总览 · ← 返回运行 20261001-233756-search-t1-abc-r0-A-era

节点 n2 在终选来历上

official-base copy_last（外部阶段不作基底，去掉有害的伪批量平移）

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 a5593c0de3: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 3988fbfbda。改动的文件：solution/METHOD.md +48 −0、solution/run.py +17 −19

diff --git a/solution/METHOD.md b/solution/METHOD.mdnew file mode 100644index 0000000..01d56f2--- /dev/null+++ b/solution/METHOD.md@@ -0,0 +1,48 @@+# official-base copy_last（外部阶段不作基底，去掉有害的伪批量平移）++## 方法++预测 = 从**最新官方输入阶段**按 `target_n_cells` 随机抽样（`np.random.default_rng(seed)`，给定 seed 确定）。不做任何表达平移。++阶段选择逻辑（不写死阶段名，遍历 manifest）：+- `official = inputs_by_time(manifest, include_external=False)`；非空则以最新官方阶段为基底。+- 官方阶段为空（X3 型视图，两个输入都是外部心脏数据）时，才用全部输入里的最新阶段。++各视图行为：+- `proxy`（只有官方 E8.5）：copy_last E8.5。+- `proxy2`（官方 E8.5 + 外部 Qiu E9.0 心脏）：**忽略 Qiu 作为基底**，copy_last 官方 E8.5。父节点在 proxy2 上把 Qiu 心脏细胞直接当全胚预测输出，得 27.43；本节点 50.40。+- `final`（官方 E8.5+E9.5）：copy_last E9.5，不平移。+- `X3`：copy_last Qiu E9.0（全 2174 细胞，未达上限），输出基因按该视图 genes.txt。++## 为什么去掉平移（查证过的证据）++1. 在 X3 上实测：对 E8.75→E9.0 的按类型伪批量差值做平移得 **40.33**，同一抽样不平移得 **50.00**（A 半，seed 0）。差值平移显著有害。+2. 方法卡记载官方 pseudobulk_shift 在真实 T1 上 48.6，低于 copy_last。+3. 因此对所有 ≥2 阶段的视图（含 final）统一不平移。这是数据驱动的决定，不是省事。++## 试过并否决的方向（本节点内实测）++- **PCA 低秩去噪重建**（30 / 100 成分，proxy）：de_recovery 50→51.5，但 covariation 51.3→**5.9**（variogram 恶化 15 倍），总分 40.9/41.2，远低于 copy_last 50.4。PLAN 里的 kNN 平滑同理会抹掉细胞间方差，未再单独测（PCA 已证明协方差组对任何平滑极其敏感）。+- **用 Qiu E9.0 给官方 E8.5 的心脏类型加跨数据集差值**：proxy2 视图内没有 Qiu 的第二个时间点，跨技术差值被批次效应污染，且心脏类型标签不可对齐，未实施。++## 查分记录（A 半，seed 0，除注明外）++| 视图 | 本节点 | 父节点 |+|---|---|---|+| proxy | 50.40 | 50.04 |+| proxy2 | 50.40 | 27.43 |+| X3 | 50.00 | 40.53 |+| proxy seed1 | 49.33 | - |++估计节点分 ≈ 50.3（父 39.34）。seed 间 ±1 属抽样噪声。++## 验证过 / 未验证++- 验证：三个视图 `vec-check` 全部 ok；seed 0/1 均能跑；运行 ~4s、内存远低于限额；输出确定。+- 未验证：final 视图（本地无该视图构造），但代码路径与 proxy 的单阶段分支一致，仅多一个 `inputs_by_time` 排序取最新，风险低。+- 未使用任何保留阶段（E10.5/E12.5、禁窗 9.5<E≤13.5）或保留基因型的信息；程序只读视图内输入文件，无硬编码统计量、无外部生物学先验。++## 下一步建议++1. proxy 单阶段下 copy_last 似乎接近该视图可达上限（~50±1）；提分空间在 final（两个官方阶段）——但 X3 证据表明朴素差值平移有害，可试**按基因程序（GO/Reactome 通路）约束的、幅度收缩且仅作用于高置信类型的平移**，并先在 X3 上验证符号。+2. cell_state/covariation 对平滑零容忍、对噪声结构敏感：任何生成式方法必须保留单细胞级噪声（例如按类型重采样经验云 + 保留残差，而非均值化）。diff --git a/solution/run.py b/solution/run.pyindex f3a0f25..de245fe 100644--- a/solution/run.py+++ b/solution/run.py@@ -1,13 +1,16 @@ #!/usr/bin/env python3-"""pseudobulk_shift: latest stage + per-cell-type pseudobulk delta of the last step.--The delta is mean(last|type) - mean(prev|type) over the two latest inputs,-computed on the full stages and added once to a subsample of the latest stage-(clipped at 0). Types missing from the earlier stage are copied unchanged.--With a single input stage (T1 proxy: E8.5 only) there is no step to take a-delta from, so this falls back to copy_last with the same sampling. The proxy-therefore cannot tell this seed from copy_last; that gap is expected.+"""official-base copy_last.++Base cells are sampled from the latest OFFICIAL input stage whenever one+exists; external stages (proxy2's Qiu heart-only E9.0) are never used as the+base for official targets, because their cell-type composition covers only a+single lineage and their technology differs. External stages are used only+when no official stage exists (X3-style views).++No pseudobulk shift is applied: measured on X3 (E8.75+E9.0 -> E9.5) the+last-step per-type delta HURT (40.3 vs 50.0 for plain copy), matching the+organisers' report that pseudobulk_shift on real T1 (48.6) is below+copy_last. So this is copy_last on the best available base. """  from __future__ import annotations@@ -16,10 +19,8 @@ import argparse  import numpy as np -from src.task1_temporal.baselines import shift_rows, type_deltas from src.task1_temporal.view_io import (     inputs_by_time,-    labels_of,     load_manifest,     panel_genes,     read_stage,@@ -38,17 +39,14 @@ def main() -> None:      manifest = load_manifest(args.data)     genes = panel_genes(args.data, manifest)-    stages = inputs_by_time(manifest)++    official = inputs_by_time(manifest, include_external=False)+    stages = official if official else inputs_by_time(manifest)+     last = read_stage(args.data, stages[-1], genes)     rng = np.random.default_rng(args.seed)     rows = sample_rows(last.n_obs, target_n_cells(manifest, last.n_obs), rng)-    X = last.X[rows]-    if len(stages) >= 2:-        prev = read_stage(args.data, stages[-2], genes)-        deltas = type_deltas(prev.X, labels_of(prev), last.X, labels_of(last))-        del prev-        X = shift_rows(X, labels_of(last)[rows], deltas)-    write_prediction(X, genes, args.out, seed=args.seed)+    write_prediction(last.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

