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

节点 n7 终选程序?按该运行锁定的规则最终选出的程序；可能是候选节点，也可能由护栏回退到基线。在终选来历上

trusted_base_shift 精修：外部 Qiu delta 按映射类型样本量做可靠性缩放 α·n/(n+200)，并取消 endocardial→Endothelium 映射；其余父节点5路径不变。低秩 PC 去噪已测试但未采用。

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 cc610ca68e: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 97b54d3cd3。改动的文件：solution/METHOD.md +24 −30、solution/run.py +16 −8

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 4f34bbf..f4b66d7 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,36 +1,30 @@-trusted_base_shift：预测基底一律取最近的官方（域内）输入阶段；外部/更早阶段只用来估计小步长、按类型收缩的伪批量位移，绝不直接当输出细胞。+trusted_base_shift 精修：外部 Qiu delta 按映射类型样本量做可靠性缩放 α·n/(n+200)，并取消 endocardial→Endothelium 映射；其余父节点5路径不变。低秩 PC 去噪已测试但未采用。  ## 方法 -父节点（pseudobulk_shift）在 proxy2 上把外部 Qiu E9.0（另一技术 sci-RNA-seq3、4402 个基因被 E8.5 均值补齐、只含心脏谱系 2174 个细胞）当作"最新输入"整体抽样输出，导致 cell_state 3.28、covariation 2.26 崩塌（均值补齐的基因列摧毁基因间协变，心脏-only 组成与全胚目标不符）。本节点把"状态"与"方向"解耦：--1. **基底选择（通用规则）**：base = 最新的非 external 官方输入（按 `manifest.inputs[].source` 判定，不写死阶段名）。proxy/proxy2 上 base=E8.5；final 上 base=E9.5，规则自动退化。-2. **两个官方阶段时（final 视图）**：delta_c = mean(last|c) − mean(prev|c)（`baselines.type_deltas`），乘全局系数 ALPHA_OFFICIAL=0.5。不默认 1：官方报告显示 T1 上 α=1 的常数位移 48.6 低于 copy_last。此路径在 proxy2 上无法校准，取保守中值。-3. **一个官方阶段 + 外部阶段时（proxy2 视图）**：外部标签与官方类型名不重合，用通用谱系知识做关键词映射（写入 `_EXT_KEYWORD_MAP`）：first heart field→LV-CM，second heart field→aSHF/pSHF，endocardial→Endothelium（依据：小鼠心脏发育中 FHF 主要贡献左室心肌、SHF 贡献 aSHF/pSHF、心内膜与内皮同源于侧板中胚层；来源为教科书级谱系关系，不涉及保留阶段测量）。对每对映射类型：-   - delta = mean(ext|t) − mean(base|o)，**只在该外部阶段真实覆盖的基因上计算**（`missing="zero"` 读入、用 `var["covered"]` 掩码，其余基因 delta=0，不把均值补齐列当测量）；-   - **经验贝叶斯逐基因收缩**：w_g = δ_g²/(δ_g²+se_g²)，se² 由两型均值的抽样方差（细胞级二阶矩）估计，压掉噪声基因；-   - **跨数据集去批**：减去所有映射 delta 的公共均值分量（批次偏移是各类型共有的），只保留类型间相对差；-   - 乘 ALPHA_EXTERNAL=0.3（外部 delta 只跨 0.5 天且跨技术，先验取小）。-   - 未匹配类型原样复制（安全退路）。-4. **单官方输入且无外部输入（proxy 视图）**：copy_last，与节点 1 相同。-5. 输出细胞数 = min(基底细胞数, max_cells)，`sample_rows` 不放回抽样；`shift_rows` 加 delta 后 clip≥0。--## 查分记录（proxy2，A 半；噪声约 ±2）--| 配置 | seed0 | seed1 |-|---|---|---|-| α=0（纯 E8.5 基底） | 50.40 | 49.33 |-| α=0.15 无去批无收缩 | 50.53 | - |-| α=0.3 去批 | 50.54 | 49.42 |-| **α=0.3 去批+收缩（交付默认）** | **50.55** | - |-| α=0.5 去批+收缩 | 50.08 | - |-| α=0.7 去批 | 49.55 | - |-| α=1.0 去批+收缩 | 48.82 | - |--对照：父节点 27.43。位移项相对 α=0 的总分提升（≈+0.1）在噪声内，但 direction（+2）与去批后的 de_recovery（+1.4）两个种子上一致为正、cell_state 损失 <1.5，故保留小步长位移而非退回 α=0。α 越大 direction 越高而 cell_state/covariation 越低，0.3 是折中。+基底与父节点5相同：最新官方（非 external）输入阶段作输出基底（proxy2 上=E8.5），外部 Qiu E9.0 只用来估计类型级伪批量位移（限真实覆盖基因、经验贝叶斯收缩、去公共批次分量、α=0.3）；双官方路径 α=0.5；单官方输入退化为 copy_last。