总览 · ← 返回运行 20261002-034201-search-t1-abc-r1-B-population

节点 n8

心脏进展签名（prior GO/Reactome cardiac+heart 基因集）给细胞打分，按类型 exp(β·z) 重加权配额抽样，只选真实细胞不改表达；类型间对比不足时（gate=0）自动退回分层 copy_last。

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 25cde4054e: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 30dc67de4c。改动的文件：solution/METHOD.md +63 −36、solution/README.md +2 −2、solution/run.py +179 −49

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 611900d..7f42ad0 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,49 +1,76 @@-官方最新阶段分层按型抽样复制；外部阶段只在无官方输入时作底；伪批量平移默认关闭（X3 实测任何幅度都掉分）。+心脏进展签名（prior GO/Reactome cardiac+heart 基因集）给细胞打分，按类型 exp(β·z) 重加权配额抽样，只选真实细胞不改表达；类型间对比不足时（gate=0）自动退回分层 copy_last。  # 方法 -在父节点（pseudobulk_shift 种子）上做三处修改：+在父节点 3（官方最新阶段分层 copy_last）上只改**组成**，不改任何表达值： -1. **基座只用官方阶段**（`inputs_by_time(manifest, include_external=False)`）。父节点在 proxy2 上把外部-   Qiu E9.0 心脏细胞（2174 个、仅心脏谱系、部分基因用 E8.5 均值补齐）当成"最新阶段"整体复制，预测群体-   塌缩成心脏细胞，这是 proxy2=27.43 的主因。外部输入只在没有官方阶段时使用（X3 视图两个输入均为外部，-   无 `source` 标记时按其自身 manifest 处理）。-2. **分层抽样**：按基座 `obs["celltype"]` 的比例配额（最大余数法）抽 `target_n_cells` 个细胞，保持类型-   组成精确不变，替代均匀行抽样。无 celltype 列时回退 `sample_rows`。-3. **平移关闭**：保留按时间间隔比缩放（(t_target−t_last)/(t_last−t_prev)，夹到 [0,3]）再乘 ALPHA 的-   每类型伪批量差值机制，但 ALPHA 默认 0（环境变量 `VECSHIFT_ALPHA` 可覆盖，代码内常数，与 seed 无关，-   输出仍确定）。+1. **基座**：`inputs_by_time(manifest, include_external=False)` 的最新阶段；无官方阶段才回退外部（X3）。+   继承节点 3 的修正（外部心脏输入当基座会使 proxy2 塌缩到 27.43）。+2. **签名**：从视图自带的 `prior/`（`go/*.gmt`、`reactome/*.gmt`、`msigdb/*.gmt`）取**名字含+   cardiac / heart** 且成员数 ∈ [3, 200] 的基因集，与 `genes.txt` 取交集求并（proxy: 798 基因，+   X3: 786）。交集 <10 时退回一组已发表的心脏谱系通用标记（Isl1/Nkx2-5/Tbx5/Mef2c/Gata4/Hand1-2/+   T/Mesp1/Tnnt2…，属通用谱系-通路知识，非任何阶段的实测统计量）。签名完全由视图内 prior 现场算出，+   没有硬编码任何细胞类型名或类型权重。+3. **打分**：签名列的分块行均值（sparse→dense 按 4096 行分块），再做全局 z 标准化得 `z_i`。+4. **配额**：`w_t = exp(β_eff · z̄_t) · n_t`，最大余数法取整配额（每类型下限 1），类型内**均匀**抽样；+   配额 > 可用细胞数时类型内有放回。β_eff = 0 时退化为父节点的按型比例分层抽样。+5. **闸门 gate（关键，避免 X3 掉分）**：倾斜只对"多谱系快照里心脏区室相对其他区室扩张"这一机制有意义。+   用数据算类型间对比：`ratio = sd_between(z̄_t, 按细胞数加权) / mean_within(sd(z | t))`，+   `gate = clip(ratio − 0.7, 0, 1)`，`β_eff = β · gate`。实测 proxy（E8.5 全胚，18 型）ratio=1.573 →+   gate=0.873；X3（Qiu E9.0，只有 3 个心脏亚型）ratio=0.604 → gate=0 → 纯分层复制。+   阈值 0.7 取在两个实测值之间；这是本节点唯一带调参成分的常数。+6. **默认 β = 0.23**（→ proxy β_eff = 0.201），环境变量 `VECSIG_BETA / VECSIG_MODE / VECSIG_MAXSET /+   VECSIG_MINQ / VECSIG_GATE0` 可覆盖，运行期常数，同 seed 输出确定（proxy 同 seed 两次 md5 相同）。+7. 父节点的伪批量平移分支已**删除**（节点 3/4 实测任何幅度都掉分）。 -## ALPHA=0 的依据（X3 实测，vec-score）+# 查分记录（A 半，`vec-score`） -| 有效平移幅度 | X3 分 | covariation |-|---|---|---|-| 0（分层复制） | 50.0 | 50.0 |-| 0.5 | 42.4 | 21.9 |-| 1.0（父节点） | 40.5 | – |-| 2.0 | 37.6 | 9.7 |+proxy seed0，type 模式，扫 β（β_eff≈β·0.873）： -单调递减：对数空间 clip(x+delta, 0) 造成的人为零峰破坏 variogram/协变结构，且 direction、de_recovery-也未因平移提高。官方方法卡同样报告 T1 上常数位移 48.6 < copy_last。故 final 视图（E8.5+E9.5→E10.5）-也退化为分层 copy_last(E9.5)。+| β | board | direction | cell_state | covariation | de_recovery | mmd_u |+|---|---|---|---|---|---|---|+| 0（=父节点分层复制） | 50.35 | 49.97 | 50.72 | 51.88 | 49.07 | 0.0176 |+| 0.1 | 51.31 | 54.14 | 49.35 | 52.34 | 50.00 | 0.0186 |+| **0.2** | **53.33** | 56.01 | 53.90 | 53.29 | 50.00 | 0.0155 |+| 0.25 | 53.23 | 56.68 | 53.86 | 51.99 | 50.00 | 0.0155 |+| 0.3 | 52.47 | 56.63 | 51.07 | 51.88 | 50.48 | 0.0174 |+| 0.5 | 49.82 | 57.49 | 45.90 | 45.88 | 50.00 | 0.0213 |+| 1.0 | 39.13 | 57.84 | 22.13 | 27.66 | 50.00 | 0.0634 |+| 2.0 | 32.13 | 57.63 | 9.05 | 12.53 | 50.00 | 0.1807 | -## 查分记录（A 半）+direction 在 β≥0.5 就饱和（≈57.5–57.8），而 mmd_u 随 β 单调恶化 → 最优是"小倾斜"，β≈0.2。+cell 模式（类型内按 exp(βz) 加权抽）β=0.2 只有 52.37 < type 模式 53.33，故用 type 模式。 -- proxy seed0：50.35（covariation 51.9，父 50.04 / cov 22.6）；seed1：50.69-- proxy2 seed0：50.35（父 27.43）-- X3 seed0：50.0（父 40.53）；alpha 扫描见上表-- 预计节点分 ≈ (50.35+50.35+50.0)/3 ≈ 50.2+最终默认配置（β=0.23）： -## 验证过 / 没验证+- proxy seed0：**53.42**（direction 56.20、cell_state 54.04、covariation 53.29、de_recovery 50.00）+- proxy seed1（β=0.2，gate 前）：53.11 → 双种子均值 ≈53.2，超过父节点 50.03 约 3 分（>2 分噪声）+- proxy2 seed0：与 proxy 同一文件（同基座、同 gate、md5 相同）→ 53.33（β=0.2 实测）+- X3 seed0：**50.00**（gate=0，等于分层 copy_last，与父节点持平）+- 预计节点分 ≈ (53.42 + 53.33 + 50.00)/3 ≈ **52.2**（父 50.02，最佳节点 6 为 53.74） -- 验证：三个视图 vec-check 通过；同 seed 两次运行输出 md5 相同；X3 上 ALPHA∈{0,0.25,0.5,1,2} 扫描。-- 没验证：proxy/proxy2 只有一个官方阶段，平移分支在这两个视图上从不触发，ALPHA 的选择只由 X3 和官方-  卡的 T1 常数位移结果支持；没有验证按基因子集（如仅 top-DE 基因）或免 clip 的平移是否可能超过 50。-- 生物学先验：仅使用了"外部输入不是全胚、不能直接当预测输出"这一 CONTRACT 说明；未使用保留阶段/基因型-  的任何信息，未读 `uns.celltype_palette`。+未加 gate 时 X3 掉到 **45.60**（de_score −0.27，方向反相关）：在只有心脏亚型的快照里按"心脏进展"+倾斜等于把更分化的细胞挑出来，而 E9.0→E9.5 的真值不是这个方向。gate 把这一情况识别为"无区室对比"+并关掉倾斜，是本节点相对 PLAN 的实质修正。 -## 下一步建议+# 验证过 / 没验证 -- 在 proxy 上寻找能真正超过 copy_last 的 E8.5→E9.5 变换（当前 de_recovery≈50 表示与基线持平）；-  例如只平移高置信 DE 基因、保稀疏结构的加性修正、或用 prior/（Reactome、TF 调控）约束平移方向。-- 若引入平移，需避免 clip 零峰：可在计数空间做乘法缩放再 log1p，保持稀疏与方差结构。+- 验证：三个视图 `vec-check` 通过；同 seed 两次运行 md5 相同；proxy/proxy2 输出完全一致（无视图相关分支）；+  β 扫描 8 个点；type vs cell 两种模式；gate 的两个视图实测值。+- 没验证：`final` 视图（E8.5+E9.5→E10.5）未测，但代码路径与 proxy 相同（基座换成 E9.5，签名/gate+  现场重算）；gate 阈值 0.7 只在两个视图上标定，若 final 的 E9.5 快照 ratio 落在 0.7 附近会有跳变风险+  （gate 是连续的 clip 线性段，不是硬开关，但 0.7 处不连续地贴到 0）；β 的最优点由 proxy A 半确定，+  B 半可能有 ±1 分平移；未测 MAXSET ∈ {130, 300}、MINQ=0、markers-only 签名。