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

节点 n29

实测证否 PLAN 的型内二维分化梯度分层抽样（z_met×z_diff，K=3/5）：proxy2 A半 +0.09/−0.06、proxy −0.29，de_recovery 完全不动；默认回退父节点 15 配置，三视图输出与父逐字节一致。

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 acae5e30c4: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 +26 −31、solution/run.py +105 −3

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 3ca66bc..0243fdf 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,48 +1,43 @@-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。+实测证否 PLAN 的型内二维分化梯度分层抽样（z_met×z_diff，K=3/5）：proxy2 A半 +0.09/−0.06、proxy −0.29，de_recovery 完全不动；默认回退父节点 15 配置，三视图输出与父逐字节一致。 -## 方法（默认 = 父节点 9/11 配置 + A_EXT 轴）+## 方法（默认 = 父节点 15 原样） -- 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。+- 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 类视图激活），E-S 无放回加权抽样，表达原样复制。全部与父节点相同，K_STRAT=0 时新代码路径不执行，输出与父逐字节一致（已实测验证 proxy2 逐字节相同）。+- **新增可选 K_STRAT（默认 0=关）**：K≥2 时改为分层配额抽样——先按类型内权重和定类型配额（与全局 E-S 的期望组成一致，最大余数法+容量约束），型内再按 z_met × z_diff 各切 K 等频 bin（二维最多 K² 个 sub-bin，<MIN_BIN_CELLS=2 的小箱并入残差箱），sub-bin 配额 ∝ 箱内权重和，箱内执行原 E-S。z_diff = zscore(mean(DIFF)−mean(PROG))，DIFF/PROG 为教科书分化/祖细胞标记（Tnnt2、Myl7、Myh6、Pecam1、Cdh5、Tek、Hbb-b1、Hbb-bh1、Alas2、Tubb3、Dcx、Alb / Sox2、Pou5f1、Nanog、T；来源：通用发育生物学，与父代码中已有列表相同），覆盖 <4 基因时自动退回仅代谢轴分层。 -## 本节点查分（A 半，全部 proxy2 除注明；基线 = A_EXT=0）+## 实现前诊断（PLAN 风险核查，E8.5 官方基底，proxy 视图） -| 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 | — | — |+- corr(z_diff, z_met) = 0.011 → 两轴正交，无需残差化（风险 4 不成立）。+- 型内 z_diff std：18 型中 7 型 <0.3（39%，低于 PLAN 的 50% 放弃阈），大类型（Foregut 0.44、pSHF 0.39、OFT/RV-CM 0.71、IFT-CM 0.81）有足够型内方差 → 按 PLAN 判据继续实现。 -- 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）。+## 查分结果（A 半，seed 0）++| 配置 | proxy2 | proxy |+|---|---|---|+| 基线（=父 15，K_STRAT=0） | 59.04 | 57.92（父 METHOD 记录，本次复跑输出逐字节一致） |+| K=3 二维分层 | 59.13（+0.09） | 57.63（−0.29） |+| K=5 二维分层 | 58.98（−0.06） | — |  ## 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. **de_recovery 对"选哪些细胞"不敏感**：proxy2 上基线、K=3、K=5 三个抽样的 de_score 完全相同（0.1636，小数点后 4 位一致）。de_recovery 由伪批量均值驱动，而分层抽样按设计保留两端、不移动均值——PLAN 假设的机制（型内稀有分化亚群承载 DE 信号）在替代评测上不成立。这也解释了为何自节点 9 以来所有纯组成重抽样变动的 de_recovery 都停在 53.16。+2. 二维分层的净效应在噪声内且视图间不一致（proxy2 +0.09、proxy −0.29），cell_state 微升被 covariation 微降抵消；无 adopt 价值，默认关闭。+3. 与节点 23（K=5 单轴代谢分层，proxy2 +1.29）对比：加入 z_diff 第二轴反而抵消了代谢分层的增益，说明分化标记轴在型内不携带评分器认可的结构信号。  ## 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（proxy / proxy2 / X3）默认配置跑通，vec-check 全部 ok；seed 确定性（同 seed 两次输出逐字节一致）；K_STRAT=0 输出与父代码路径逐字节一致（构造上分支不进入 + proxy2 实测比对）。+- 分层路径的配额正确性（修复了容量约束下最大余数法单遍分配不足的 bug，输出细胞数 = target_n_cells）。+- 运行 ~5s / 视图，内存与父相当。  ## 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/。+- K=2、仅 z_diff 单轴分层、多 seed 重复未测（seed0 已显示 de_recovery 恒等 + 总分噪声内，继续扫参无意义，省额度）。+- final 视图无法测；默认路径 = 父节点，final 行为与父相同。+- 未用任何保留阶段/基因型信息；DIFF/PROG、CYCLE、APOPT、OXPHOS、GLYC 基因列表均为通用发育/细胞生物学知识（同父代码）。  ## 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. de_recovery 对细胞选择免疫（de_score 恒等实证），要动它必须改**表达值本身**——但节点 18/20 已证梯度基因表达微移有害；剩余可能是按类型做小幅、方向受官方两阶段差约束的伪批量位移（final 视图有两阶段，proxy 无法验证第二次差值，风险高）。+2. proxy2 方向继续挖外部 delta 的型内信号（节点 15/25 已证 A_EXT 有效）：A_EXT 与 K=5 代谢分层的组合在节点 25 已是当前最佳（55.65），本节点证据支持"分层只留代谢单轴"。+3. 组成重抽样家族（节点 9–28）已高度收敛在 55.5–55.7，建议下一个 draft 换家族（如型内亚群 de novo 生成 / OT 到目标时间的分布搬运）。diff --git a/solution/run.py b/solution/run.pyindex 500d18b..59c751b 100644--- a/solution/run.py+++ b/solution/run.py@@ -57,7 +57,8 @@ 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,-                MIN_TYPE_CELLS=5, POOL=0)+                MIN_TYPE_CELLS=5, POOL=0, K_STRAT=0, STRAT_DIFF=1,+                MIN_BIN_CELLS=2)   def group_cols(genes, grp):@@ -156,7 +157,8 @@ def main():     ap.add_argument("--seed", type=int, default=0)     for k, v in DEFAULTS.items():         ap.add_argument("--" + k.lower(), dest=k,-                        type=float if k not in ("MIN_TYPE_CELLS", "POOL") else int,+                        type=float if k not in ("MIN_TYPE_CELLS", "POOL", "K_STRAT",+                                                "STRAT_DIFF", "MIN_BIN_CELLS") else int,                         default=float(os.environ.get("VEC_" + k, v)))     args = ap.parse_args() @@ -270,7 +272,107 @@ def main():     rng = np.random.default_rng(args.seed)     u = rng.random(adata.n_obs)     keys = np.log(np.maximum(u, 1e-300)) / w-    if n_out >= adata.n_obs:++    def es_take(member, quota):+        """E-S without replacement inside `member`; returns selected indices."""+        if quota >= len(member):+            return member+        k = keys[member]+        return member[np.argpartition(-k, quota - 1)[:quota]]++    def largest_remainder(weights_sum, total, caps):+        """Integer quotas summing to min(total, caps.sum()), proportional to+        weights_sum, capped by `caps`."""+        weights_sum = np.asarray(weights_sum, dtype=np.float64)+        caps = np.asarray(caps)+        total = int(min(total, int(caps.sum())))+        if total <= 0:+            return np.zeros(len(caps), dtype=int)+        s = weights_sum.sum()+        if s <= 0:+            frac = np.where(caps > 0, 1.0, 0.0)+            s = frac.sum()+        else:+            frac = weights_sum / s+        q = frac * total+        base = np.minimum(np.floor(q).astype(int), caps)+        rem = total - int(base.sum())+        while rem > 0:+            room = caps - base+            avail = np.flatnonzero(room > 0)+            if not len(avail):+                break+            wsub = weights_sum[avail]+            tot = wsub.sum()+            if tot <= 0:+                wsub = np.ones(len(avail))+                tot = float(len(avail))+            give = np.minimum(np.floor(rem * wsub / tot).astype(int), room[avail])+            if give.sum() == 0:+                