxR"}, InterventionMode.Knockout)
 

本类实现了 InsilicoPerturbationExperiment 接口， 因此可以与 BNLearn 中已有的贝叶斯网络虚拟扰动实现互换使用。

Declare

            
# namespace SMRUCC.genomics.Analysis.GEARS
export class GEARS {
   # 基因名称列表（顺序与表达矩阵行序一致）
   GeneNames: string;
   # 基因调控图
   GraphData: GeneRegulatoryGraph;
   # 最近一次训练得到的损失曲线（每个 epoch 的平均 MSE）
   LossCurve: double;
   # GNN 模型
   Model: GEARSModel;
   # 当前实验使用的超参配置
   Options: GEARSConfig;
   # 训练器实例；尚未训练时为 Nothing
   Trainer: GEARSTrainer;
   # 训练样本集合（默认由内置仿真器生成，可用实测数据覆盖）
   TrainingSamples: iterates(PerturbSeqSample);
   # control（野生型）表达均值
   WildtypeMeans: double;
   # control（野生型）表达标准差，用于归一化、Z-score 与显著性判定
   WildtypeSDs: double;
}

        

.NET clr type reference tree

1. use by property member GraphData: GeneRegulatoryGraph
2. use by property member Model: GEARSModel
3. use by property member Options: GEARSConfig
4. use by property member Trainer: GEARSTrainer
5. use by property member TrainingSamples: iterates(PerturbSeqSample)

---