+- 合规：签名基因来自视图内 `prior/` 的 GO/Reactome 注释（通用通路/功能注释），倾斜机制来自"心脏区室在+  胚胎发育中相对其他组织扩张"这一通用发育生物学常识 + 实验表节点 6 的 direction 增益证据；未读+  `uns.celltype_palette`，未使用 E10.5/E12.5 或禁窗内任何测量，未硬编码任何类型名/比例/表达值。++# 下一步++1. **X3 是唯一没增益的尺子（50.0）**：它有两个阶段（E8.75→E9.0），节点 5 的组成趋势外推在 X3 拿到+   52.09。把"类型计数在两个基座阶段间的相对变化"外推到目标间隔、与签名倾斜**相乘**（而不是相加），+   可能同时保住 proxy 的 53.4 和 X3 的 +2；proxy 只有一个阶段时该项为 1，自动退化。+2. 签名细化：用 `prior/tf_regulons`（Nkx2-5 / Gata4 / Tbx5 / Isl1 / Mef2c 的靶基因）替换或叠加 GO 集合，+   可能把 direction 从 56 推得更高而不增加 mmd。+3. β 的最优点很尖（0.2→0.3 就掉 0.9 分），正式分用 B 半，建议把 β 降到 0.18–0.20 取更平的一侧，+   或按 gate 值自适应（gate 小时用更大 β）。diff --git a/solution/README.md b/solution/README.mdindex 2fdff65..2cef0a1 100644--- a/solution/README.md+++ b/solution/README.md@@ -1,3 +1,3 @@-# copy_last_official_stratified+# signature_weighted_stratified -官方最新输入阶段按细胞类型分层抽样复制；外部输入阶段只在无官方阶段（X3）时作底；伪批量平移机制保留但 ALPHA 默认 0（X3 实测任何幅度均掉分，见 METHOD.md）。+官方最新阶段按 prior/ 心脏签名（GO/Reactome cardiac+heart 基因集）做类型级 exp(beta*z) 重加权配额抽样；只选真实细胞，不改任何表达值；类型间对比不足（gate=0，如 X3 心脏单谱系快照）时退回父节点的分层 copy_last。默认 beta=0.23（proxy 实测 beta_eff=0.201 最优）。diff --git a/solution/run.py b/solution/run.pyindex d43402b..da0b3fb 100644--- a/solution/run.py+++ b/solution/run.py@@ -1,30 +1,31 @@ #!/usr/bin/env python3-"""copy_last(official) + stratified per-type sampling; optional time-scaled shift (ALPHA=0 default).--Changes vs parent (pseudobulk_shift seed):-1. Base stage = latest OFFICIAL input (include_external=False). The parent-   copied the external Qiu E9.0 heart-only cells on proxy2, collapsing the-   predicted population to heart lineages (proxy2 = 27.43). External inputs-   are only used as a delta source when there are no official stages (X3).-2. Stratified per-cell-type sampling instead of uniform row sampling: keeps-   the type composition of the base stage exactly (proportional quotas),-   preserving between-type covariation under subsampling.-3. Optional per-type pseudobulk shift when two base stages exist, scaled by-   (target gap / observed step gap) and shrunk by ALPHA. Measured on X3-   (two Qiu heart stages E8.75->E9.0, target E9.5): effective shift 0 ->-   50.0, 0.5 -> 42.4, 1.0 -> 40.5 (parent), 2.0 -> 37.6; the official card-   reports the same on T1 (constant shift 48.6 < copy_last). The shift-   monotonically hurts (clip-induced zero spikes destroy variogram /-   covariation), so ALPHA defaults to 0.0 (env VECSHIFT_ALPHA overrides).+"""Signature-weighted stratified resampling of the latest OFFICIAL input stage.++Only real base cells are emitted and no expression value is ever modified.