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

节点 n32

实测证否 PLAN 的型内 corr(z_ext,z_met) 门控：18 个细胞型的型内相关全部为负，二值/连续门控等效于关闭 A_EXT 轴（降 1.1 分）；|corr| 归一门控中性、型内残差化略降，均不超基线 59.04。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 6875e69af6: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 +19 −39、solution/run.py +40 −1

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 3ca66bc..8d728f9 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,48 +1,28 @@-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 corr(z_ext,z_met) 门控：18 个细胞型的型内相关全部为负，二值/连续门控等效于关闭 A_EXT 轴（降 1.1 分）；|corr| 归一门控中性、型内残差化略降，均不超基线 59.04。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）的 E-S 无放回加权组成重抽样，表达原样复制最新官方阶段。全部与父节点 15 相同。 -## 本节点查分（A 半，全部 proxy2 除注明；基线 = A_EXT=0）+本节点新增 GATE_MODE / GATE_THRESH 两个可选参数（默认 GATE_MODE=0 = 关闭，关闭时代码路径与父完全一致），在 z_ext 型内去均值之后按细胞型调制 A_EXT 权重。 -| 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 | — | — |+## 实测（proxy2 A 半，seed 0，基线 = 父配置 59.04） -- 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 | 分数 | 结论 |+|---|---|---|+| 基线（GATE_MODE=0，=父） | 59.04 | 复跑确认 |+| GATE_MODE=1（corr≥THRESH 才生效）/ GATE_MODE=2（max(0,corr) 连续门控） | （≡57.92） | 未查分：诊断输出显示 **18/18 个型的型内 corr(z_ext,z_met) 全为负**（−0.07 Endothelium ~ −0.57 IFT-CM，各型 n=266–2405，均远超 MIN_TYPE_CELLS=5），任何 THRESH≥0 下门控把全部型的 z_ext 清零，输出与 A_EXT=0 逐字节相同；父 METHOD 已实测 A_EXT=0 为 57.92（−1.12），故必然有害 |+| GATE_MODE=3（gate=|corr|，均值归一到 1，跨型重分配权重） | 58.99 | 中性（−0.05，噪声内） |+| GATE_MODE=4（型内对 z_met 残差化 z_ext，去轴间干涉后再全局 zscore） | 58.88 | 略降（cell_state 62.74→61.96；de_recovery 与父同值 54.64） | -## 证否 / 结论+## 验证过 / 未验证 -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）。+- 验证过：默认配置在 proxy / proxy2 / X3 三个视图跑通并通过 vec-check；proxy2 默认输出复跑得 59.04 与父一致；GATE_MODE=0 时新增代码为死路径，proxy/X3/final 输出与父逐字节一致（零回归风险）。+- 证否：PLAN 的核心假设「型内 z_ext 与 z_met 正相关的类型其 A_EXT 增益可信」**前提不成立**——没有任何型的型内相关为正。PLAN 风险 2 成真：门控等效于关闭 A_EXT。这本身是有信息量的：A_EXT 轴的 +1.1 增益**恰恰来自它与代谢轴负交的部分**（型内 z_ext 与 z_met 负相关意味着它把权重给了型内低代谢细胞，与 A_CM=+0.7 的方向部分对冲），去掉这一对冲成分（GATE_MODE=4 残差化）反而降分——两轴的"干涉"是净收益，不是噪声。+- 未验证：GATE_MODE=3 的其它归一方式、多 seed 复跑（所有变体均未超基线 0.5，按 PLAN 停止规则不做 seed 确认）。 -## 验证过什么+## 对后续节点的建议 -- 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。--## 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/。--## 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. A_EXT 与 A_CM 的型内负交是增益来源，不要再尝试正交化/门控/去干涉（本节点 GATE_MODE=1/2/3/4 四种形式全部证否）。+2. de_recovery（B 半 53.16）在本节点所有 proxy2 变体中完全不动（A 半恒 54.64），它只由表达内容和全局组成决定，组成重抽样类改动触及不到；要改它需要动表达（历史上全部有害）或换指标视角。+3. 父 15 谱系已连续 7 个节点（19/21/24/26/27/29/32）在 proxy2 A 半上不超 59.04，该局部峰很可能已饱和；剩余预算宜转向 25 谱系（59.26）与新家族 draft。