完成。总结：

- **做了什么**：诊断出父节点 proxy2 崩溃的原因——它把外部 Qiu 心脏细胞（2174 个、单谱系、异技术）直接当全胚预测。改为：基底永远取最新**官方**阶段（无官方阶段才用外部，即 X3）；并实测证明按类型伪批量差值平移有害（X3：40.33 vs 50.00），故全面去掉平移，退为 official-base copy_last。同时实测否决了 PLAN 的 PCA/kNN 平滑方向（covariation 51→6，灾难性）。
- **查分**（A 半）：proxy 50.40、proxy2 50.40、X3 50.00，估计节点分 ≈50.3（父 39.34，+11）。三视图 vec-check 通过，seed 0/1 确定，运行 ~4s。用了 8 次查分。
- **下一步最值得试**：final 视图上带通路约束、幅度收缩、仅高置信类型的差值平移（先在 X3 验证符号）；任何生成式方法必须保留单细胞级噪声，平滑类操作对 covariation 是致命的。

调研员

```json
{
  "name": "kNN-smoothed covariance-aware prediction with conservative proxy2 shift",
  "motivation": "父节点最弱分组是 covariation=22.56（远低于 de_recovery=49.13 和 direction=50.96），说明直接复制/平移细胞的基因共变结构很差。同时 proxy2=27.43 是最弱尺子：当前方法对 Qiu 心脏 delta 不加区分地应用，导致非心脏谱系和缺失基因区域引入伪相关。covariation 和 proxy2 同时改善可带来最大分数提升（当前总分 39.34，若 proxy2 提升 10 分且协方差改善 5 分，总分可涨 ~5 分）。",
  "approach": "步骤：\n1. **PCA 去噪 + kNN 平滑（改善 covariation）**：读入最新阶段后，取前 30 个 PCA 成分（用 IncrementalPCA，与文献库 k004 一致），将每个细胞投影再重建（denoise）。然后在 PCA 空间建 kNN 图（k=15），对每个细胞用邻居加权均值（权重=高斯核，带宽=中位距离）替换其表达。这减少技术噪声、保留生物协方差。参数：n_pcs=30, k=15, 带宽=中位欧氏距离；搜索范围 n_pcs∈{20,30,50}, k∈{10,15,25}。\n2. **保守类型平移（仅 proxy2 生效）**：当 len(stages)>=2 时，只对两个阶段都存在的类型计算 delta，且乘以 alpha=0.3（因 Qiu 是不同技术、仅心脏谱系，全量应用有害）。对缺失基因（Qiu 只覆盖 27883 个），不用 E8.5 均值补齐后再算 delta，而是直接跳过该基因的 delta（设为 0）。非共有类型原样复制。搜索范围 alpha∈{0.1,0.3,0.5}。\n3. **分层抽样保持组成**：用 target_n_cells 确定总数，按类型比例分层抽样（与父节点一致）。\n4. **单阶段退路（proxy/X3）**：只有 1 个输入时跳过 delta，仅执行 PCA 去噪 + kNN 平滑 + 分层抽样。\n5. **快速筛选**：先用 2000 细胞子集跑 3 组参数（n_pcs×k），用 vec-score 查 A 半分数，选最优后全量跑。预计全量 <60s（PCA+kNN 在 3000 细胞×30 维很快）。\n关键实现：sklearn.neighbors.NearestNeighbors 建图，numpy 矩阵运算做平滑，无需 GPU。",
  "expected_groups": ["covariation", "cell_state"],
  "risks": "1) kNN 平滑过度（k 太大或带宽太小）会抹平真实生物异质性，导致 cell_state 和 de_recovery 下降；Engineer 应在子集上观察分组分数变化，若 cell_state 降 >3 分则减小 k 或增大带宽。2) alpha=0.3 对 proxy2 可能仍太高或太低；若 proxy2 无改善，尝试 0.1 和 0.5。3) PCA 去噪可能丢失高方差基因信号；若 de_recovery 下降，可将 n_pcs 提高到 50。4) 分数噪声 ~2 分，若提升 <3 分需跑 2 个种子确认。"
}
```

审查员

REVIEW.json written