+The composition of the output population is shifted with data-driven weights:+every cell gets a "cardiac / heart-field progression" score built from gene+sets in the view's own ``prior/`` (GO BP + Reactome names matching+cardiac/heart, size-capped), so no hard-coded per-cell-type weight and no+statistic measured in a held-out stage is used.++Env knobs (constants at run time, output stays deterministic for a seed):+  VECSIG_BETA   shrinkage of the weight exponent, default 0.23 (0 == plain+                proportional stratified copy of the base)+  VECSIG_MODE   "type" (per-cell-type mean score -> quotas, within-type+                uniform) or "cell" (per-cell score -> quotas and within-type+                weighted draw), default "type"+  VECSIG_MAXSET gene-set size cap for the prior search, default 200+  VECSIG_MINQ   minimum cells kept per present type, default 1 """  from __future__ import annotations  import argparse+import os+from pathlib import Path  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,@@ -36,25 +37,138 @@ from src.task1_temporal.view_io import (     write_prediction, ) -ALPHA = float(__import__("os").environ.get("VECSHIFT_ALPHA", "0.0"))-MAX_SCALE = 3.0+BETA = float(os.environ.get("VECSIG_BETA", "0.23"))+MODE = os.environ.get("VECSIG_MODE", "type").strip().lower()+MAXSET = int(os.environ.get("VECSIG_MAXSET", "200"))+MINQ = int(os.environ.get("VECSIG_MINQ", "1"))+# Gate: the tilt only models the expansion of the cardiac compartment relative+# to the other embryonic compartments, so it needs a base whose cell types form+# genuinely distinct compartments. GATE0 is a between/within score-contrast+# threshold (measured: whole-embryo E8.5 = 1.74, heart-only Qiu E9.0 = 0.60).+GATE0 = float(os.environ.get("VECSIG_GATE0", "0.7"))+KEYWORDS = ("cardiac", "heart")+# Generic published cardiac-lineage markers (lineage/pathway knowledge, not a+# measurement of any held-out stage). Used only if the view's prior/ yields+# fewer than 10 panel genes.+FALLBACK_MARKERS = (+    "Isl1 Nkx2-5 Tbx5 Tbx20 Mef2c Gata4 Gata6 Hand1 Hand2 T Mesp1 Kdr "+    "Pdgfra Smarcd3 Tnnt2 Myh6 Myl7 Actc1 Nppa Tbx1 Wt1 Hey2 Irx4 Bmp2 "+    "Mef2a Srf Actn2 Tnni1 Ttn Ryr2 Cacna1c Gja5 Nkx2-6 Fhl2".split()+)+ +def signature_genes(view: str, genes: list[str]) -> tuple[set[str], str]:+    """Union of prior/ gene sets whose name mentions cardiac/heart development."""