本节点只改外部 delta 分支两处：++1. **可靠性缩放**：每个外部映射类型的位移再乘 `rel = n_t/(n_t+200)`（n_t=该外部类型细胞数，现场计算）。FHF(1511)→rel 0.88，SHF(352)→0.64；小样本类型的跨技术 delta 噪声更大，步长应更小。+2. **取消 endocardial→Endothelium 映射**：心内膜是特化谱系，按方法卡在 E9.5 前后正从内皮分出/改名；把心内膜特异 delta 平移到全部 Endothelium（基底中 1139 细胞的大群）是脱靶位移。取消后未匹配类型走安全退路（原样复制）。++**测过但未采用：低秩 PC 去噪**（PLAN 主方案）。把 delta 投影到 E8.5 自身 8000 细胞中心化 randomized SVD 的前 k 个 PC（k=50/100，β=1）。结果：α=0.3 时 2 seed 均分 49.80 vs 父 49.98，direction 反而降（51.6 vs 52.1，de_direction 0.052 vs 0.068）——PC 投影抹掉了 direction 指标依赖的逐基因 DE 方向；且去噪后 α=0.5 仍降分（49.88），说明卡住 α 上限的不是各向同性逐基因噪声，低秩假设不成立。故交付不含去噪。++## 查分记录（proxy2 A 半，噪声约 ±2；本节点共 11 次）++| 配置 | seed0 | seed1 | 均分 |+|---|---|---|---|+| 父节点5 复现（α=0.3） | 50.55 | 49.41 | 49.98 |+| 去噪 k50 β1 α=0.3 | 50.38 | 49.23 | 49.80 |+| 去噪 k50 α=0.5 | 49.88 | - | - |+| 去噪 k100 α=0.3 | 50.39 | - | - |+| 可靠性缩放 α=0.3 | 50.66 | 49.43 | 50.05 |+| 可靠性缩放 α=0.5 | 50.09 | - | - |+| **可靠性缩放 + 去 endocard（交付）** | **50.73** | **49.43** | **50.08** |++分组（交付配置，s0）：cell_state 49.27、covariation 52.16、de_recovery 50.96、direction 51.09。相对父节点：cell_state/covariation/de_recovery 略升、direction 略降（去掉 endocard 位移少了一部分方向信号），总分差全在 ±2 噪声内，但两个 seed 上交付配置均 ≥ 父复现，且机制上更干净（小样本降权、脱靶映射移除），按"不劣于父+可辩护"交付。  ## 验证过 / 没验证 -- 验证过：proxy2（打分 7 次）与 proxy（跑通、vec-check 数据不可用时以 run 成功+格式契约代码路径为准）两视图均能跑通且确定（同 seed 输出逐元素一致）；域内基底相对父节点 +23 分。-- 没验证：final 视图的 ALPHA_OFFICIAL=0.5（proxy2 上无法校准，只有先验依据）；类型映射在其它外部数据集标签上的泛化（关键词规则给出退路：映射不到就复制）。-- 合规：只读 view 内数据；未读 E9.5/E10.5/E12.5 或禁窗内任何测量；未读 `uns.celltype_palette`；类型映射与收缩参数全部现场从输入计算或来自通用谱系知识；比例/组成完全来自官方 E8.5 输入的经验分布。+- 验证过：proxy2 与 proxy 两视图跑通、同 seed 输出逐元素一致、vec-score check 通过；交付文件与查分文件逐元素一致。+- 没验证：final 视图的 ALPHA_OFFICIAL=0.5（proxy2 无法校准，与父节点相同的保守取值，双官方路径未动）；可靠性缩放公式 n/(n+200) 的 N0=200 未扫描；交付配置与父的分差（+0.1）远小于噪声，B 半可能排序相反。+- 合规：只读 view 内数据；未读 E9.5/E10.5/E12.5 或禁窗内测量；未读 `uns.celltype_palette`；映射与缩放全部现场从输入计算或来自通用谱系知识（FHF→左室心肌、SHF→aSHF/pSHF，教科书级心脏发育谱系关系；endocardium 为特化内皮谱系）。diff --git a/solution/run.py b/solution/run.pyindex f6d952b..a6f4476 100644--- a/solution/run.py+++ b/solution/run.py@@ -11,11 +11,13 @@ shrunk per-type pseudobulk delta.   shared type, scaled by ALPHA_OFFICIAL. - 1 official stage + external stage(s) (proxy2 view): the external stage's   author cell-type labels are mapped to official types via generic lineage-  knowledge (first heart field -> LV-CM, second heart field -> aSHF/pSHF,-  endocardial -> Endothelium). For each mapped pair,-  delta = mean(ext|t) - mean(base|o) restricted to genes the external stage-  actually covers (zero elsewhere), scaled by ALPHA_EXTERNAL. Unmapped types-  are copied unchanged.