for j in np.argsort(-(rem * wsub / tot)):+                    if rem <= 0:+                        break+                    if room[avail[j]] > 0:+                        base[avail[j]] += 1+                        room[avail[j]] -= 1+                        rem -= 1+                continue+            base[avail] += give+            rem -= int(give.sum())+        return base++    use_diff_axis = bool(args.STRAT_DIFF) and (len(cols_df) + len(cols_pg)) >= 4+    if args.K_STRAT >= 2 and n_out < adata.n_obs:+        K = int(args.K_STRAT)+        # per-type quota proportional to summed weights (keeps parent's expected+        # type composition), then within-type 2-D stratification on+        # (z_met, z_diff) equal-frequency bins with weight-proportional quotas.+        S_t = np.bincount(inv, weights=w, minlength=len(uniq))+        q_t = largest_remainder(S_t, n_out, counts)+        sel = []+        for t in range(len(uniq)):+            qt = q_t[t]+            if qt <= 0:+                continue+            member = np.flatnonzero(inv == t)+            if qt >= len(member):+                sel.append(member)+                continue+            zm = z_met_c[member]+            axes = [zm]+            if use_diff_axis:+                zd = z_diff_c[member]+                if zd.std() > 1e-9:+                    axes.append(zd)+            nA = len(axes)+            bin_id = np.zeros(len(member), dtype=int)+            for ai, av in enumerate(axes):+                # equal-frequency bin edges within the type+                qs = np.quantile(av, np.linspace(0, 1, K + 1)[1:-1])+                b = np.searchsorted(qs, av, side="right")+                bin_id = bin_id * K + b+            nb = K ** nA+            wsum = np.bincount(bin_id, weights=w[member], minlength=nb)+            cnt = np.bincount(bin_id, minlength=nb)+            keep = cnt >= args.MIN_BIN_CELLS+            if not keep.all():+                # merge tiny bins into a single residual bin (last index)+                if keep.any():+                    nb2 = int(keep.sum()) + 1+                    remap = np.full(nb, nb2 - 1, dtype=int)+                    remap[keep] = np.arange(int(keep.sum()))+                    bin_id = remap[bin_id]+                    wsum = np.bincount(bin_id, weights=w[member], minlength=nb2)+                    cnt = np.bincount(bin_id, minlength=nb2)+                    nb = nb2+            qb = largest_remainder(wsum, qt, cnt)+            for b in range(nb):+                if qb[b] <= 0:+                    continue+                mb = member[bin_id == b]+                sel.append(es_take(mb, qb[b]))+        idx = np.sort(np.concatenate(sel)) if sel else np.array([], dtype=int)+    elif n_out >= adata.n_obs:         idx = np.arange(adata.n_obs)     else:         idx = np.sort(np.argpartition(-keys, n_out - 1)[:n_out])

