nuget
基于 WGCNA 模块划分的贝叶斯子网络训练 + 全局虚拟扰动流水线
ModularNetworkPipeline
01 Syntax
SMRUCC.genomics.Analysis.BNLearn.ModularNetwork.ModularNetworkPipeline
02 Methods
| Name | Overloads | Summary |
|---|---|---|
| Learn | 1 | 模块切分 → 子网络训练 → 全局矩阵拼接 |
| InsilicoPerturbation | 1 | 各源基因全局扰动。 |
| SaveResults | 1 | 写出全局扰动响应矩阵（行=基因，列=各扰动源）与每个源的明细 TSV，并打印摘要。 |
| SaveModel | 1 | Save current model as zip archive file |
| LoadModel | 1 | load ModularNetworkPipeline model from a zip archive file. |
| IndexDir | 1 | 模块 / 子网络在 zip 内的目录名（用序号命名，避免模块颜色中的特殊字符影响条目名） |
| WriteText | 1 | 将一段文本写入 zip 包内的指定条目 |
| GetEntry | 1 | 按条目名查找 zip 内的条目（路径分隔符统一为 /，大小写不敏感） |
| ReadLines | 1 | 读取文本条目的全部非空行 |
| ReadNames | 1 | 读取名称清单（节点名 / 基因名 / 样本名）。 与 ModularNetworkPipeline.ReadLines()) 不同，这里保留空行，否则行号会与索引错位， 仅剔除文件末尾换行所产生的那一个空行。 |
| ReadMeta | 1 | 读取 key=value 形式的元数据条目 |
| WriteNet | 1 | 写出一个贝叶斯网络的三段：nodes.txt（行号即节点索引）/ edges.tsv / cpt.tsv。 全局聚合网络与各模块子网络共用这一对读写函数。 |
| ReadNet | 1 | 读回 ModularNetworkPipeline.WriteNet()) 写出的贝叶斯网络（含全部 CPD） |
| WriteDoubles | 1 | 以二进制块写出 double 向量（Int32 长度 + 数据体），避免大数组走文本解析。 |
| ReadDoubles | 1 | 读回 ModularNetworkPipeline.WriteDoubles()) 写出的 double 向量 |
| WriteMatrix | 1 | 以二进制块写出二维 double 矩阵：Int32 行数 + Int32 列数 + 行优先数据体。 用于全局雅可比矩阵 A 与标准化表达矩阵（后者行列分别为基因与样本）。 |
| ReadMatrix | 1 | 读回 ModularNetworkPipeline.WriteMatrix()) 写出的矩阵，条目缺失或为空时返回 Nothing |
| Num | 1 | 以 G17 无损格式写出数值（固定使用不变区域文化，避免受系统区域设置影响） |
| ParseNum | 1 | 解析 ModularNetworkPipeline.Num()) 写出的数值，解析失败时返回 0 而不是抛出 |
| Sanitize | 1 | 清理文本字段中的制表符与换行符，避免破坏 TSV / 逐行文本格式。 先验网络动辄数十万条边，这里先做一次快速探测，不含非法字符时直接原样返回。 |
| GetValue | 1 | 取元数据字符串值，缺失时返回缺省值 |
| GetBool | 1 | 取元数据的布尔值，兼容 True/False 与 1/0 两种写法 |
| GetModuleHubSources | 1 |
03 Properties
| Name | Overloads | Summary |
|---|---|---|
| Propagation | 1 | 传播方法，默认 Jacobian（线性化雅可比多步传播） |
| MaxSteps | 1 | 最大传播步数（雅可比收敛上限 / 级联采样时间步数） |
| Tolerance | 1 | 雅可比收敛阈值：||e_{t+1}|| / ||e_t|| 小于该值即停止 |
| NSamples | 1 | 参数学习与采样所用样本数 |
| RandomSeed | 1 | 随机种子 |
| NormalizeData | 1 | 是否对表达数据做标准化（z-score），默认 True |
| StructureParams | 1 | 结构学习参数（算法/显著性阈值/最大父节点数/随机种子） |
| HubTopN | 1 | 每个模块取 kME 最高的前 N 个基因作为模块接口（hub） |
| CrossModuleCorThreshold | 1 | 模块 eigengene 相关阈值：|cor| 超过才尝试补模块间边 |
| CrossGeneCorThreshold | 1 | hub 基因间相关阈值：|r| 超过才在对应基因间补跨模块边 |
| CrossScale | 1 | 跨模块边的初始权重缩放（最终由全局参数学习覆盖） |
04 Fields
| Name | Overloads | Summary |
|---|---|---|
| ModelFormatVersion | 1 | zip 压缩包内的模型格式版本号 |
| IllegalChars | 1 | 文本字段中不允许出现的字符：制表符、CR、LF（会破坏 TSV / 逐行文本格式） |
05 Members
Learn(GeneModuleColor(), GeneExpressionData)
模块切分 → 子网络训练 → 全局矩阵拼接
Parameters
| Name | Type | Description |
|---|---|---|
assignment | GeneModuleColor() | WGCNA 模块划分结果（geneID / moduleColor / kME） |
expr | GeneExpressionData | 全局表达矩阵（基因 × 样本） |
InsilicoPerturbation(
IEnumerable(Of String), InterventionMode)各源基因全局扰动。
Parameters
| Name | Type | Description |
|---|---|---|
sources | IEnumerable(Of String) | 扰动源基因列表 |
Returns
每个扰动源的全局扰动结果
SaveResults(
IReadOnlyCollection(Of GlobalPerturbationResult), String)写出全局扰动响应矩阵（行=基因，列=各扰动源）与每个源的明细 TSV，并打印摘要。
SaveModel(
Stream)Save current model as zip archive file
Parameters
| Name | Type | Description |
|---|---|---|
s | Stream | 目标输出流，由调用方提供并负责释放，因此这里以 leaveOpen 的方式使用 |
LoadModel(
Stream)load ModularNetworkPipeline model from a zip archive file.
