总览 · ← 返回运行 20261002-034201-search-t1-abc-r1-A-era

节点 n21

系统证否 PLAN 的型内高方差基因 PC1 成熟度轴：正向、负向、|PC1| 平方惩罚三种形式增益均 <0.4 分且 de_recovery 下降，默认回退父节点 15 配置（三视图输出与父逐字节一致），保留可选轴代码 A_PC1/A_PA（默认 0）。

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 da4b01d47e: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 3b257ef4a5。改动的文件：solution/METHOD.md +25 −32、solution/run.py +89 −1

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 3ca66bc..9607af0 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,48 +1,41 @@-在父双权重重抽样上新增型内成熟度轴：外部Qiu E9.0与官方E8.5基因级delta（屏蔽核糖体/线粒体技术家族）投影到细胞、去型内均值，A_EXT=0.2；仅proxy2生效，其余视图与父逐字节一致。+系统证否 PLAN 的型内高方差基因 PC1 成熟度轴：正向、负向、|PC1| 平方惩罚三种形式增益均 <0.4 分且 de_recovery 下降，默认回退父节点 15 配置（三视图输出与父逐字节一致），保留可选轴代码 A_PC1/A_PA（默认 0）。 -## 方法（默认 = 父节点 9/11 配置 + A_EXT 轴）+## 方法（默认 = 父节点 15 配置） -- 基底、类型层（A_TP=−0.55, A_TA=0.25）、细胞层代谢轴（A_CM=0.7）、E-S 无放回加权抽样：全部与父节点相同。-- **新增 A_EXT（外部成熟度轴，默认 0.2，EXT_COND=1）**，仅当视图存在晚于最新官方阶段的外部输入阶段（proxy2 的 Qiu E9.0 心脏）且基底为单官方阶段时激活：-  1. covered 掩码（27,883 基因）下取两阶段基因均值剖面，各自跨基因 unit 归一（消全局批次均值/尺度差），得 delta_g；-  2. **屏蔽技术基因家族**：`mt-*`、`Rpl*`、`Rps*`、Fau、Ptma（跨平台捕获效率差异的主要来源；实测未屏蔽时 top|delta| 几乎全是核糖体/线粒体基因，屏蔽后 top 变为 Slc8a1、Ttn、Ryr2、Cacna1c、Myh6、Myocd、Ctnna3、Tnnt2 等真实心脏成熟基因，符号均为正 = E9.0 上调）；-  3. 每细胞行中心化/缩放后与 unit(delta) 点积 → zscore（clip±3）得 z_ext；-  4. **EXT_COND：按细胞型去均值再 zscore** —— 只改型内细胞排序，不改全局类型组成（Qiu 只有心脏谱系，未去型均值时投影=“心脏化”方向，全局应用实测有害，见下）。-- 外部数据只用于计算 delta（表达均值），绝不进入输出基底或输出细胞。+- 基底、类型层（A_TP=−0.55, A_TA=0.25）、细胞层代谢轴（A_CM=0.7）、型内外部成熟度轴（A_EXT=0.2, EXT_COND=1，仅 proxy2 激活）、E-S 无放回加权抽样：全部与父节点相同，未改任何默认值。+- **新增可选轴（默认全关，A_PC1=0, A_PA=0）**：`within_type_pc1_axis` 对每个 ≥MIN_TYPE_CELLS 的细胞型取型内方差 top-K 基因（排除 CYCLE），中心化后 SVD 取 PC1 投影，按与 z_met 的相关定向（|corr|<1e-9 时用 DIFF 标记载荷和打破平局），型内 zscore(clip±3)；A_PC1 为方向性权重项，A_PA 为 exp(−A_PA·z²) 的方向无关极端惩罚项。仅在视图存在官方输入时计算（X3 无官方输入 → 逐字节不变）。 -## 本节点查分（A 半，全部 proxy2 除注明；基线 = A_EXT=0）+## 本节点查分（A 半；proxy 基线 seed0 = 57.92，proxy2 基线 seed0 = 59.04，均为父节点实测值） -| 配置 | seed0 | seed1 | seed2 |-|---|---|---|---|-| 基线（=父） | 57.92 | 58.33 | 58.14 |-| 全局轴（不去型均值）A_EXT=+0.3 | 57.66 | — | — |-| 全局轴 +0.5 / −0.3 | 55.13 / 52.60 | — | — |-| **型内轴 A_EXT=0.2（默认）** | **59.04** | **58.58** | **58.83** |-| 型内轴 0.15 / 0.3 / 0.4 / 0.5 | 58.65 / 58.39 / 57.79 / 56.56 | — | — |--- 型内轴 3/3 seed 为正（+1.12 / +0.24 / +0.69，均值 +0.68），主要来自 cell_state（mmd_u 0.0122→0.011）；幅度扫描呈单峰，峰在 0.2。-- proxy 复扫 57.92（与父同值，输出逐字节一致）；X3 复扫 50.00（输出逐字节一致）。