总览 · ← 返回运行 20261001-204440-search-t1-g21q-B

节点 n4

稳健锚点选择：只用通过 QC 的官方全基因覆盖输入作输出底座（proxy2 上排除外部 Qiu E9.0，锚定 E8.5）；两个可信官方阶段时才启用类型匹配阻尼伪批量位移。

方法说明?节点程序自带的 METHOD.md：这个程序做了什么、为什么。

来自 programs.git 36fb834dac:solution/METHOD.md

调研员的计划

代码改动?这个节点的程序和父节点程序的逐行差别：绿色是新增，红色是删除。

对比：父节点版本 6cf04a4f19。改动的文件：solution/METHOD.md +32 −0、solution/README.md +0 −4、solution/run.py +121 −4

diff --git a/solution/METHOD.md b/solution/METHOD.mdnew file mode 100644index 0000000..1873cb1--- /dev/null+++ b/solution/METHOD.md@@ -0,0 +1,32 @@+稳健锚点选择：只用通过 QC 的官方全基因覆盖输入作输出底座（proxy2 上排除外部 Qiu E9.0，锚定 E8.5）；两个可信官方阶段时才启用类型匹配阻尼伪批量位移。++## 方法++1. **锚点选择（本节点核心改动）**：`trusted_inputs()` 遍历 `manifest["inputs"]`（按时间排序），排除：+   - `source: "external"` 的输入；+   - 基因覆盖 < 99%（`covered_mask`）的输入；+   - 无标签 QC 异常：常数列比例 > 池内中位数 + 0.15 的输入。+   锚点 = 最后一个通过者。proxy2 上锚点 = 官方 E8.5（外部 Qiu E9.0 因 external + 13.6% 基因被均值补齐被排除）；proxy 上 = 唯一输入 E8.5；final 上 = E9.5（两输入均官方，退化路径正确）。+2. **输出**：锚点细胞 `sample_rows` 无放回抽到 `target_n_cells`（5118），表达与组成不改动，`write_prediction` 输出。+3. **信任门控位移（仅在 ≥2 个可信输入时启用，proxy/proxy2 上不触发）**：对最后两个可信阶段的同名细胞类型计算 log 空间伪批量差 `delta_c`，`x_new = clip(x + α·r·delta_c, 0)`，α=0.5，r = (t_target − t_last)/(t_last − t_prev)。上一阶段不存在的类型不动。该分支只在 final 视图生效。++## 验证过什么++- proxy2（seed 0）：`vec-score` A 半 **50.40**（父节点 copy_last 27.43；四组全部回到/超过 50 地板：cell_state 50.29、covariation 51.28、de_recovery 50.0、direction 50.23）。格式 `vec-check --task T1:val/proxy2` ok。+- proxy 视图：run.py 跑通（单输入退化为 copy E8.5），输出通过 run_candidate 同款写出路径。+- Qiu 心脏位移支线（试验后**放弃**）：把 Qiu E9.0 心脏伪批量与 E8.5 心脏类型（aSHF/pSHF/CM 系列/JCF/Pericardium/Endothelium）伪批量做差（去中位数、clip ±0.5）加到锚点心脏细胞上，score 35.42——cell_state 22.6、covariation 13.9，跨数据集批次效应压倒 0.5 天发育信号（原始差里 mt-/核糖体基因 −3~−4.8 主导）。不并入。+- 位移分支代码路径用合成配对（E8.5 vs E8.5）单测过：scale=0 时输出不变，scale>0 时有限、非负。++## 没验证什么++- final 视图（E8.5+E9.5）上 α=0.5、r=1 的位移分支无法在本节点数据上验证（E9.5 为保留阶段，不能读）。α 未调参；方法卡提示官方常数位移在 T1 为 48.6 < copy_last，若 final 上位移有害，应把 α 降到 0（纯 copy E9.5）。+- QC 阈值（coverage 0.99、const_frac margin 0.15）只在本 run 的两个视图输入上核对过。++## 生物学知识来源++- 心脏谱系类型名（aSHF/pSHF/CM 亚型等）来自视图内官方 E8.5 输入的 `obs["celltype"]` 列（已发布阶段数据，允许使用），仅用于已放弃的 Qiu 支线和 final 视图的同名类型配对；未使用任何保留阶段/禁窗测量信息。+- 未使用 `uns.celltype_palette`、未读保留阶段数据、未硬编码任何阶段统计量。++## 确定性++`np.random.default_rng(seed)`，无全局随机状态；同 seed 输出确定。proxy2 运行 ~6 s、峰值内存 <2 GB（限额 28 GB / 30 min）。diff --git a/solution/README.md b/solution/README.mddeleted file mode 100644index e6cdf6f..0000000--- a/solution/README.md+++ /dev/null@@ -1,4 +0,0 @@-# copy_last--输出最新一个输入阶段（proxy：E8.5；final：E9.5），随机无放回抽到榜的细胞上限（T1 5118）。-不改表达，不改组成。这是地板：proxy 预期 ≈ 50（seed 0 实测 49.77；抽到 5118 个细胞，比整份 E8.5 的 50.00 略低）。diff --git a/solution/run.py b/solution/run.pyindex aa4bbf0..c624bab 100644--- a/solution/run.py+++ b/solution/run.py@@ -1,13 +1,30 @@ #!/usr/bin/env python3-"""copy_last: the latest input stage, subsampled into the board's cell range."""+"""Robust anchor selection + trust-gated damped per-type pseudobulk shift.++Anchor = latest input stage that is official AND fully covers the gene panel+AND passes label-free QC (constant-column fraction not far above the pool+median). External / partial-coverage stages (e.g. Qiu E9.0 on proxy2, 13.6%+of genes mean-filled) are never used as the output backbone.++Shift branch: only when at least two trusted (unflagged) input stages exist+with a time gap, compute per-celltype pseudobulk delta between the last two+trusted stages and apply x_new = clip(x + alpha * r * delta_c, 0) to cells of+matching types (alpha damped, r = temporal extrapolation factor). Types absent+from the earlier stage are left untouched. On proxy2 only one trusted input+exists, so this reduces to copying the E8.5 anchor; on proxy (single input)+same; on final (E8.5+E9.5, both official) the shift is applied to the E9.5+anchor.+"""  from __future__ import annotations  import argparse  import numpy as np+from scipy import sparse  from src.task1_temporal.view_io import (+    covered_mask,     inputs_by_time,     load_manifest,     panel_genes,@@ -17,6 +34,87 @@ from src.task1_temporal.view_io import (     write_prediction, ) +ALPHA = 0.5+CONST_FRAC_MARGIN = 0.15  # flag if const_frac > pool_median + margin+++def qc_stats(adata) -> tuple[float, float]:+    X = adata.X+    mean = np.asarray(X.mean(axis=0)).ravel()+    sq = np.asarray(X.multiply(X).mean(axis=0)).ravel()+    var = sq - mean * mean+    const_frac = float((var <= 1e-12).mean())+    det_med = float(np.median(np.diff(X.indptr) / X.shape[1]))+    return const_frac, det_med+++def trusted_inputs(view, manifest, genes) -> list[dict]:+    """Input entries sorted by time, keeping only trusted (anchor-eligible) ones."""