diff --git a/solution/run.py b/solution/run.pyindex 500d18b..faeaf29 100644--- a/solution/run.py+++ b/solution/run.py@@ -57,7 +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,-                MIN_TYPE_CELLS=5, POOL=0)+                MIN_TYPE_CELLS=5, POOL=0, GATE_MODE=0, GATE_THRESH=0.15)   def group_cols(genes, grp):@@ -259,6 +259,45 @@ def main():                 # global type composition stays untouched                 tm = np.bincount(inv, weights=z_ext_c, minlength=len(uniq)) / np.maximum(counts, 1)                 z_ext_c = zscore(z_ext_c - tm[inv])+            if args.GATE_MODE:+                # per-type gate on corr(z_ext, z_met) within type; types with+                # weak/negative agreement get reduced (mode 2) or zero (mode 1)+                # A_EXT weight. Types with < MIN_TYPE_CELLS keep full weight+                # (correlation too noisy to trust).+                gate = np.ones(len(uniq), dtype=np.float64)+                if os.environ.get("VEC_GATE_DEBUG"):+                    print("gate_debug: type n corr", file=__import__("sys").stderr)+                for t in range(len(uniq)):+                    m = inv == t+                    n_t = int(counts[t])+                    if n_t < args.MIN_TYPE_CELLS:+                        continue+                    xe, zm = z_ext_c[m], z_met_c[m]+                    se, sm = xe.std(), zm.std()+                    if se < 1e-9 or sm < 1e-9:+                        continue+                    c = float(np.clip(np.mean((xe - xe.mean()) * (zm - zm.mean())) / (se * sm), -1.0, 1.0))+                    if os.environ.get("VEC_GATE_DEBUG"):+                        print(f"gate_debug: {uniq[t]} n={n_t} corr={c:.3f}", file=__import__("sys").stderr)+                    if args.GATE_MODE == 1:+                        gate[t] = 1.0 if c >= args.GATE_THRESH else 0.0+                    elif args.GATE_MODE == 2:+                        gate[t] = max(0.0, c) / max(1.0, abs(c))+                    elif args.GATE_MODE == 3:+                        gate[t] = abs(c)+                    elif args.GATE_MODE == 4:+                        # residualise z_ext against z_met within type: keep the+                        # component orthogonal to the metabolism axis+                        b = c * se / sm+                        z_ext_c[m] = (xe - xe.mean()) - b * (zm - zm.mean())+                if args.GATE_MODE == 3:+                    gm = gate[counts >= args.MIN_TYPE_CELLS].mean()+                    if gm > 1e-9:+                        gate = gate / gm+                if args.GATE_MODE == 4:+                    z_ext_c = zscore(z_ext_c)+                else:+                    z_ext_c = z_ext_c * gate[inv]      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