+  knowledge (first heart field -> LV-CM, second heart field -> aSHF/pSHF;+  endocardial is deliberately unmapped: it is a specialized lineage and+  shifting generic Endothelium by it hurt cell_state/covariation). For each+  mapped pair, delta = mean(ext|t) - mean(base|o) restricted to genes the+  external stage actually covers (zero elsewhere), scaled by ALPHA_EXTERNAL+  times a sample-size reliability factor n_t/(n_t+RELIABILITY_N0). Unmapped+  types are copied unchanged. - 1 official stage only (proxy view): plain copy_last with the same sampling. """ @@ -44,6 +46,7 @@ ALPHA_OFFICIAL = 0.5 ALPHA_EXTERNAL = 0.3 CENTER_EXTERNAL = True SHRINK_EXTERNAL = True+RELIABILITY_N0 = 200.0  # Generic lineage mapping: keywords in an external dataset's author labels -> # official E8.5 type names (mouse heart development: FHF contributes mainly to@@ -52,7 +55,11 @@ SHRINK_EXTERNAL = True _EXT_KEYWORD_MAP = [     ("first heart field", ["LV-CM"]),     ("second heart field", ["aSHF", "pSHF"]),-    ("endocard", ["Endothelium"]),+    # no endocard -> Endothelium mapping: endocardium is a specialized lineage+    # that separates from generic endothelium around/after this window; pushing+    # an endocardium-specific delta onto all Endothelium cells adds off-target+    # shift to a large population (dropping it improved cell_state/covariation+    # on both proxy2 seeds).     ("cardiomyocyte", ["LV-CM"]),     ("epicard", ["Pericardium"]), ]@@ -114,6 +121,7 @@ def main() -> None:                 continue             idx_e = np.flatnonzero(ext_labels == t)             m_ext = np.asarray(extA.X[idx_e].mean(axis=0), dtype=np.float64).ravel()+            rel = len(idx_e) / (len(idx_e) + RELIABILITY_N0)             for o in targets:                 idx_b = np.flatnonzero(base_labels == o)                 m_base = np.asarray(base_X_csr[idx_b].mean(axis=0), dtype=np.float64).ravel()@@ -126,10 +134,10 @@ def main() -> None:                     se2 = np.maximum(v_e, 0) / max(len(idx_e), 1) + np.maximum(v_b, 0) / max(len(idx_b), 1)                     d_raw = d_raw * (d_raw**2 / (d_raw**2 + se2 + 1e-12))                 d = np.zeros(len(genes), dtype=np.float32)-                d[covered] = (ALPHA_EXTERNAL * d_raw)[covered]+                d[covered] = (ALPHA_EXTERNAL * rel * d_raw)[covered]                 prev_d = deltas.get(o)                 deltas[o] = d if prev_d is None else (prev_d + d) / 2.0-                print(f"external shift: '{t}' -> '{o}' (alpha={ALPHA_EXTERNAL})", flush=True)+                print(f"external shift: '{t}' -> '{o}' (alpha={ALPHA_EXTERNAL}, rel={rel:.2f})", flush=True)         del extA         if CENTER_EXTERNAL and deltas:             # remove the component common to all mapped deltas (cross-dataset