+    entries = inputs_by_time(manifest)  # includes external on proxy2+    info = []+    for e in entries:+        external = e.get("source", "official") == "external"+        cov = float(covered_mask(view, e, genes).mean()) if e.get("genes_file") else 1.0+        info.append({"entry": e, "external": external, "coverage": cov})+    # load QC for candidate (non-external, full-coverage) stages+    official = [d for d in info if not d["external"] and d["coverage"] >= 0.99]+    if not official:+        official = [d for d in info if not d["external"]] or info+    stats = {}+    for d in official:+        adata = read_stage(view, d["entry"], genes)+        stats[id(d["entry"])] = qc_stats(adata)+        del adata+    consts = np.array([stats[id(d["entry"])][0] for d in official])+    med = float(np.median(consts))+    trusted = []+    for d in official:+        const_frac, _ = stats[id(d["entry"])]+        if const_frac <= med + CONST_FRAC_MARGIN:+            trusted.append(d["entry"])+    if not trusted:+        trusted = [official[int(np.argmin(consts))]["entry"]]+    return trusted+++def type_deltas(view, prev_entry, last_entry, genes):+    """Per-celltype log-space pseudobulk delta (last - prev) for shared types."""+    prev = read_stage(view, prev_entry, genes)+    last = read_stage(view, last_entry, genes)+    if "celltype" not in prev.obs.columns or "celltype" not in last.obs.columns:+        return None, None, None+    pl = prev.obs["celltype"].astype(str).to_numpy()+    ll = last.obs["celltype"].astype(str).to_numpy()+    deltas = {}+    for t in np.unique(ll):+        m = ll == t+        if not np.any(pl == t):+            continue+        pm = np.asarray(prev.X[pl == t].mean(axis=0)).ravel()+        lm = np.asarray(last.X[m].mean(axis=0)).ravel()+        deltas[t] = (lm - pm).astype(np.float32)+    return deltas, last, ll+++def shift_rows(X, labels, deltas, scale):+    X = X.tocsr().astype(np.float32)+    blocks = []+    src_rows = []+    for t in np.unique(labels):+        rows = np.flatnonzero(labels == t)+        block = X[rows]+        d = deltas.get(t)+        if d is not None and scale > 0:+            arr = block.toarray()+            arr += scale * d+            np.clip(arr, 0, None, out=arr)+            block = sparse.csr_matrix(arr.astype(np.float32))+        blocks.append(block)+        src_rows.append(rows)+    out = sparse.csr_matrix(X.shape, dtype=np.float32)+    out[np.concatenate(src_rows)] = sparse.vstack(blocks)+    return out.tocsr()+  def main() -> None:     parser = argparse.ArgumentParser()@@ -27,10 +125,29 @@ def main() -> None:      manifest = load_manifest(args.data)     genes = panel_genes(args.data, manifest)-    last = read_stage(args.data, inputs_by_time(manifest)[-1], genes)+    trusted = trusted_inputs(args.data, manifest, genes)     rng = np.random.default_rng(args.seed)-    rows = sample_rows(last.n_obs, target_n_cells(manifest, last.n_obs), rng)-    write_prediction(last.X[rows], genes, args.out, seed=args.seed)++    last = read_stage(args.data, trusted[-1], genes)+    X = last.X+    labels = (+        last.obs["celltype"].astype(str).to_numpy()+        if "celltype" in last.obs.columns+        else None+    )++    if len(trusted) >= 2 and labels is not None:+        t_prev, t_last = trusted[-2]["time"], trusted[-1]["time"]+        t_tgt = manifest.get("target", {}).get("time")+        r = 1.0+        if t_tgt is not None and t_last > t_prev:+            r = max(0.0, (t_tgt - t_last) / (t_last - t_prev))+        deltas, _, _ = type_deltas(args.data, trusted[-2], trusted[-1], genes)+        if deltas:+            X = shift_rows(X, labels, deltas, ALPHA * r)++    rows = sample_rows(X.shape[0], target_n_cells(manifest, X.shape[0]), rng)+    write_prediction(X[rows], genes, args.out, seed=args.seed)   if __name__ == "__main__":