+    panel = set(genes)+    out: set[str] = set()+    gmts = []+    prior = Path(view) / "prior"+    if prior.is_dir():+        gmts += sorted(prior.glob("go/*.gmt")) + sorted(prior.glob("reactome/*.gmt"))+        gmts += sorted(prior.glob("msigdb/*.gmt"))+    for path in gmts:+        try:+            with open(path) as fh:+                for line in fh:+                    parts = line.rstrip("\n").split("\t")+                    if len(parts) < 3:+                        continue+                    name = parts[1].lower()+                    if not any(k in name for k in KEYWORDS):+                        continue+                    members = [g for g in parts[2:] if g in panel]+                    if not 3 <= len(members) <= MAXSET:+                        continue+                    out.update(members)+        except OSError:+            continue+    if len(out) >= 10:+        return out, f"prior:{len(out)}"+    fb = {g for g in FALLBACK_MARKERS if g in panel}+    return fb, f"fallback:{len(fb)}" -def stratified_rows(labels: np.ndarray, n: int, rng: np.random.Generator) -> np.ndarray:-    """Row indices with per-type quotas proportional to type counts (largest remainder)."""-    types, counts = np.unique(labels, return_counts=True)-    quota = n * counts / counts.sum()-    take = np.floor(quota).astype(np.int64)-    rem = n - take.sum()++def cell_scores(X, cols: np.ndarray, chunk: int = 4096) -> np.ndarray:+    """Mean per-cell z-score over the signature columns (blockwise, sparse-safe)."""+    n = X.shape[0]+    sc = np.empty(n, dtype=np.float64)+    for s in range(0, n, chunk):+        e = min(s + chunk, n)+        block = np.asarray(X[s:e, cols].todense(), dtype=np.float32)+        sc[s:e] = block.mean(axis=1)+    mu, sd = sc.mean(), sc.std()+    if not np.isfinite(sd) or sd <= 1e-8:+        return np.zeros(n, dtype=np.float64)+    sub = np.zeros(n, dtype=np.float64)+    # gene-level z-scoring would need a dense pass; the mean over signature+    # genes is already dominated by high-expressing genes, so standardise the+    # score distribution itself (equivalent ranking, cheaper memory).+    sub[:] = (sc - mu) / sd+    return sub+++def compartment_gate(z: np.ndarray, labels: np.ndarray) -> float:+    """0..1: between-type score contrast relative to within-type spread."""+    types, inv = np.unique(labels, return_inverse=True)+    if len(types) < 2:+        return 0.0+    cnt = np.bincount(inv, minlength=len(types)).astype(np.float64)+    zt = np.array([z[inv == t].mean() for t in range(len(types))])+    sw = np.array([z[inv == t].std() for t in range(len(types))])+    between = float(np.sqrt(np.average((zt - np.average(zt, weights=cnt)) ** 2, weights=cnt)))+    within = float(np.average(sw, weights=cnt))+    if within <= 1e-8:+        return 1.0+    return float(np.clip(between / within - GATE0, 0.0, 1.0))+++def largest_remainder(w: np.ndarray, n: int, minimum: int) -> np.ndarray:+    """Integer quotas summing to n, proportional to w, each >= minimum (if feasible)."""