GEARSConvLayer {SMRUCC.genomics.Analysis.GEARS.Layers}

.NET clr documentation

GEARSConvLayer

Description

GEARS 边类型感知的图卷积层

实现 readme 第五节的「带边类型感知的消息传递」： ' h_i^(l+1) = σ( W_self · h_i^(l) + Σ_{j ∈ N_in(i)} α_ji · sign(r_ji) · (W_{r_ji} · h_j^(l)) ) '

要点： 调控图中 TF → Target 是有向边，扰动信号沿调控方向向下游传播， 因此聚合的是入边邻居（即调控该基因的上游基因）；抑制边（EdgeRelationType.Repression）的消息符号为 -1， 使模型能够表达「上游下调导致下游上调」这样的反向效应；默认使用稀疏入边聚合（复杂度 O(|E|·d)），因为先验调控网络非常稀疏 （350+ 基因仅约 350 条边），稠密邻接矩阵乘法会带来两个数量级的无用开销；堆叠 L 层即可捕捉 L-hop 的间接调控效应；readme 建议 2~4 层以避免过平滑。

之所以不使用 GNN 模块自带的 GATLayer，是因为它的 Backward 直接抛出 InvalidOperationException，无法参与训练。

Declare

            
# namespace SMRUCC.genomics.Analysis.GEARS.Layers
export class GEARSConvLayer extends Layer {
   # 激活函数类型
   Activation: ActivationType;
   # 输入特征维度
   InFeatures: integer;
   IsTraining: boolean;
   Name: string;
   # 输出特征维度
   OutFeatures: integer;
   # 是否使用稠密邻接矩阵聚合（仅用于小图对照，默认关闭）
   UseDense: boolean;
   # 是否为每种边关系类型分配独立的变换矩阵
   UsePerRelationTransform: boolean;
}

        

.NET clr type reference tree

1. this class extends from Layer class: Layer
2. use by property member Activation: ActivationType

---