调研来源?调研员查到并用到的知识条目和文献检索结果（只列标题和编号）。

用到的知识库条目

分析结果?分析员写的 ANALYSIS.json：改了什么、各组分数怎么变、假设是否成立、经验和下一步建议。

对话摘要?每个角色和大模型对话的统计：轮数、工具调用、用时、token 数和最后的回答摘录；原始记录只给路径。

只给统计和最后回答的摘录；完整对话请到原始记录位置里列出的文件看。

分析员

ANALYSIS.json written

工程师

**做了什么**：父节点（copy_last）在 proxy2 上盲目复制外部 Qiu E9.0 心脏细胞导致崩溃（27.43）。改为稳健锚点选择：排除 external/基因覆盖<99%/QC 异常的输入，锚定最后一个可信官方阶段（proxy2 上=E8.5，final 上=E9.5，proxy 单输入退化正确）；另含信任门控的类型匹配阻尼位移分支（仅 ≥2 可信官方阶段时启用，即 final 视图，α=0.5，已合成单测）。

**查分**（用 2/20）：
- 纯锚点 copy E8.5 → proxy2 A 半 **50.40**（cell_state 50.29 / covariation 51.28 / de_recovery 50.0 / direction 50.23），vs 父 27.43，+23 分。
- Qiu 心脏位移支线 → 35.42（批次效应压倒信号），**放弃**。

`vec-check` 通过，seed 0 确定性验证通过，proxy/proxy2 两视图均跑通（~6 s）。

**下一步最值得试**：final 视图上位移分支的 α 调参（方法卡显示 α=1 常数位移 48.6 < copy_last，建议试 α∈{0, 0.3} 或仅对高置信同名类型位移）；proxy2 上四组都贴着 50 地板，想突破需要 E8.5→E9.5 的真实发育信号——可尝试用 prior/（Reactome、TF regulons）构造谱系驱动的基因程序位移，而非跨数据集伪批量差。