+    k = len(w)+    take = np.full(k, minimum, dtype=np.int64)+    if take.sum() > n:  # too many types for the budget: keep the heaviest+        take[:] = 0+        order = np.argsort(-w)+        take[order[:n]] = 1+        return take+    rest = n - take.sum()+    tot = w.sum()+    if rest <= 0 or tot <= 0:+        return take+    quota = rest * w / tot+    add = np.floor(quota).astype(np.int64)+    rem = rest - add.sum()     if rem > 0:-        order = np.argsort(-(quota - take))-        take[order[:rem]] += 1+        order = np.argsort(-(quota - add))+        add[order[:rem]] += 1+    return take + add+++def weighted_rows(z: np.ndarray, labels: np.ndarray, n: int, rng: np.random.Generator,+                  beta: float) -> np.ndarray:+    """Rows whose per-type quotas follow exp(BETA*z); sampling within a type is+    uniform in 'type' mode and score-weighted in 'cell' mode."""+    types, inv = np.unique(labels, return_inverse=True)+    k = len(types)+    if MODE == "cell":+        cellw = np.exp(beta * np.clip(z, -8.0, 8.0))+        typew = np.array([cellw[inv == t].sum() for t in range(k)])+    else:+        zt = np.array([z[inv == t].mean() if (inv == t).any() else 0.0 for t in range(k)])+        typew = np.exp(beta * np.clip(zt, -8.0, 8.0)) * np.bincount(inv, minlength=k)+        cellw = None+    quota = largest_remainder(typew, n, MINQ)     rows = []-    for t, k in zip(types.tolist(), take.tolist()):-        if k <= 0:+    for t in range(k):+        q = int(quota[t])+        if q <= 0:             continue-        idx = np.flatnonzero(labels == t)-        rows.append(rng.choice(idx, size=k, replace=k > idx.size))+        idx = np.flatnonzero(inv == t)+        if cellw is not None:+            p = cellw[idx] / cellw[idx].sum()+            rows.append(rng.choice(idx, size=q, replace=q > idx.size, p=p))+        else:+            rows.append(rng.choice(idx, size=q, replace=q > idx.size))     return np.sort(np.concatenate(rows))  @@ -70,26 +184,42 @@ def main() -> None:     stages = inputs_by_time(manifest, include_external=False)     if not stages:         stages = inputs_by_time(manifest, include_external=True)-    base_entry = stages[-1]-    base = read_stage(args.data, base_entry, genes)+    base = read_stage(args.data, stages[-1], genes)     rng = np.random.default_rng(args.seed)     n = target_n_cells(manifest, base.n_obs)+     has_types = "celltype" in base.obs.columns-    rows = stratified_rows(labels_of(base), n, rng) if has_types else sample_rows(base.n_obs, n, rng)-    