multiExpr
我们的表达数据， 多组格式的表达式数据（见checkSets）。一个列表的向量，每组一个。每个集合必须包含一个包含表达数据的数据，行对应于样本，列对应于基因或探针。
checkMissingData
该检查数据中是否有过多的基因和样本的缺失项，以及是否有零方差的基因？
blocks
即需要给出自定义的每个基因对应的module信息。
可选的指定块，在这些块中应进行分层聚类和模块检测。如果给定，必须是一个数字向量，multiExpr的每个基因有一个条目，给出相应基因所属的区块的编号。
maxBlockSize
给出模块检测的最大块大小。如果上面的块不是NULL，则忽略。否则，如果datExpr中的基因数超过了maxBlockSize，基因将被预聚到大小不应超过maxBlockSize的块中。
blockSizePenaltyPower
超过了最大范围的区块应该被罚分多少。
number specifying how strongly blocks should be penalized for exceeding the maximum size. Set to a lrge number or Inf if not exceeding maximum block size is very important.
nPreclusteringCenters
在预聚类中使用的中心的数量。默认为nGenes/20和100*nGenes/maxBlockSize中的较小者，其中nGenes是multiExpr中基因（变量）的数量。
randomSeed
在函数启动前作为随机数发生器的种子的整数。如果当前的种子存在，它将被保存并在退出时恢复。如果给出NULL，函数将不保存和恢复种子。
IndividualTOMInfo
单个数据集的TOM矩阵的可选数据。这个对象由函数blockwiseIndividualTOMs返回。如果没有给出，将使用下面的网络构造选项计算适当的拓扑重叠。
useIndivTOMSubset
如果给出了individualTOMInfo，这个参数允许只选择individualTOMInfo中包含的个体集网络的子集。它应该是一个数字向量，给出要使用的各个集合的索引。注意，这个参数不适用于multiExpr。
corType
指定要使用的相关的字符字符串。允许的值是（唯一的缩写）"pearson "和 "bicor"，分别对应于Pearson和bidweight midcorrelation。缺失值用pariwise.complete.obs选项来处理。
maxPOutliers
仅用于corType=="bicor"。分别指定中位数两侧可被视为离群值的数据的最大百分数。对于中位数的每一边，如果高于maxPOutliers的百分位数被基于9*mad(x)的权重函数认为是异常值，那么权重函数的宽度就会增加，使中位数的那一边的异常值等于maxPOutliers。使用maxPOutliers=1将有效地禁用所有的权重函数加宽；使用maxPOutliers=0将得到相当类似（但不等于）Pearson相关的结果。
quickCor
介于0和1之间的实数，控制在计算相关性时对缺失数据的处理。
pearsonFallback
指定如果使用bicor计算，当中位数绝对偏差（mad）为零时，是否应该恢复到Pearson。重新定义的值是（缩写）"none", "individual", "all" ，如果设置为"none"，mad为零将导致相应的相关关系为NA。如果设置为"individual"，Pearson calculation将只用于有zero mad的列。如果设置为"all"，单个zero mad的存在将导致整个变量以Pearson相关的方式被处理（就像相应的robust选项被设置为FALSE）。对Pearson相关没有影响。参见bicor。
cosineCorrelation
逻辑：是否应该使用相关计算的余弦版本？余弦计算与标准计算的不同之处在于，它不减去平均值。
power
用于网络构建的软阈值功率。可以是一个单一的数字，也可以是一个与集数相同长度的向量，每个集数都有一个power。
networkType
网络类型。允许的值是（唯一的缩写）"unsigned", "signed", "signed hybrid"。See adjacency。
checkPower
logical: should basic sanity check be performed on the supplied power? If you would like to experiment with unusual powers, set the argument to FALSE and proceed with caution.
replaceMissingAdjacencies
逻辑：在计算相邻关系时，是否应该用0来替换缺失的值？
TOMType
"none", "unsigned", "signed", "signed Nowick", "unsigned 2", "signed 2" 和"signed Nowick 2"其中的一个。If "none", adjacency将会被用来聚类. See TOMsimilarityFromExpr for details.