调研员

irection 54.45 只是地板。实验表里节点 2、3（heart_jcf_peri、pseudobulk_shift）同为 27.43 且四组分几乎相同，说明它们同样以外部输入为底，问题未被任何兄弟节点触及。改为锚定最可信的官方输入（proxy2 上是 E8.5，全基因覆盖、同技术、全胚），仅凭 copy 即可让四组都回到 ~50 地板（proxy 视图 copy E8.5 实测 49.77），预期总分 27.43 → ~48-50，远超 T1 噪声（约 2 分）。",
  "approach": "改 run.py，两步，全部只用 view_io 视图数据，不看标签打分：\n\n【第 1 步：稳健锚点选择（核心，先做先查分）】\n1) inputs_by_time 读全部输入阶段。对每个输入做无标签 QC：a) 常数列比例（方差为 0 的基因占比；被均值补齐的基因必为常数，Qiu 输入 ≥4402/32285≈13.6%）；b) 每细胞检出率中位数（非零基因占比），与其他输入差 >0.15 视为技术异常。\n2) 规则：从最后一个输入往前找第一个未 flagged 的输入作锚点；若全部 flagged，选常数列比例最低者。阈值初值：常数列比例 >5% 或检出率差 >0.15 即 flag（不必细调，Qiu 是 13.6% vs 官方 ~0，间隔很大）。\n3) 输出 = 锚点细胞 sample_rows 到 target_n_cells，write_prediction。proxy2 上锚点=E8.5；final（E8.5+E9.5 均官方）上锚点=E9.5，退化为 copy_last，天然迁移；proxy 单输入退路=唯一输入即锚点，等价 copy_last。\n4) 用 vec-score 查分确认 ≈48-52（A 半，seed 0），1-2 次查询。\n\n【第 2 步：信任门控的阻尼位移（第 1 步确认后再加）】\n5) 仅当存在两个都未 flagged 的输入（即 proxy2 上不启用、final 上启用）时：对同名细胞类型 c 计算 delta_c = mean(last|c) − mean(prev|c)（log 空间），x_new = clip(x + α·r·delta_c, 0)；上一阶段不存在的类型不动（照 k018/pseudobulk_shift 配方）。α 初值 0.5，搜索 {0, 0.3, 0.5, 0.7, 1.0}（官方 α=1 曾低于 copy_last，故从中低起）；r 为时间外推因子，若 manifest 可读目标时间则 r=(t_target−t_last)/(t_last−t_prev)（final 上 =1.0），读不到则 r=1。\n6) proxy2 上第 2 步不触发（Qiu 被 flag），故不需要跨数据集调和；若 Engineer 有余力，可做一个可选支线：把 Qiu 按基因做分位数匹配到 E8.5 边缘分布后，仅对心脏类型细胞施加 α∈{0.3,0.5} 的同款位移，或小比例 w∈{0.1,0.2} 混入锚点群体——每个变体查 1 次分，只有比纯锚点高 >2 分（噪声）才保留，否则 α=0 收工。此支线是通用外部数据利用（T1-10 家族），不依赖 0.5 天间隔或心脏特异性。\n\n【查分预算】第 1 步 1-2 次；α 网格在 proxy2 上不触发、留给支线 2-4 次；总计 ≤8 次，远低于 20。运行耗时预计与父节点同级（<10 s）。",
  "expected_groups": ["cell_state", "covariation", "de_recovery", "direction"],
  "risks": "1) QC 阈值误伤：final 上官方 E9.5 若因稀疏性被判技术异常会错误锚定 E8.5——Engineer 先在两个视图上打印各输入的常数列比例与检出率再定阈值，确认官方输入全部通过。2) proxy2 A 半与 B 半地板差异：copy E8.5 的 A 半分可能不是 50 而是 45-55，只要比 27.43 高 >2 分即为真进步，不必追小数点。3) 支线跨数据集位移被批次效应主导，反而拉低 covariation/de_recovery——用 >2 分噪声门槛守门，不达标就交纯锚点版本。4) 类型标签若在输入中不可用，第 2 步无法按类型分组——退路：全局单一 delta（所有细胞共享），仍受 α 阻尼与信任门控保护。5) 第 1 步本身预期 +20 分以上、远超噪声，若查分未见大涨说明锚点选择逻辑有 bug（例如仍复制了 Qiu），应立即打印所选锚点阶段名核对。",
  "sources": []
}
```

审查员

REVIEW.json written