X = base.X[rows]--    if len(stages) >= 2 and ALPHA > 0:-        prev_entry = stages[-2]-        dt_step = float(base_entry["time"]) - float(prev_entry["time"])-        dt_out = float(manifest["target"]["time"]) - float(base_entry["time"])-        prev = read_stage(args.data, prev_entry, genes)-        if has_types and "celltype" in prev.obs.columns and dt_step > 0:-            scale = float(np.clip(dt_out / dt_step, 0.0, MAX_SCALE)) * ALPHA-            deltas = type_deltas(prev.X, labels_of(prev), base.X, labels_of(base))-            deltas = {t: (scale * d).astype(np.float32) for t, d in deltas.items()}-            X = shift_rows(X, labels_of(base)[rows], deltas)-        del prev-    write_prediction(X, genes, args.out, seed=args.seed)+    labels = labels_of(base) if has_types else np.zeros(base.n_obs, dtype=object)+    beta_eff = BETA+    if has_types and BETA != 0.0:+        sig, tag = signature_genes(args.data, genes)+        cols = np.array(base.var_names.get_indexer(sorted(sig)), dtype=np.int64)+        z = cell_scores(base.X, cols)+        gate = compartment_gate(z, labels)+        beta_eff = BETA * gate+        print(f"[signature] {tag} cols={cols.size} mode={MODE} beta={BETA} gate={gate:.3f} "+              f"beta_eff={beta_eff:.3f} z[min,max]=[{z.min():.2f},{z.max():.2f}]")+    else:+        z = None+    if not has_types:+        rows = sample_rows(base.n_obs, n, rng)+    elif beta_eff <= 0.0:+        rows = _strat(labels, n, rng)+    else:+        rows = weighted_rows(z, labels, n, rng, beta_eff)+    write_prediction(base.X[rows], genes, args.out, seed=args.seed)+++def _strat(labels: np.ndarray, n: int, rng: np.random.Generator) -> np.ndarray:+    types, counts = np.unique(labels, return_counts=True)+    quota = largest_remainder(counts.astype(np.float64), n, 0)+    rows = []+    for t, q in zip(types.tolist(), quota.tolist()):+        if q <= 0:+            continue+        idx = np.flatnonzero(labels == t)+        rows.append(rng.choice(idx, size=q, replace=q > idx.size))+    return np.sort(np.concatenate(rows))   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

计划里引用的来源

• 未调用 lit-search（本次不可用）。备用标记基因列表（Isl1/Nkx2-5/Tbx5/Mef2c/Gata4/Hand1/2/T/Mesp1 等）为心脏特化的通用已发表谱系/通路知识，非任何保留阶段的实测统计量；该『组成位移主导』判断直接引自实验表节点6的 direction +5.64 与节点4表达修正失败记录。

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 3 的分层 copy_last 上加"数据驱动组成倾斜"——从视图 `prior/` 的 GO/Reactome 中现场取名字含 cardiac/heart 的基因集（proxy 798 基因，X3 786），算每细胞签名的 z 分，按类型 `w_t=exp(β·z̄_t)·n_t` 分配额抽样（类型内均匀、只选真实细胞、不改表达）。关键新增 **gate**：`clip(between/within 类型分对比 − 0.7, 0, 1)`，心脏单谱系快照（X3 ratio=0.60）自动关倾斜退回 copy_last。删除了父节点的平移分支。默认 β=0.23（β_eff=0.201）。

