| AracneNetwork {SMRUCC.genomics.Model.Network.Regulons.ARACNE} | .NET clr documentation |
ARACNE(Algorithm for the Reconstruction of Accurate Cellular Networks) 基因表达调控网络的推断。
整体的执行流程与 readme 之中的伪代码一一对应:
1. 预处理 : log2 变换 / 标准化 / 秩转换 / 零表达与零方差基因过滤
2. 互信息矩阵 : 高斯 copula(默认) / 自适应分区 / 等频分箱 / 核密度
3. 显著性阈值 : 置换零分布的分位数(默认 95%) 或者固定阈值
4. DPI 过滤 : 剔除三元组之中明显最弱的间接边
5. 方向赋予 : TF 指向靶基因 / TF 与 TF 的双向关系 / 非 TF 的无向候选边
提供转录因子列表的时候,计算空间会由 N x N 缩减为 T x N (只计算 TF-TF 与 TF-Target 的互信息),这正是 readme 第四章所推荐的 “结合 TF 先验知识”的工程化流程,可以把计算量降低几个数量级。
这个类型只负责编排,具体的数值计算分别在 MutualInformation、PermutationThreshold、 DpiFilter 之中实现。
# namespace SMRUCC.genomics.Model.Network.Regulons.ARACNE
export class AracneNetwork {
# 赋予方向之后的调控边
Edges: AracneEdge[];
# 输入的基因表达矩阵(行=基因、列=样本),构造与推断的过程都不会修改它
Expression: Matrix;
# 预处理之后保留下来的基因编号(顺序与内部的表达向量一一对应)
Genes: string;
# DPI 过滤之后的互信息矩阵(无向)
MiMatrix: MiMatrix;
# 阈值过滤以及 top-K 剪枝之后、DPI 之前的互信息矩阵
MiMatrixBeforeDpi: MiMatrix;
# 本次推断所使用的参数配置
Options: AracneOptions;
# 基因(节点)的数量
Size: integer;
# 推断过程的统计信息(尚未执行 AracneNetwork.Fit() 的时候为Nothing)
Statistics: AracneStatistics;
# 每一个基因是否为转录因子(下标与 AracneNetwork.Genes 一致)
TfFlags: boolean;
# 匹配到的转录因子编号
TFs: string;
# 互信息的显著性阈值
Threshold: MiThreshold;
# 预处理之后的基因表达向量(下标与 AracneNetwork.Genes 一致)
Vectors: Double[][];
}
Edges: AracneEdgeExpression: MatrixMiMatrix: MiMatrixMiMatrixBeforeDpi: MiMatrixOptions: AracneOptionsStatistics: AracneStatisticsThreshold: MiThresholdVectors: Double[]