+| 配置 | proxy s0 | proxy s1 | proxy s2 | proxy2 s0 |+|---|---|---|---|---|+| A_PC1=+0.2, K=50 | 57.82 | — | — | — |+| A_PC1=+0.2, K=100 | 57.14 | — | — | — |+| A_PC1=−0.2 | 58.14 | 58.25 | 57.91 | 59.07 |+| A_PC1=−0.3 / −0.4 | 57.76 / 57.78 | — | — | — |+| A_PA=0.15 / 0.30 | 57.65 / 57.28 | — | — | — |  ## 证否 / 结论 -1. **全局跨数据集投影两个符号都有害或无效**（+0.5→55.1、−0.3→52.6）：Qiu 是心脏专有数据，delta 的“谱系成分”远大于“时间成分”，全局加权把组成推向心脏化。**去掉型均值后同一 delta 变为小幅正增益** —— 外部数据的信息在“型内相对成熟度”，不在“跨型方向”。-2. 未屏蔽核糖体/线粒体家族时 delta 被技术基因主导（top60 中 ~40 个 Rpl/Rps/mt）；屏蔽后心脏成熟基因（Ca 通道、肌节、T 管）占主导，这是该轴能工作的前提。-3. corr(z_ext, z_met)=−0.23、corr(z_ext, z_cycle)=−0.24：与既有轴基本正交（PLAN 风险 3 不成立）。+1. **PC1 方向无生物学意义（PLAN 风险 1 命中）**：定向后 corr(PC1, z_met) 型间均值仅 0.027（K=100 时 0.001），远低于 PLAN 预设的 0.1 放弃阈——型内高方差基因的 PC1 与代谢成熟度基本无关，方向靠 z_met 定向近似抛硬币。+2. **正向轴无效**：+0.2 → 57.82（−0.10），de_recovery 与基线完全相同（de_score 0.1455 不变），K=100 更差（57.14）。PLAN 的 de_recovery 改善假设不成立。+3. **负向轴是 cell_state↑/de_recovery↓ 的对冲**：−0.2 使 mmd_u 0.01224→0.0115（proxy）/0.0104（proxy2），cell_state +1.5，但 de_score 0.1455→0.1273、de_recovery −0.54；3 seed 净增益 +0.22/+0.33/−0.01（proxy）、+0.03（proxy2），期望节点分变化 ≈ +0.07，远低于 2 分噪声，且恰好恶化了本节点要改进的最弱组 de_recovery。−0.3/−0.4 时 de_recovery 损失扩大（53.0），净负。按 PLAN 自己的判据（proxy2 增益>1 且 3/3 seed 同向才提交）回退。+4. **|PC1| 极端惩罚（A_PA，方向无关变体）单调有害**：0.15→57.65、0.30→57.28，mmd_u 反而变差——型内主方差轴的极端细胞不是技术离群点，剔除它们破坏群体分布。+5. corr(z_pc1, z_ext)=−0.095：与父 A_EXT 轴正交（PLAN 风险 3 不成立），但正交不等于有增量信息。  ## 验证过什么 -- 三视图默认配置跑通、`vec-check` ok、seed 确定性（同 seed 两次输出一致）；运行 ~5s / 内存与父相当。-- proxy、X3 输出与父代码逐字节一致（A_EXT 轴在无外部输入/无官方输入时不激活）；final 视图（两官方阶段、无外部数据）同样不激活，行为 = 父。-- proxy2 增益在 3 个 seed 上同号，但单 seed 幅度 <2 分噪声阈，正式分（B 半）预期为小幅正或持平，不应期待 >1 分。+- 三视图默认配置跑通、`vec-check` 全部 ok；proxy 默认输出与父代码输出逐字节一致（cmp 验证）；X3 因无官方输入不计算新轴，输出与父一致；proxy2 默认路径亦未变（新轴默认关闭）。+- seed 确定性：轴由数据现场计算，SVD 定向有确定性平局打破规则；同 seed 输出一致。+- 运行 ~5s / 内存与父相当，远在限制内。  ## 没验证 / 局限 -- final 视图无法测；本轴在 final 上自动关闭（无外部数据），如组委会将来在 final 挂外部数据，代码路径未在该情形下实测。-- 未测：沿 delta 的小步表达平移（PLAN 建议 2）——因 delta 含“心脏 vs 全胚”谱系混杂，直接平移表达大概率重蹈伪批量平移覆辙，主动放弃。-- 生物学知识来源：仅通用技术变异常识（核糖体/线粒体基因为跨平台批次主因）；未用任何保留阶段/基因型的测量信息；未读 uns.celltype_palette、prior/。+- 未测 A_PC1=−0.1（预计净增益仍 <0.2，主动放弃）；未测 A_PC1 与 A_CM=1.2（节点 12 配置）的组合——父节点 19 已证 A_CM 提升在 15 之上无效，故不再叠加。+- 未用任何保留阶段/基因型信息；PC1 轴纯数据驱动；生物学知识来源仅父节点已有的通用基因集（CYCLE/APOPT/OXPHOS/糖酵解/DIFF/PROG，教科书级注释）。  ## 下一步最值得试 -1. delta 去谱系混杂：用官方 E8.5 的心脏类细胞（按输入阶段自身的 celltype 标签现场选，不硬编码名单可用 Qiu 的三型标签做互相关匹配）替代全胚均值做 delta 的左端，使 delta 更接近纯时间信号，或可放开全局应用。-2. 型内轴与 A_CM 联合微调（两者正交，α_m=1.2 的节点 12 配置 + 本轴未测组合）。-3. 对 final：把同样逻辑用于 E9.5−E8.5 官方 delta 的型内投影（本代码 external_maturity_axis 可直接换数据源），但需在 proxy 类单目标视图上先找可测的替代验证。+1. 型内方差轴家族（PC1、原型度、|PC1|、DPT）已在节点 13/21 两轮证否：型内转录异质性主方向不含可用的成熟度/时间信号，建议此方向封盘，不要再投入预算。+2. 剩余可用信号在 proxy2 外部数据：父建议 1（delta 去谱系混杂，用官方 E8.5 心脏类细胞均值作 delta 左端）尚未被节点 19 的失败完全覆盖（19 的证否见其 METHOD，注意不要重复）。