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**：实现并实测 PLAN 的型内 corr(z_ext,z_met) 门控（4 种形式）。诊断显示 18/18 个细胞型的型内相关全为负（−0.07~−0.57），二值/连续门控等效关闭 A_EXT（≡57.92，比基线低 1.12）；|corr| 归一门控 58.99 中性；型内残差化去干涉 58.88 略降。默认回退父节点 15 配置（GATE_MODE=0，死路径，proxy/X3/final 输出与父逐字节一致）。

**查分**（proxy2 A 半 seed0，3/20 次）：基线复跑 59.04 ✓；变体全部未超。三视图 run + vec-check 通过，耗时 ~4s。

**结论与建议**：PLAN 假设的前提不成立——A_EXT 的增益恰来自它与代谢轴的负交（对冲成分是净收益），证否门控与正交化方向。父 15 谱系已连续 7 节点不超 59.04，局部峰饱和；下一步最值得试：转向节点 25 谱系（proxy2 59.26）做改进，或 draft 新家族；de_recovery 对组成类改动完全不敏感，需另辟蹊径。

调研员

I'll analyze the parent node, the experiment history, and sibling node results to design a non-redundant improvement plan.

<tool_call>
{"name": "型内成熟度轴的条件性激活：仅在低代谢型内放大 A_EXT（代谢-成熟度交互门控）",
 "motivation": "父节点15的A_EXT=0.2型内成熟度轴在proxy2上3/3 seed正（均值+0.68），但幅度低于噪声阈，说明该轴只在部分细胞型内有效、在另一些型内可能无效甚至轻微有害。证据：corr(z_ext,z_met)=−0.23，即成熟度轴与代谢轴整体正交，但型内两轴的关系未知——若某型内z_ext与z_met正相关，说明该型的成熟方向与代谢成熟方向一致，A_EXT增益可信；若负相关或接近零，说明外部delta投影在该型内主要捕捉非代谢的混杂方向，加权反而引入噪声。节点19已证伪'用心脏子集改delta左端'，节点26已证伪'A_CM×A_EXT全局联合调参'，节点27已证伪'序贯双层选择'——但从未测过'按型内z_ext与z_met的相关性决定是否施加A_EXT权重'这一条件性门控。de_recovery（53.16）是全树最弱组且从未被任何proxy2改动触及，若门控减少了对de_recovery基因所在细胞的误加权，有望间接改善。",
 "approach": "在父节点15的external_maturity_axis返回z_ext后、进入权重计算前，新增可选门控逻辑（GATE_MODE，默认0=不过滤，保持父行为）：\n1. 对每个细胞型（≥MIN_TYPE_CELLS=5），计算型内corr(z_ext_i, z_met_i)（Pearson，clip到[−1,1]）；\n2. GATE_MODE=1（二值门控）：若型内相关≥THRESH（默认0.15），该型内A_EXT生效（=A_EXT）；否则该型内A_EXT=0；\n3. GATE_MODE=2（连续门控）：型内有效权重 = A_EXT × max(0, corr)/max(1, |corr|)，即相关越强权重越接近A_EXT，负相关型权重→0；\n4. 先在proxy2 A半上以seed0扫GATE_MODE∈{1,2}×THRESH∈{0.0,0.1,0.2,0.3}（GATE_MODE=1）或GATE_MODE=2单独跑，共≤6次vec-score；\n5. 若最佳配置比基线59.04高≥0.5，再用2个额外seed复跑确认方向一致性（3/3正才提交）；否则回退GATE_MODE=0；\n6. 单输入阶段退路：无外部输入时external_maturity_axis返回None，门控逻辑不执行，输出与父逐字节一致（与A_EXT轴的条件激活机制相同）；\n7. 运行时间：门控只是一次型内相关计算（O(n_cells)），预计增加<0.5s，总耗时<4s。",
 "expected_groups": ["cell_state", "de_recovery"],
 "risks": "1. 型内样本量过小（某些型<20个细胞）导致相关估计噪声大，门控结果不稳定——Engineer应在计算相关时打印每型样本量，若多数型<20则考虑用型内bootstrap或放弃门控；2. 所有型的型内相关都接近零或负，门控等效于关闭A_EXT，结果退回基线——这本身是有价值的证否信息，应如实报告；3. de_recovery改善可能极小（<0.5分）且被噪声掩盖——若3/3 seed方向一致但幅度<1分，标注为'弱正信号'而非'改善'；4. 门控引入额外超参（THRESH），若扫描中最佳THRESH在边界（0.0或0.3），说明效应可能是单调的而非阈值型的，应报告并考虑简化为GATE_MODE=2。",
 "sources": []}
```