| GeneTreeConfig {SMRUCC.genomics.Analysis.GeneTree} | .NET clr documentation |
GeneTree(XGBoost 非线性基因调控网络)的全量超参数配置。
配置分成四组:
所有以“0”表示“不限制/使用全部”的字段都会在 GeneTreeConfig.Validate() 之后由使用方自行解释, 例如 GeneTreeConfig.MaxRegulators=0 表示保留 ARACNE 给出的全部调控者, GeneTreeConfig.MaxSamplesPerModel=0 表示使用表达矩阵中的全部细胞。
# namespace SMRUCC.genomics.Analysis.GeneTree
export class GeneTreeConfig {
# 有上下文时,是否把“同一上下文下不做任何扰动”的控制稳态作为差异分析的野生型基线。
BaselineFromControlSteadyState: boolean;
# 是否把表达量裁剪为非负(生物学上表达量不能为负)。
ClipNegative: boolean;
# 外推裁剪系数:预测值被裁剪到 [min / k, max × k](min ≥ 0)或 [min × k, max × k]。
ClippingFactor: double;
# 当迭代的初始状态在所有细胞上完全一致时,是否折叠为单细胞轨迹,默认开启。
CollapseUniformPopulation: boolean;
# 列抽样比例 (0, 1]。
ColSample: double;
# 注入表达状态上下文(context)时使用的对齐模式,默认 ContextAlignmentMode.Quantile。
ContextAlignmentMode: ContextAlignmentMode;
# 收敛阈值:单轮相对变化量(|Δx| / max(1,|x|))低于该值时认为该基因已经稳定。
ConvergenceTolerance: double;
# 阻尼系数 α:x_new = (1-α)·x_old + α·f(x)。默认 0.1,越大越激进、越容易震荡。
DampingAlpha: double;
# 参与结构发现的候选调控者基因编号集合(由调用方显式给出,不自动推断)。
DiscoveryCandidates: string;
# 每个靶基因最多尝试几个候选(控制重拟合次数),默认 5。
DiscoveryMaxCandidates: integer;
# 最多对多少个靶基因执行结构发现,0 表示不限制(用于试跑限流)。
DiscoveryMaxGenes: integer;
# 每个靶基因最多接受几条新发现的调控边,默认 2。
DiscoveryMaxPerGene: integer;
# 残差与候选基因表达之间的 pearson 相关绝对值下限,默认 0.10。
DiscoveryMinCorrelation: double;
# 接受一条新调控边所需要的最小验证集 R² 增益,默认 0.002。
DiscoveryMinDeltaR2: double;
# 计算残差相关时采样的细胞数量,默认 1000;0 表示使用全部训练细胞。
DiscoverySampleSize: integer;
# 早停轮数。验证集不可用(样本过少)时不会生效。
EarlyStoppingRounds: integer;
# 调控边的结构发现模式,默认 EdgeDiscoveryMode.AracneOnly(不发现新边)。
EdgeDiscovery: EdgeDiscoveryMode;
# 实际生效的迭代硬上限
EffectiveMaxIterationsHardCap: integer;
# 分裂所需的最小损失下降(gamma),默认 0。
Gamma: double;
# 是否把 "undirected" 类型的候选边也纳入调控关系。默认关闭。
IncludeUndirectedEdges: boolean;
# 是否启用结构发现
IsDiscoveryEnabled: boolean;
# 敲低(Knockdown)之后保留的野生型表达比例,默认 0.2。
KnockdownResidual: double;
# L2 正则化系数(reg_lambda),默认 5,用于抑制小样本过拟合。
Lambda: double;
# 学习率 eta,范围 (0, 1]。默认 0.05。
LearningRate: double;
# 允许在迭代过程中被“钳制”的基因比例上限,默认 0.05(5%)。
MaxClampRatio: double;
# 训练(以及扰动求解)时外层并行的最大并行度;<= 0 表示自动使用全部可用核心。
MaxDegreeOfParallelism: integer;
# 单棵树的最大深度。建议 3~4:树越浅,预测函数越平滑,定点迭代越容易收敛。
MaxDepth: integer;
# 最多参与训练的靶基因数量(按调控者数量降序保留)。0 表示不限制。
MaxGenes: integer;
# 定点迭代的最大轮数。
MaxIterations: integer;
# 迭代硬上限:软上限 GeneTreeConfig.MaxIterations 用完之后,只要还没有收敛就继续迭代到该上限。
MaxIterationsHardCap: integer;
# 每个靶基因保留的调控因子数量(按照互信息降序裁剪)。0 表示不裁剪(全量档很慢)。
MaxRegulators: integer;
# 每个基因模型最多使用的细胞(样本)数量。0 表示使用全部细胞。
MaxSamplesPerModel: integer;
# 叶节点最小 Hessian 和的固定下限,默认 2。
MinChildWeight: double;
# 叶节点最小 Hessian 和相对于训练样本数的比例,默认 0.05。
MinChildWeightRatio: double;
# 训练一个基因模型所需的最小细胞数量,低于该数量时退化为常数模型。
MinSamples: integer;
# 节点继续分裂所需的最小样本数。
MinSampleSplit: integer;
# 允许在判定收敛时仍然“抖动”的基因比例,默认 0.001(千分之一)。
MovingGeneTolerance: double;
# 提升轮数(树的数量)。浅树 + 适度轮数是 readme 针对定点迭代收敛性给出的建议。
NumBoostRound: integer;
# 过表达(Overexpression)的倍数,默认 2.0:OE = baseline × OverexpressionFactor。
OverexpressionFactor: double;
# 参与迭代的细胞(初始状态)数量。细胞越多,扰动的统计量越稳健,但每轮耗时线性增长。
PopulationSize: integer;
# 训练进度的输出间隔(每多少个基因输出一次)。
ProgressInterval: integer;
# 行抽样比例 (0, 1]。
RowSample: double;
# 随机种子,用于细胞抽样与训练/验证集划分。固定种子保证同一份数据得到相同的抽样与折分。
Seed: integer;
# 显著性判定所用的 Z-score 阈值,默认 2。
SignificanceZScore: double;
# 单个基因模型在 TGBoost 内部使用的线程数。
ThreadsPerModel: integer;
# 留出验证集的比例,用于早停与 R²/RMSE 评估。取值 [0.05, 0.5]。
ValidationRatio: double;
# 是否输出进度与统计信息到控制台。
Verbose: boolean;
}
ContextAlignmentMode: ContextAlignmentModeEdgeDiscovery: EdgeDiscoveryMode