用途：从批量表达矩阵和样本分组文件构建WGCNA加权基因共表达网络，过滤变异基因、识别模块并关联性状。
主要能力：按MAD分位数与最小值过滤变异基因；用pickSoftThreshold()选择软阈值；用blockwiseModules()构建模块；计算模块-性状和基因-性状相关性；按绝对相关性排序并导出模块；生成软阈值图、样本聚类图、基因聚类模块图、模块特征基因热图、TOM热图、模块-性状热图和模块成员-性状散点图；输出SFT拟合表、模块-性状相关与p值表、模块分配表、选中模块汇总、各模块基因表、分析摘要、net.rds、analysis_objects.rds及TOM RData。
用法：Rscript scripts/main.R --input_file ./expression_matrix.csv --group_file ./group_info.csv --output_dir ./output/ --sample_column sample --group_column group --network_type unsigned --cor_type pearson --mad_quantile 0.25 --min_mad 0.01 --max_genes 5000 --min_module_size 30 --merge_cut_height 0.25 --soft_r2_cutoff 0.85 --module_of_interest auto --top_modules 1 --tom_sample_size 400 --chunk_size 0 --seed 42 --timeout_seconds 0。输入矩阵CSV首列为基因ID，表头为样本ID，表达值须为数值；分组文件至少含样本列与分组列，样本ID须与矩阵列名一致、唯一，至少两组。
适用场景：批量RNA表达数据的共表达网络分析。
限制：不适用于单细胞RNA-seq、甲基化数据、差异表达检验或其他非WGCNA流程；数据过小或QC后过小不应继续；用户仅想讨论而不执行分析时不适用。部分依赖R包需预先安装，参数与错误代码以资料为准。