WGCNAConfig {SMRUCC.genomics.Analysis.HTS.WGCNA} .NET clr documentation

WGCNAConfig

Description

WGCNA 分析配置

这是新增的分块(blockwise)分析入口 Analysis.RunBlockwise 的统一参数对象。 既有的 Analysis.Run 重载内部使用一个默认实例,因此不改变原有调用方的行为。

命名与默认值尽量对齐 GNU R WGCNA 的 blockwiseModules,便于两边做对照: maxBlockSize、minModuleSize(minClusterSize)、deepSplit、 mergeCutHeight 都可以在 R 侧找到同名(或语义相同)的参数。

Declare

            
# namespace SMRUCC.genomics.Analysis.HTS.WGCNA
export class WGCNAConfig {
   # 邻接矩阵的边截断阈值
   adjacency: double;
   # 用于估计全局 beta 的抽样基因数(0 表示取 min(nGenes, 5000))
   betaSampleSize: integer;
   # beta 扫描的候选序列。Nothing 时使用 seq(1,10) 拼接 seq(11,30,by=2)。
   betaSeq: double;
   # 分块模式下是否构建网络图对象
   buildGraph: boolean;
   # 是否物化 p 值矩阵。False 时 p 值按 (i,j) 现算,可以省掉一半的 n^2 内存。
   computePvalue: boolean;
   # 预先计算的相关矩阵存储目录(repo)。
   correlationStore: string;
   # 动态剪切的高度上限。NaN 时自动取 0.99*(max(h)-refHeight)+refHeight。
   cutHeight: double;
   # 动态剪切的拆分深度(0~4),越大切出的模块越多越小
   deepSplit: integer;
   # 静态剪切的树总距离百分比阈值(仅在 TreeCutMethod.StaticCut 下生效)
   distCut: double;
   # 基因预过滤:只保留方差最大的前 N 个基因(0 表示不过滤)
   filterTopN: integer;
   # 单个块的最大基因数。超过该规模时先做预聚类分块。
   maxBlockSize: integer;
   # 同时处理的块数量上限(控制 n^2 内存峰值)
   maxConcurrentBlocks: integer;
   # 构建网络图时的最大边数(0 表示不限制)
   maxEdges: integer;
   # 基因预过滤:剔除缺失率高于该阈值的基因(0 表示不过滤)
   maxMissingRate: double;
   # 跨块模块合并的高度阈值(模块特征基因不相似度小于该值即合并)
   mergeCutHeight: double;
   # 模块的最小基因数(对应 R 的 minClusterSize / minModuleSize)
   minModuleSize: integer;
   # 基因预过滤:剔除方差小于该阈值的基因(0 表示不过滤)
   minVariance: double;
   # 动态剪切是否执行 PAM 阶段(把未标注基因分配到最近的模块)
   pamStage: boolean;
   # 单块分析时是否用 PCA 前三主成分作为网络节点的初始坐标
   pcaLayout: boolean;
   # 软阈值幂次。NaN 时先在抽样基因上自动做 beta 扫描估计。
   power: double;
   # 预聚类(projectiveKMeans)的随机种子
   randomSeed: integer;
   # 树剪切方式
   treeCut: TreeCutMethod;
   # 是否尝试启用 CUDA GPU 后端
   useGpu: boolean;
   # 是否输出各阶段的进度日志
   verbose: boolean;
}

        

.NET clr type reference tree

  1. use by property member treeCut: TreeCutMethod

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