| GrnFittingOptions {SMRUCC.genomics.Model.Network.Regulons.LinearRegression} | .NET clr documentation |
基因调控网络的线性拟合参数
# namespace SMRUCC.genomics.Model.Network.Regulons.LinearRegression
export class GrnFittingOptions {
# 自动模式下，候选调控因子数量占样本数量的最大比例(默认为 1/3)。
#
# 这个上限是必须的：参与拟合的自变量个数应当显著小于样本数量，否则 FittingMethod.MultipleLinear 的 QR 分解会因为秩不足而失效， 而 DataFittings 的 LASSO 求解器也会因为内部数组的维度缺陷而越界崩溃。
candidateSampleRatio: double;
# 是否计算回归系数的 t 值与显著性 p 值(仅对 FittingMethod.MultipleLinear 有效)。
computeStatistics: boolean;
# 候选调控因子的相关性筛选后端。
#
# 为空(默认)的时候使用内置的逐基因扫描(行为与原实现逐位一致)； 非空的时候由后端一次性算出每个目标基因的候选集， 从而把 "每个基因各扫一遍全表" 降为一次分块矩阵乘法。
#
# 后端的 Initialize 会在 GeneRegulatoryNetwork.Fit() 开始时 被调用一次，Query 会被并行拟合过程并发调用，因此实现必须是线程安全的只读。
correlationBackend: ICorrelationScreener;
# 弹性网络的超参数配置，只在 FittingMethod.ElasticNet 模式下生效。
elasticNet: ElasticNetOptions;
# 每一个目标基因最多纳入多少个候选调控因子。
#
# 小于或者等于零的时候按照 GrnFittingOptions.candidateSampleRatio 自动推算。
maxCandidates: integer;
# 并行拟合的最大并发度，小于或者等于零的时候由运行时自行决定。
maxDegreeOfParallelism: integer;
# 使用 LASSO 求解的时候，每一个目标基因最多允许保留多少个非零的调控关系。 小于或者等于零的时候不做限制。
maxRegulatorsPerGene: integer;
# 线性拟合的求解方法，默认为普通最小二乘(OLS)。
method: FittingMethod;
# 候选调控因子与目标基因的 pearson 相关性的绝对值下限， 低于这个阈值的基因不会被纳入设计矩阵(默认为 0，即不施加相关性过滤)。
minAbsCorrelation: double;
# 导出调控边的时候的回归系数绝对值阈值，小于这个阈值的边会被丢弃(默认为 0，即保留全部)。
minAbsWeight: double;
# 是否只保留互为因果(|权重|在两个方向上都显著且符号一致)的调控关系。
#
# 开启之后，只有在 A -> B 与 B -> A 两个方向都被拟合出来、 并且回归系数同号的时候才会保留这条边，边的权重取两个方向的均值。
mutualOnly: boolean;
# 为负相关的候选调控因子保留的名额，默认 -1(不启用)。
#
# 共表达网络里负相关的边极少，L1 会优先保留强正相关的候选， 于是敲降一个基因只会把整片基因一起拖下去(全下凋)。 设置成例如 15 之后，每个目标基因的候选集里会强制包含 15 个负相关基因 (其余名额仍给正相关)，网络里才会出现抑制型边，扰动响应才可能同时有升有降。
#
# 该配额只在触发候选筛选的时候生效(候选池大于 GrnFittingOptions.maxCandidates 或设置了 GrnFittingOptions.minAbsCorrelation)。
negativeCandidateQuota: integer;
# GrnFittingOptions.partialCorrelation 开启时，用作条件集的 hub 基因数量，默认 5。
partialConditionSize: integer;