+3. de_recovery（53.16）四尺子最弱但组成重抽样类方法均无法撼动 de_score（0.1455 对细胞层权重几乎不变）：提升它可能需要真正改变输出表达（按类型的小步收缩位移），而伪批量平移已证有害——风险高，需要新机制假设。diff --git a/solution/run.py b/solution/run.pyindex 500d18b..79fc806 100644--- a/solution/run.py+++ b/solution/run.py@@ -57,6 +57,7 @@ PROG = ["Sox2", "Pou5f1", "Nanog", "T"]  DEFAULTS = dict(A_TP=-0.55, A_TA=0.25, A_CP=0.0, A_CA=0.0, A_CM=0.7,                 A_TD=0.0, A_CD=0.0, A_TR=0.0, A_EXT=0.2, EXT_COND=1,+                A_PC1=0.0, A_PA=0.0, K_PC1=50,                 MIN_TYPE_CELLS=5, POOL=0)  @@ -134,6 +135,80 @@ def external_maturity_axis(view, manifest, official_entries, adata, genes):     return zscore(s), delta, cov, mu_ext, mu_off  +def within_type_pc1_axis(adata, genes, inv, uniq, counts, z_ref, K, min_cells):+    """Data-driven within-type maturity axis (per type PC1 of high-variance genes).++    For each cell type with >= min_cells cells: rank genes by within-type+    variance (cell-cycle genes excluded so PC1 is not dominated by cycle),+    take the top-K, centre the cells x K submatrix, SVD -> first right+    singular vector, project cells onto it. Sign is fixed deterministically so+    the projection correlates positively with the reference maturity score+    z_ref (OXPHOS-glycolysis) within the type; if the correlation vanishes the+    loading sum on differentiation markers breaks the tie. The projection is+    standardised within type (clip +/-3) so only within-type ranking changes+    and global type composition is untouched. Types with < min_cells cells get+    z=0. Fully computed on the fly from the input stage(s).+    """+    n = adata.n_obs+    z = np.zeros(n, dtype=np.float64)+    if n == 0 or len(uniq) == 0:+        return z+    X = adata.X.tocsr()+    onehot = sparse.csr_matrix(+        (np.ones(n, dtype=np.float64), (inv, np.arange(n))),+        shape=(len(uniq), n))+    S1 = np.asarray((onehot @ X).todense(), dtype=np.float64)+    Xsq = X.multiply(X).tocsr()+    S2 = np.asarray((onehot @ Xsq).todense(), dtype=np.float64)+    cnt = np.maximum(counts, 1).astype(np.float64)[:, None]+    mean = S1 / cnt+    var = np.maximum(S2 / cnt - mean * mean, 0.0)+    cycle_cols = np.array(group_cols(genes, CYCLE), dtype=int)+    if cycle_cols.size:+        var[:, cycle_cols] = -1.0+    diff_cols = np.array(group_cols(genes, DIFF), dtype=int)+    K = int(max(K, 2))+    corrs = []+    for t in range(len(uniq)):+        if counts[t] < min_cells:+            continue+        rows = np.flatnonzero(inv == t)+        v = var[t]+        pos = np.flatnonzero(v > 0)+        if pos.size < 2:+            continue+        k = min(K, pos.size)+        top = pos[np.argsort(-v[pos], kind="stable")[:k]]+        sub = np.asarray(X[rows][:, top].todense(), dtype=np.float64)+        sub = sub - sub.mean(axis=0, keepdims=True)+        try:+            _, _, Vt = np.linalg.svd(sub, full_matrices=False)+        except np.linalg.LinAlgError:+            continue+        v1 = Vt[0]+        proj = sub @ v1+        zr = z_ref[rows]+        ps, zs_ = proj.std(), zr.std()+        c = 0.0+        if ps > 1e-12 and zs_ > 1e-12:+            c = float(np.mean((proj - proj.mean()) * (zr - zr.mean())) / (ps * zs_))+            corrs.append(c)+        if c < 0:+            proj = -proj+            v1 = -v1+        elif abs(c) < 1e-9 and diff_cols.size:+            keep = np.isin(top, diff_cols)+            if keep.any() and v1[keep].sum() < 0:+                proj = -proj+        s = proj.std()+        z[rows] = np.clip(proj / s, -3.0, 3.0) if s > 1e-12 else 0.0+    if corrs:+        import sys+        print(f"[pc1] types={len(corrs)} mean_corr_zmet={np.mean(corrs):.3f} "+              f"min={np.min(corrs):.3f} max={np.max(corrs):.3f}", file=sys.stderr)+    return z++ def type_labels(adata):     for col in ("celltype", "cm_celltype", "cell_type", "annotation", "leiden"):         if col in adata.obs.columns:@@ -260,9 +335,22 @@ def main():                 tm = np.bincount(inv, weights=z_ext_c, minlength=len(uniq)) / np.maximum(counts, 1)                 z_ext_c = zscore(z_ext_c - tm[inv]) +    z_pc1_c = np.zeros(adata.n_obs)+    if (args.A_PC1 or args.A_PA) and official_entries:+        z_pc1_c = within_type_pc1_axis(adata, genes, inv, uniq, counts,+                                       z_met_c, args.K_PC1, args.MIN_TYPE_CELLS)+        if np.any(z_ext_c):+            import sys+            c = float(np.corrcoef(z_pc1_c, z_ext_c)[0, 1])+            print(f"[pc1] corr(z_pc1,z_ext)={c:.3f}", file=sys.stderr)+    # direction-agnostic variant: penalise cells far from the type centre along+    # the dominant within-type variance axis (no sign ambiguity)+    z_pc1_sq = np.clip(z_pc1_c * z_pc1_c, 0.0, 9.0)+     w = w_type[inv] * np.exp(args.A_CP * z_prolif_c - args.A_CA * z_apopt_c                              + args.A_CM * z_met_c + args.A_CD * z_diff_c-                             + args.A_EXT * z_ext_c)+                             + args.A_EXT * z_ext_c + args.A_PC1 * z_pc1_c+                             - args.A_PA * z_pc1_sq)     w = np.clip(w, 1e-6, 1e6)      n_base = per_stage[-1]["n"]