**查分（A 半，13/20 次）**：proxy seed0 **53.42**（direction 56.20 / cell_state 54.04 / covariation 53.29），β 扫描 0→0.1→0.2→0.3→0.5→1.0→2.0 = 50.35/51.31/53.33/52.47/49.82/39.13/32.13（direction 早饱和、mmd 单调恶化，最优点很尖）；proxy seed1（β=0.2）53.11；proxy2 与 proxy 输出 md5 相同 → 53.33；X3 **50.00**（不加 gate 时 45.60，方向反相关）。预计节点分 ≈52.2（父 50.02，最佳节点 6 为 53.74）。三视图 vec-check 通过，同 seed md5 复现。

**下一步最值得试**：(1) X3 是唯一零增益尺子——叠加节点 5 的两阶段类型计数趋势外推（与签名倾斜相乘，单阶段视图自动为 1）；(2) 用 `prior/tf_regulons`（Nkx2-5/Gata4/Tbx5/Isl1/Mef2c 靶基因）替换 GO 签名，可能在不涨 mmd 的前提下推高 direction；(3) β 取 0.18–0.20 更平的一侧或按 gate 自适应，降低 B 半偏移风险。

调研员

表达值修改）是 E8.5→E9.5 的主要可利用信号』；而节点2/4已证明任何表达值平移/乘法修正都掉到地板以下（X3 单调递减 50.0→37.6），表达层是死胡同。但节点6有两处弱点：权重是按心脏解剖硬编码的（相当于把目标阶段的组成先验写死，合规上偏险），且对 X3 完全无增益（仍 50.00）。本方案用『单快照内心脏进展签名』给每个细胞打分、按分数软加权抽样，以数据驱动方式复现节点6的组成位移，不硬编码任何类型权重、不改任何表达值、对所有视图走同一代码路径。",
 "approach": "基座仍取最新官方阶段（include_external=False，无官方才回退外部，继承节点3），只选真实细胞、从不改表达值。步骤：(1) 取心脏/中胚层特化基因签名：优先在 prior/（Reactome 心脏通路如 cardiac muscle differentiation / heart development，或心脏 TF 调控子）里找，与 panel_genes 取交集；若交集<10 个基因或 prior/ 解析超过5分钟，直接退回一组已发表的心脏谱系通用标记（Isl1、Nkx2-5、Tbx5、Tbx20、Mef2c、Gata4、Gata6、Hand1、Hand2、T、Mesp1、Kdr、Pdgfra、Smarcd3——属通用谱系/通路知识，非禁窗统计量，见 sources 说明）。(2) 对基座每个细胞算签名得分=签名基因列表达的行均值，做 z 标准化得 z_i。(3) 抽样权重 w_i=exp(β·z_i)，β 为收缩系数、默认0（β=0 时退化为节点3的分层 copy_last，保地板）。(4) 为保协方差与类型多样性，按类型设最低配额（每类型至少保留1个或一个小下限），剩余名额按各类型内 Σw_i 用最大余数法分配；配额>可用细胞数时允许类型内有放回（复用节点3 stratified_rows 的 replace 逻辑）。(5) write_prediction 输出。单输入阶段退路：本方法只读最新官方阶段、天然是单快照方法，proxy（仅E8.5）与 final（E8.5+E9.5→E10.5，应用于 E9.5 基座）同一代码；缺失基因由 view_io 默认补齐，不需特殊处理。X3 全为心脏细胞、签名得分普遍高→权重近均匀→自动退回≈copy_last，保持中性不伤害。查分筛选（A半）：先 β=0 跑 proxy seed0 复现节点3≈50.03（1次）；再在 proxy seed0 上扫 β∈{0.5,1.0,1.5,2.0}（4次）取最高；对最优β用 seed1 复跑 proxy，要求 mean(seed0,seed1)>52（比节点3的50.03高出约2分噪声）才算真提升（1次）；再跑 X3 seed0 确认≥49.5（中性，1次）、proxy2 seed0 应≈proxy（1次）。约9次，低于20。若最优β双种子未超地板2分，则回退β=0并报告无提升，或换备用标记签名重扫一轮；时间充裕才考虑叠加节点5的两阶段组成趋势（仅对 X3 有效，非核心）。",
 "expected_groups": ["direction", "de_recovery", "covariation", "cell_state"],
 "risks": "1) 签名质量差/与panel重叠太少→加权近似随机噪声→掉地板；Engineer 应先打印签名基因数与重叠数，<10 立即换备用标记列表，β=0 兜底。2) β 过大→群体塌缩到少数高分类别，covariation/cell_state 反降；用每类型最低配额+从小β扫起，发现 covariation 随β单调降就停止增大。3) 可能达不到节点6硬编码的 55.61（那是针对解剖组成调过的），目标稳健超过52即可，勿因追55而把β推到塌缩区。4) 若把『心脏富集』理解成对 proxy2 心脏偏置的过拟合，需在报告里说明该组成位移是有发表依据的真实发育信号（E8.5→E9.5 心脏谱系扩张）而非打分器漏洞。5) proxy2 应与 proxy 同分（同基座同权重）；若两者明显分叉说明实现引入了视图相关分支，应尽早发现。6) 自查分与正式分有约0.3系统差（见节点3教训），故只信>2分的变化，最终用双种子确认。",
 "sources": ["未调用 lit-search（本次不可用）。备用标记基因列表（Isl1/Nkx2-5/Tbx5/Mef2c/Gata4/Hand1/2/T/Mesp1 等）为心脏特化的通用已发表谱系/通路知识，非任何保留阶段的实测统计量；该『组成位移主导』判断直接引自实验表节点6的 direction +5.64 与节点4表达修正失败记录。"]}
```