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

完成。交付内容：在父节点5的 trusted_base_shift 外部 delta 分支上做了两处改动——(1) 按外部类型样本量做可靠性缩放 α·n/(n+200)；(2) 取消 endocardial→Endothelium 脱靶映射。PLAN 的主方案（低秩 PC 去噪）实测 direction 反而下降且未能抬高 α 上限，已弃用并记录。

查分（proxy2 A 半，11 次，2 seed）：父复现 49.98 均分；交付配置 50.73/49.43 → 50.08 均分，cell_state 49.27、covariation 52.16（s0）均略升；差距在 ±2 噪声内，但两 seed 一致不劣于父。proxy/proxy2 两视图跑通、确定性验证通过、格式检查通过。

下一步最值得试：final 视图的 ALPHA_OFFICIAL 校准（proxy2 无法验证，是本方法最大的未校准参数）；以及针对 cell_state 的按类型方差校正重抽样（E8.5 基底细胞云比 E9.5 更"紧"）。

调研员

```json
{
  "name": "外部位移低秩去噪：共表达PC投影平滑Qiu delta + 重扫α",
  "motivation": "父节点5最弱组是 cell_state 48.40，且 direction 52.11 仍低于 seed 节点1 的 54.45。对比节点4（纯E8.5基底无位移：cell_state 49.89 / direction 50.17）可知：外部Qiu位移买到了 +2 direction，却付出约 -1.5 cell_state——瓶颈是跨技术（sci-RNA-seq3、4402基因均值补齐）的逐基因批次噪声。父节点自己的α扫描证实这一点：α单调降分（0.3→50.54, 0.7→49.55, 1.0→48.82），说明当前对角式经验贝叶斯收缩不足以去噪，α上限被噪声卡死在0.3。若把delta投影到E8.5自身共表达结构的主PC空间去噪（真实生物学位移在共调控基因间高度协同、落在前几个PC上；跨技术独立噪声则近似各向同性、被投影滤除），预期能在同等cell_state损失下承受更大α，同时回收 direction 和 cell_state。",
  "approach": "在节点5的run.py外部delta分支上，只改'去批（CENTER_EXTERNAL）之后、乘ALPHA_EXTERNAL之前'一步，其余（基底选择、关键词映射、covered掩码、EB收缩、单官方copy_last退路、双官方α=0.5路径）全部保留不动：\n1) 低秩去噪：从 base E8.5 矩阵随机抽 8000 细胞（seed固定），对 covered 基因子集做中心化 randomized SVD（np/scipy svd，k_max=100，秒级），得右奇异向量 V_k（基因×k）。对每个类型 delta：proj = V_k(V_k^T δ)，δ' = (1-β)δ + β·proj。注意 proj 会把信号自然扩散到未覆盖基因——这是特性（共调控基因一起动，可为Qiu缺失的4402基因补上合法位移方向），不是泄漏，因为 V_k 完全来自官方E8.5输入。初值 k=50、β=1.0。\n2) 查分流程（vec-score，proxy2 A半，噪声±2，每配置尽量2个seed）：q1 复现父默认（期望≈50.5，验证环境一致）；q2-q3 去噪 k=50 β=1 α=0.3（seed0/1）；q4-q5 去噪 α=0.5（seed0/1）——去噪后噪声上限抬高，α=0.5 是回收 direction 的关键试探；若 α=0.5 均分>α=0.3，再 q6 试 α=0.7 seed0；若 β=1 使 de_recovery 掉>1.5，q7 试 β=0.5。\n3) 决策规则：选两seed均分最高的配置；若所有去噪配置相对父节点5的均分提升<1（噪声内），则比较分组——只要 direction +≥1.5 且 cell_state 损失<1 也接受；否则交付'去噪+α=0.3'（机制上更干净，不劣于父）。\n4) 单输入阶段退路：proxy视图（仅1官方输入、无外部）仍走 copy_last，本改动不触及；final视图双官方路径保持 ALPHA_OFFICIAL=0.5 不变（去噪只挂在 external 分支，避免未校准改动进入final）。可选（时间富余才做）：按外部类型细胞数做可靠性缩放 α_t = α·n_t/(n_t+200)，弱化小样本映射类型（如 endocardial→Endothelium）的位移。",
  "expected_groups": ["direction", "cell_state", "de_recovery"],
  "risks": "1) PC投影可能抹掉稀疏但真实的单基因DE信号，导致 de_recovery 下降——Engineer 在每次查分时同时记录四组分，若 de_recovery 掉>1.5 立即改 β=0.5 或 k=100；2) 全部增益可能落在±2噪声内——所以每个候选配置必须2个seed、按均分比较，单seed差<2一律不算数；3) 去噪后α=0.5仍可能因残余批次偏移降分（父节点α=0.5已测得50.08）——去噪与α是联合变量，先固定α=0.3验证去噪本身（q2-q3 vs q1），再动α；4) SVD内存/耗时：8000×27883子矩阵的randomized SVD应在数秒内、<1GB，若超时就降到4000细胞或k=30。",
  "sources": []
}
```

审查员

REVIEW.json written