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**：按 PLAN 实现了型内二维分化梯度分层抽样（z_met × z_diff，K×K 等频 sub-bin、权重比例配额、最大余数法+容量约束，箱内 E-S），实现前先做诊断：corr(z_diff,z_met)=0.011（正交，无需残差化）、型内 z_diff std<0.3 的类型占 39%（低于放弃阈），故继续。

**查分结果**（A 半，seed0，用 4/20 额度）：K=3 proxy2 59.13（基线 59.04，+0.09）、K=5 proxy2 58.98（−0.06）、K=3 proxy 57.63（−0.29）——全部噪声内且视图间不一致。关键发现：三个抽样的 de_score 完全相同（0.1636），证明 de_recovery 对"选哪些细胞"免疫（分层保留两端、不移伪批量均值），PLAN 假设的机制被证否。默认回退父节点 15 配置（K_STRAT=0），三视图 vec-check ok、输出与父路径逐字节一致、seed 确定性验证通过。

**下一步最值得试**：① de_recovery 只能靠改表达值撬动，但历史（节点 18/20）证表达微移有害，需在 final 两阶段差上做受约束的小幅类型级位移；② proxy2 继续挖外部 delta 型内信号，本节点证据支持"分层只留代谢单轴"（节点 25 方向）；③ 组成重抽样家族已收敛在 55.5–55.7，建议下个 draft 换家族（OT/亚群 de novo 生成）。

调研员

{
  "name": "型内分化梯度分层抽样保DE结构",
  "motivation": "de_recovery 53.16 是四组最弱且自节点9以来完全未动（所有后续节点均53.16）。当前E-S加权抽样按代谢轴聚集细胞，可能丢失型内分化梯度上的稀有亚群，而这些亚群承载型间DE基因的表达差异。节点11已证DIFF/PROG作为乘法权重轴两方向有害（全局偏移选择），但作为分层变量（保留两端）机制完全不同，未测过。节点23的代谢分层（K=5）曾给cell_state +1.70，说明分层本身有信号，但只用单一代谢轴不足以保DE。",
  "approach": "步骤：\n1. 计算每细胞分化分 z_diff = zscore(mean(DIFF genes) - mean(PROG genes))，复用代码中已有的 DIFF/PROG 基因列表（Tnnt2, Myl7, Myh6, Pecam1, Cdh5, Tek, Hbb-b1, Hbb-bh1, Alas2, Tubb3, Dcx, Alb / Sox2, Pou5f1, Nanog, T）。若某基因不在 view genes 中则跳过，列表为空则退回纯代谢分层（=节点23行为）。\n2. 在现有 type-layer 配额确定后，型内抽样改为二维分层：按 z_met 和 z_diff 各切 K=3 等频 bin，形成最多 9 个 sub-bin。每个 sub-bin 的配额 = round(type_quota × sub-bin内权重和 / type内总权重和)，用最大余数法凑整。\n3. 每个 sub-bin 内执行原有 E-S 无放回抽样（权重 = 细胞层 exp(A_CM*z_met + A_EXT*z_ext)，不变）。\n4. 参数：K_STRAT ∈ {2,3,5}，默认 3；A_DIFF_STRAT 开关（0=不启用，退回纯E-S；1=启用）。先在 proxy2 A半扫 K∈{2,3,5}×seed{0,1}，用 vec-score 查 de_recovery 分组分；若 de_recovery +1 以上，再跑全量三视图。\n5. 单输入阶段退路：DIFF/PROG 基因列表硬编码于代码，不依赖外部数据或多时间点，在 proxy（单阶段E8.5→E9.5）和 X3 上同样激活。若列表基因在视图中覆盖 <4 个，自动退回纯代谢分层。\n6. 若 K=3 有 de_recovery 增益但 cell_state 下降 >0.5，尝试 K=2 或仅对型内细胞数 >50 的大类型启用分层。\n7. 快速筛选：先跑 proxy2 seed0 单次查分看 de_recovery 分组，若 <53.5 则直接放弃该配置。",
  "expected_groups": ["de_recovery", "covariation"],
  "risks": "1) DIFF/PROG 基因在型内方差太小（所有细胞分化分相近），分层退化为随机分配，无增益甚至引入噪声。Engineer 应在实现后先打印各型 z_diff 的 std，若 >50% 的型 std<0.3 则预期无效，尽早放弃。2) sub-bin 太小（型内细胞数少时 9 个 bin 有空箱），需设 MIN_BIN_CELLS=2，空箱配额归并到最近非空箱。3) 分层可能轻微扰乱 cell_state（代谢轴的分层效果被稀释），监控 cell_state 分组分不降 >0.5 即可。4) 节点11 的 DIFF/PROG 权重轴有害不等于分层有害（机制不同），但若 Engineer 发现 z_diff 与 z_met 相关 >0.7，则二维分层退化为单轴，应改用残差（z_diff 对 z_met 回归残差）作为第二轴。"
}