用途：从表达数据构建加权基因共表达网络，检测共调控基因模块，用模块特征基因（eigengene）关联样本表型，并识别枢纽基因。
主要能力：覆盖 WGCNA（bulk 数据，边际相关 + 软阈值 + TOM）、hdWGCNA（单细胞，基于 metacell 缓解 dropout）、MEGENA（多尺度嵌套模块）、CEMiTool（快速初筛 + 富集 + HTML 报告）、GeneNet/图套索（偏相关，仅保留直接边）。提供模块-性状相关、kME 枢纽定义、modulePreservation 模块保守性检验，以及各方法失败模式与定量阈值。
使用方式：R 中先确认版本，如 packageVersion('<pkg>')；WGCNA 需在 pickSoftThreshold() 与 blockwiseModules() 中一致设置 networkType='signed'、TOMType='signed'，并用 bicor 与 maxPOutliers；maxBlockSize 应不小于基因数。单细胞用 hdWGCNA 的 MetacellsByGroups 与 ConstructNetwork。需要直接边时用 ggm.estimate.pcor() 与 network.test.edges()。
适用场景：bulk RNA-seq（样本≥15-20）做模块与性状关联；单细胞稀疏计数用 hdWGCNA；判断边为直接或间接用高斯图模型；预期层级结构用 MEGENA。
限制：共表达是边际相关，不等于调控关系；无向网络不能给出方向。尺度自由拓扑假设经验上较弱，R²≥0.8 只是启发式。样本少于 15 时相关估计噪声大，不建议强行使用。CEMiTool 返回 S4 对象需用访问器，且会静默过滤低方差基因；MEGENA 输出嵌套模块，不能直接套用 WGCNA 单模块单基因代码。具体收费与平台信息暂未提供。