Parameters
| Name | Type | Description |
|---|---|---|
s | Stream | zip 压缩包输入流，由调用方提供并负责释放 |
Returns
还原后的流水线对象：全局基因索引、雅可比矩阵 A、全局聚合网络及其 CPD、 标准化表达矩阵、WGCNA 模块划分与 hub 基因、各模块子网络以及全部训练/传播参数 均与保存前一致，可直接执行 ModularNetworkPipeline.InsilicoPerturbation() 与 ModularNetworkPipeline.SaveResults()。
IndexDir(
String, Int32)模块 / 子网络在 zip 内的目录名（用序号命名，避免模块颜色中的特殊字符影响条目名）
WriteText(
ZipArchive, String, Action(Of TextWriter))将一段文本写入 zip 包内的指定条目
GetEntry(
ZipArchive, String)按条目名查找 zip 内的条目（路径分隔符统一为 /，大小写不敏感）
Returns
不存在时返回 Nothing，调用方按缺省值降级处理
ReadLines(
ZipArchiveEntry)读取文本条目的全部非空行
ReadNames(
ZipArchiveEntry)读取名称清单（节点名 / 基因名 / 样本名）。 与 ModularNetworkPipeline.ReadLines() 不同，这里保留空行，否则行号会与索引错位， 仅剔除文件末尾换行所产生的那一个空行。
ReadMeta(
ZipArchiveEntry)读取 key=value 形式的元数据条目
写出一个贝叶斯网络的三段：nodes.txt（行号即节点索引）/ edges.tsv / cpt.tsv。 全局聚合网络与各模块子网络共用这一对读写函数。
ReadNet(
ZipArchive, String)读回 ModularNetworkPipeline.WriteNet() 写出的贝叶斯网络（含全部 CPD）
WriteDoubles(
ZipArchive, String, Double())以二进制块写出 double 向量（Int32 长度 + 数据体），避免大数组走文本解析。
ReadDoubles(
ZipArchiveEntry)读回 ModularNetworkPipeline.WriteDoubles() 写出的 double 向量
WriteMatrix(
ZipArchive, String, Double[0:,0:])以二进制块写出二维 double 矩阵：Int32 行数 + Int32 列数 + 行优先数据体。 用于全局雅可比矩阵 A 与标准化表达矩阵（后者行列分别为基因与样本）。
ReadMatrix(
ZipArchiveEntry)读回 ModularNetworkPipeline.WriteMatrix() 写出的矩阵，条目缺失或为空时返回 Nothing
Num(
Double)以 G17 无损格式写出数值（固定使用不变区域文化，避免受系统区域设置影响）
ParseNum(
String)解析 ModularNetworkPipeline.Num() 写出的数值，解析失败时返回 0 而不是抛出
Sanitize(
String)清理文本字段中的制表符与换行符，避免破坏 TSV / 逐行文本格式。 先验网络动辄数十万条边，这里先做一次快速探测，不含非法字符时直接原样返回。
GetValue(
Dictionary(Of String, String), String, String)取元数据字符串值，缺失时返回缺省值
GetBool(
Dictionary(Of String, String), String, Boolean)取元数据的布尔值，兼容 True/False 与 1/0 两种写法
Propagation
传播方法，默认 Jacobian（线性化雅可比多步传播）
MaxSteps
最大传播步数（雅可比收敛上限 / 级联采样时间步数）
Tolerance
雅可比收敛阈值：||e_{t+1}|| / ||e_t|| 小于该值即停止
NSamples
参数学习与采样所用样本数
RandomSeed
随机种子
NormalizeData
是否对表达数据做标准化（z-score），默认 True
StructureParams
结构学习参数（算法/显著性阈值/最大父节点数/随机种子）
HubTopN
每个模块取 kME 最高的前 N 个基因作为模块接口（hub）
CrossModuleCorThreshold
模块 eigengene 相关阈值：|cor| 超过才尝试补模块间边
CrossGeneCorThreshold
hub 基因间相关阈值：|r| 超过才在对应基因间补跨模块边
CrossScale
跨模块边的初始权重缩放（最终由全局参数学习覆盖）
ModelFormatVersion
zip 压缩包内的模型格式版本号
IllegalChars
文本字段中不允许出现的字符：制表符、CR、LF（会破坏 TSV / 逐行文本格式）
GetModuleHubSources()