# 是否使用偏相关(而不是零阶 Pearson)来给候选调控因子排序，默认关闭。
#
# 开启之后，会先找出表达谱最"像全局程序"的若干个 hub 基因 (与随机抽样基因的平均 |r| 最大的一批，通常是线粒体/核糖体基因)， 把每个基因对这批 hub 做线性回归、取残差，再在残差上计算相关。
#
# 这等价于以 hub 基因为条件集的偏相关(Frisch-Waugh-Lovell 残差回归， 与 WGCNA/PartialCorrelation.vb::FromData 使用的是同一个算法)， 可以显著削弱"所有基因共享同一个全局因子"造成的伪边。
#
# 注意：只有当候选池大于 GrnFittingOptions.maxCandidates 或者设置了 GrnFittingOptions.minAbsCorrelation 的时候才会触发候选筛选； 候选池本身很小(例如限定为 300 个靶基因)时本选项不起作用。
partialCorrelation: boolean;
# 优先注入的基因数量上限，默认 0(不限制)。
#
# GrnFittingOptions.priorityRegulators 列出 1600+ 个基因的时候，每个目标基因的 候选数会从 GrnFittingOptions.maxCandidates 膨胀到 1900 左右，而求解器要为每个 基因分配 p x n 的列数组(大对象堆)。并发较高时这会触发 OutOfMemoryException，表现为大量基因"没有任何调控关系"。 把本属性设为与 GrnFittingOptions.maxCandidates 相同的量级，可以避免候选集爆炸。
priorityBudget: integer;
# 需要优先纳入候选调控因子池的基因集合(例如转录因子列表)。
#
# 与 GrnFittingOptions.regulators 的"限定"语义不同：这里列出的基因不受 GrnFittingOptions.maxCandidates 与 GrnFittingOptions.minAbsCorrelation 的截断影响， 总是会被追加进每一个目标基因的候选集(目标基因自身除外)。
#
# 为空的时候不产生任何影响。大小写不敏感，表达矩阵之中不存在的基因会被忽略。
priorityRegulators: string;
# 采纳先验的最低置信度，默认 0.9(即只使用 High 置信度的边)。
#
# 低于该阈值的边既不参与候选注入，也不参与惩罚放松。
priorMinConfidence: double;
# curated 数据库之中的 TF -> target 调控关系先验，默认空。
#
# 提供之后会启用两项机制：
#
#
#
# - 候选注入：对于某个目标基因，先验中指向它的 TF 会被追加进候选集， 即使它被 top-k 相关性排名挤出了名单也会保留下来；
# - 自适应惩罚：先验支持的边在 L1 惩罚上乘以 GrnFittingOptions.priorPenalty， 在稀疏化过程中更容易存活。
#
#
#
# 先验为空时，拟合行为与不提供先验时逐位一致。
priorNetwork: PriorEdge[];
# 先验支持的边所享有的 L1 惩罚乘子，默认 1.0(不放松)。
#
# 取值越小，先验边越容易被保留；0.3 是一个稳健的默认选择 (先验提供倾斜，但仍然由数据决定去留)。设为 1.0 等价于关闭方案 B。
priorPenalty: double;
# 是否把先验的因果符号(激活/抑制)作为回归系数的可行域约束，默认开启。
#
# 开启之后，先验中标记为 Activator 的边只允许 β ≥ 0、标记为 Inhibitor 的边 只允许 β ≤ 0(符号未知的边不受约束)。这就是 signed lasso： 幅度仍由数据决定，但方向由外部知识固定。
#
# 之所以需要它：共表达数据无法区分激活与抑制(Inhibitor 边的相关系数同样为正)， 而 L1/L2/图拉普拉斯这些偶次惩罚对 β → -β 完全对称， 只有把可行域限制到半空间才能确定绝对符号。
priorSignMode: PriorSignMode;
# p 值计算的容差：小于这个数值的 p 值会被修正为零。
pvalueTolerance: double;
# 可选的调控因子集合(例如转录因子列表)。
#
# 为空的时候，所有的基因都可以作为候选调控因子； 非空的时候，只有这个集合之内的基因才会被作为自变量参与拟合， 而目标基因仍然可以是表达矩阵之中的任意一行。
regulators: string;
# 是否关闭拟合过程之中的进度提示输出。
silent: boolean;
# 是否在进行拟合之前把每一个基因的表达向量标准化(z-score)。
#
# 开启之后回归系数可以在不同基因之间横向比较，代价是丢失了原始的表达量尺度， 同时模型的截距项在理论上会退化为零。
standardize: boolean;
}
correlationBackend: ICorrelationScreenerelasticNet: ElasticNetOptionsmethod: FittingMethodpriorNetwork: PriorEdgepriorSignMode: PriorSignMode