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：在父节点 15 上实现 PLAN 的型内高方差基因 PC1 成熟度轴（A_PC1，含方向无关变体 A_PA），系统扫参后证否，默认回退父配置（三视图输出与父逐字节一致，cmp + vec-check 验证，proxy 默认输出复扫 57.92 = 父 A 半）。

查分（A 半，用 8/20 次）：正向 +0.2→57.82、K=100→57.14（无效，de_recovery 不动）；负向 −0.2→58.14/58.25/57.91（proxy 3 seed）、proxy2 59.07，mmd_u 改善但 de_recovery −0.54，净期望 ≈ +0.07，在噪声内且恶化目标组；A_PA 单调有害（57.65/57.28）。关键诊断：定向后 corr(PC1, z_met)=0.027，PLAN 风险 1 命中——PC1 无生物学方向。

下一步最值得试：型内异质性轴家族建议封盘；剩余预算投向 proxy2 外部 delta 去谱系混杂（官方 E8.5 心脏类细胞作 delta 左端）；de_recovery 靠重抽样已饱和（de_score 对细胞层权重几乎不变），需改表达的新机制。

调研员

{
  "name": "型内高方差基因PC1成熟度轴（数据驱动型内伪时间）改善de_recovery",
  "motivation": "父节点15四组分中de_recovery最弱（53.16），covariation次之（54.59）。当前方法仅用预定义基因集（OXPHOS−糖酵解）做细胞层权重，未利用型内转录异质性的主方向。de_recovery衡量DE基因的恢复程度，而型内高方差基因正是处于活跃转变中的基因；沿其PC1方向选择更成熟的细胞可增强输出中DE信号。节点19已证否A_CM提升和cardiac delta，需要全新机制。该轴在proxy（单阶段）和proxy2上均可激活，不依赖外部数据。",
  "approach": "在父节点15代码基础上新增可选细胞层权重轴 A_PC1（默认0，搜索0.1–0.4）：\n\n1. 对每个细胞型（≥MIN_TYPE_CELLS=5）：\n   a) 计算型内每基因方差，排除CYCLE基因（避免PC1被细胞周期主导）；\n   b) 取方差最大的K个基因（K默认50，搜索{30,50,100}）；\n   c) 对该子矩阵做中心化后SVD取PC1（np.linalg.svd，取第一右奇异向量投影）；\n   d) 定向：使PC1与型内代谢轴z_met（OXPHOS−糖酵解）的Pearson相关为正（若为负则翻转）；\n   e) 每细胞投影值zscore(clip±3)得z_pc1。\n2. 权重公式新增项：w_i *= exp(A_PC1 * z_pc1)。\n3. 型内细胞数<5时z_pc1=0（退路：单阶段、小类型自动跳过）。\n4. 与A_EXT正交性检查：计算corr(z_pc1, z_ext)，若|corr|>0.7则说明冗余，放弃。\n5. 单输入阶段退路：该轴完全基于当前阶段型内方差，proxy/X3/final均可激活，无需外部数据。proxy2上A_EXT与A_PC1可叠加。\n\nvec-score快速筛选流程（≤20次查分）：\n- 第1–4次：proxy2 A半，A_PC1∈{0.1,0.2,0.3,0.4}，K=50，seed0；\n- 第5–6次：最优A_PC1换seed1/2确认；\n- 第7–8次：最优配置跑proxy确认无回归；\n- 第9–10次：尝试K=30/100；\n- 若proxy2增益>1分且3/3 seed同向，提交；否则回退父配置。\n\n关键参数初值：A_PC1=0.2, K=50, 排除CYCLE基因。搜索范围A_PC1∈[0.1,0.4], K∈{30,50,100}。\n\n实现要点：SVD在scipy.sparse下用子矩阵toarray()（K×n_cells矩阵很小），每型独立计算，总耗时预计<1s增量。",
  "expected_groups": ["de_recovery", "covariation"],
  "risks": "1) PC1可能仍被残余周期基因或技术噪声主导→检查定向后与z_met相关（预期0.3–0.6），若<0.1说明PC1方向无生物学意义，应放弃；Engineer在第1次查分后即可通过打印相关系数判断。2) 高方差基因可能因型而异且不稳定（小类型）→设MIN_TYPE_CELLS=5，小类型跳过。3) 与A_CM冗余（都捕捉成熟度）→若corr(z_pc1,z_met)>0.8，增益预期极小，此时不应叠加而应替换；在第1–2次查分时检查。4) 预期增益可能<2分噪声→需3个seed同向确认，若仅1个seed正不算成功。5) 30分钟时限：实现简单（~40行新增），主要耗时在查分而非计算。"
}