Codar 预置工作流

SNF 多组学相似性网络融合

用于Similarity Network Fusion融合多组学样本相似性并发现分型;当各数据层尺度不同但样本配对完整时使用。

多组学整合5 个步骤v1更新于 2026-11-19

流程图

  • 数据输入
  • 核心分析
  • 结果输出

步骤说明5 步

  1. 每层数据独立标准化并控制技术特征数据输入

    每层数据独立标准化并控制技术特征,确保样本顺序一致。

    下一步02 构建各组学样本相似性网络

  2. 构建各组学样本相似性网络核心分析

    构建各组学样本相似性网络,系统探索邻居数、核宽度和迭代次数。

    下一步03 融合后用谱聚类或预设算法分群

  3. 融合后用谱聚类或预设算法分群核心分析

    融合后用谱聚类或预设算法分群,并检查聚类数与参数敏感性。

    下一步04 通过共识、轮廓系数和重采样评估稳定性

  4. 通过共识、轮廓系数和重采样评估稳定性核心分析

    通过共识、轮廓系数和重采样评估稳定性,再关联临床结局并校正混杂因素。

    下一步05 输出单层与融合网络、分群、稳定性和参数敏感性结果

  5. 输出单层与融合网络、分群、稳定性和参数敏感性结果结果输出

    输出单层与融合网络、分群、稳定性和参数敏感性结果。

使用原则

  • 参考上述步骤、工具和依赖关系,结合本次目标、数据与可用工具安排研究过程。
  • 可以调整顺序、补充必要检查或省略不适用的步骤,重要调整需说明原因。
  • 用户本次的明确要求优先于此参考;关键意图不清楚时先提问。

workflow.md

查看工作流源文件
---
format: codar-workflow
schemaVersion: 1
layoutDirection: TD
id: "10-multi-omics-integration-omics-network-fusion-t6gst4zr"
version: 1
name: "SNF 多组学相似性网络融合"
domain: "多组学整合"
description: "用于Similarity Network Fusion融合多组学样本相似性并发现分型;当各数据层尺度不同但样本配对完整时使用。"
---

# SNF 多组学相似性网络融合

## 流程图

```mermaid
flowchart TD
    n1["每层数据独立标准化并控制技术特征"]
    n2["构建各组学样本相似性网络"]
    n3["融合后用谱聚类或预设算法分群"]
    n4["通过共识、轮廓系数和重采样评估稳定性"]
    n5["输出单层与融合网络、分群、稳定性和参数敏感性结果"]
    n1 --> n2
    n2 --> n3
    n3 --> n4
    n4 --> n5
```

## 节点

### 每层数据独立标准化并控制技术特征 {#n1}
- 类别: 数据输入
- 位置: 40, 40
- 说明: |
  每层数据独立标准化并控制技术特征,确保样本顺序一致。

### 构建各组学样本相似性网络 {#n2}
- 类别: 核心分析
- 位置: 40, 176
- 说明: |
  构建各组学样本相似性网络,系统探索邻居数、核宽度和迭代次数。

### 融合后用谱聚类或预设算法分群 {#n3}
- 类别: 核心分析
- 位置: 40, 312
- 说明: |
  融合后用谱聚类或预设算法分群,并检查聚类数与参数敏感性。

### 通过共识、轮廓系数和重采样评估稳定性 {#n4}
- 类别: 核心分析
- 位置: 40, 448
- 说明: |
  通过共识、轮廓系数和重采样评估稳定性,再关联临床结局并校正混杂因素。

### 输出单层与融合网络、分群、稳定性和参数敏感性结果 {#n5}
- 类别: 结果输出
- 位置: 40, 584
- 说明: |
  输出单层与融合网络、分群、稳定性和参数敏感性结果。

## 使用原则

- 参考上述步骤、工具和依赖关系,结合本次目标、数据与可用工具安排研究过程。
- 可以调整顺序、补充必要检查或省略不适用的步骤,重要调整需说明原因。
- 用户本次的明确要求优先于此参考;关键意图不清楚时先提问。