PanGenomeStats

构建基因组基本信息统计数据（基因总数/特有基因数/核心基因占比）

统计每一个基因组在给定的基因家族集合之中出现的家族数量

原来的实现是 "基因组 x 家族" 的双重循环，在上百个基因组、十几万个基因家族的数据集 上面会退化成上千万次的字典查找。这里反过来只遍历每一个家族的PAV行， 复杂度降低为 O(家族数 x 该家族出现的基因组数)。

Key为基因组名称，Value为该基因组在families之中出现的家族数量

基因组级别的三维散点图数据：

• 维度1: 基因存在/缺失均衡度的香农信息熵 H（基于完整的PAV矩阵）
• 维度2: 特有基因数 / 基因总数
• 维度3: 核心基因占比

熵的定义参考 entropy.md 之中的第一种方法：假设泛基因组总共有N个基因家族， 某个基因组之中存在K个、缺失N-K个，则 p = K / N， H = -(plog(p) + (1-p)log(1-p))，这里使用自然对数。

p越偏离0.5（即缺失了大量非必需基因）熵越低；反之通过水平基因转移获取了大量 附属基因、使得"存在/缺失"的比例相对均衡的时候，熵值会升高。

计算基因存在/缺失均衡度的香农信息熵（自然对数）

p = K/N。当 p 为0或者1的时候（全部缺失或者全部存在）熵定义为0， 这里做边界短路以避免 Log(0) 产生 Infinity 或者 NaN， 因为 NaN 会导致序列化出来的JSON文本不是合法的JSON。

取出某一个主成分的得分向量；长度与基因组数量不一致的时候返回Nothing

生成坐标轴标题，例如 PC1 (42.51%)

PAV矩阵的PCA分析：取基因总数最多的前MaxPCAFamilies个基因家族构建PAV子矩阵， 以基因组为样本、基因家族为特征，降维到PanGenomeStats.PCA_Dimensions个维度

任何数据不足或者计算失败的情况都会返回一个空的数据集，由前端显示"数据不可用"， 保证PCA分析的失败不会导致整个报告的生成过程失败。

获取基因组基本信息统计：优先复用分析阶段已经缓存好的结果， 只有在缓存为空的时候才重新计算一次并且回填到结果对象之中

这三份统计数据既要在生成HTML报告的时候使用，也会被外部脚本(R#的scatter_set)单独取用， 如果每次都重新计算一遍的话，在最坏的情况下整个流程会重复计算两次； 因此在分析阶段就一次性算好并保存到 PanGenomeResult 之中。

获取PAV矩阵的PCA降维散点数据（为空的时候惰性计算并回填）

获取基因组存在/缺失均衡度的香农信息熵散点数据（为空的时候惰性计算并回填）