总览 · ← 返回运行 20261003-004922-search-t2-heart-interp-g24-D

节点 n6

copy_last + 型×基因线性时间趋势位移：跨阶段用伪批量相关配对细胞型，组成按同一配对图向目标时间插值重抽。

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 156fc19bbd: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 f1a193e7e9。改动的文件：solution/EXECUTION.json +1 −0、solution/METHOD.md +35 −0、solution/run.py +207 −11

diff --git a/solution/EXECUTION.json b/solution/EXECUTION.jsonnew file mode 100644index 0000000..6d8012e--- /dev/null+++ b/solution/EXECUTION.json@@ -0,0 +1 @@+{"gpu": false}\ No newline at end of filediff --git a/solution/METHOD.md b/solution/METHOD.mdnew file mode 100644index 0000000..e7cda9f--- /dev/null+++ b/solution/METHOD.md@@ -0,0 +1,35 @@+copy_last + 型×基因线性时间趋势位移：跨阶段用伪批量相关配对细胞型，组成按同一配对图向目标时间插值重抽。++## 方法（family T2HI-01，PLAN 最小实现 + 配对修复）++1. 锚点 = `anchor_entry`（目标前最近输入；此处 E8.25_late），细胞数 n 夹到 [min_cells, max_cells]。+2. 对每个输入阶段按细胞型算每基因均值/SD/计数（one-hotᵀ @ X，稀疏安全，从不整体 toarray）。+3. **直接趋势**：型在两阶段都存在（各 ≥10 细胞）时，对 (时间, 型均值) 线性拟合（2 点斜率，>2 点 polyfit deg=1），外推/内插到目标时间；delta = 拟合值 − 锚点型均值。本 proxy 只有 5/33 型直接共有（NCC、Peri、V-CM、aPHM、pPHM，≈12% 细胞）。+4. **配对修复（match）**：锚点独有型按伪批量谱的 Pearson 相关（500 基因面板，数据驱动，无硬编码映射）配对到其他阶段的型（top 匹配 ±0.05 内按 r 加权混合，r ≥ 0.6 才用），把锚点型均值和配对均值当两个时间点做同样的线性拟合得到 delta。proxy 上 23/28 个独有型配对成功（如 IFT-CM→A-CM r=0.81、Endo→Great Artery Endoth r=0.86、PAM-3→Dorsal-PAM r=0.72）。+5. delta 按 c×锚点型内 SD 裁剪（c=0.5），X_new = X_sampled + delta[型]，clip ≥0。细胞个体残差与型内方差保留（方差比 0.86，损失来自 0 裁剪）。+6. **组成插值（comp，PLAN 可选项，已启用）**：同一配对图把其他阶段的型占比映射回锚点词汇（列归一化按锚点占比分配质量），f_tgt = (1−w)·f_anchor + w·f_mapped，w = (t_tgt−t_anchor)/(t_other−t_anchor) 夹到 [0,1]（相对时间，视图无关）；用 `sample.allocate` 分层重抽 n 个细胞。坐标不平移不旋转，直接跟随被抽细胞。+7. 单输入阶段或 `--trend 0`：自动退回纯 copy_last。++## 关闭机制对照（mechanism_off_control）++`--trend 0` 输出与父节点 copy_last **逐位一致**（X 与坐标 np.array_equal=True），查分 48.73 ≈ 父 48.68。开启机制（默认参数）：56.51（seed 0）/ 56.54（seed 1）。机制确实生效：非零 delta 型×基因占比 0.84，delta 跨型 SD 0.16（≠常数位移），直接 5 型 + 配对 23 型，组成前 6 变化 EXE-Endoderm 0.137→0.092、IFT-CM 0.006→0.043、V-CM 0.021→0.056 等。++## 查分记录（A 半，T2:heart:val_interp proxy）++| 配置 | 分 | expr_change | cell_state | shape | local |+|---|---:|---:|---:|---:|---:|+| 对照 trend off | 48.73 | 44.06 | 51.26 | 49.76 | 49.83 |+| 直接趋势 c=1 | 49.59 | 46.99 | 51.43 | 49.92 | 50.02 |+| +match r0.4 c1 | 51.81 | 60.23 | 48.67 | 49.14 | 49.21 |+| +match r0.6 c0.5 | 52.05 | 58.86 | 49.82 | 49.72 | 49.80 |+| +comp（默认提交） | **56.51 / 56.54(s1)** | 68.64 | 53.37 | 48.21 | 55.83 |++## 验证过 / 没验证++- 验证：对照逐位一致；seed 0/1 分数稳定；vec-check ok；同 seed 重跑逐位确定；只用相对时间差（伪装视图平移安全）；稀疏安全（峰值内存低，父 0.4GB 量级）。+- 没验证：真实括号（E8.25↔E8.75 有 31 个共有型，直接趋势会覆盖绝大多数细胞，match/comp 的作用变小但不应有害）；外推板（w 会 >1，被夹到 1，机制退化为半步位移——未在外推上查分）；comp 对 shape_scale 有 −1.5 的代价（重抽改变了坐标云范围），未做坐标 RMS 校正。+- 知识来源：仅通用谱系常识用于人工核对 match 输出（心室肌 V-CM 两期同名、IFT-CM 对应流出道/心房肌、PAM 对应背/侧心包间充质）；程序本身不含任何硬编码类型映射或阶段统计。++## 弱点 / 下一步++shape_scale 47.5–48.2 低于父节点（组成重抽使坐标云偏离锚点范围）；cell_state 53 仍低于 mix 的 66.7。最有希望：comp 后把坐标按 log-RMS 向两阶段插值目标缩放（保形恢复 shape 组），以及与 mix 的真实细胞混抽组合（delta 只加在锚点侧细胞上）。diff --git a/solution/run.py b/solution/run.pyindex 0595dc9..d20e5ed 100644--- a/solution/run.py+++ b/solution/run.py@@ -1,10 +1,14 @@ #!/usr/bin/env python3-"""copy_last (T2): the latest input at or before the target, with its own coordinates.+"""copy_last + per-cell-type linear time-trend of gene expression. -Interpolation boards take the lower bracket stage, extrapolation boards the-last input; this is the floor's reference stage on the proxy. Cells are drawn-stratified by cell type only when the stage exceeds the board's max_cells.-Expression and coordinates are unchanged.+Samples the anchor stage exactly like the parent copy_last seed (stratified+by cell type, coordinates untouched). When >=2 input stages are available,+fits a per-(cell type, gene) linear trend of the stage means over input+times and evaluates it at the target time; the resulting type x gene delta+is added to the sampled cells, so individual residuals and within-type+variance are preserved. Deltas are clipped at c x within-type SD of the+anchor stage. With <2 inputs (or --trend 0) the output is the parent's+copy_last prediction bit-for-bit. """  from __future__ import annotations@@ -12,9 +16,41 @@ from __future__ import annotations import argparse  import numpy as np+import scipy.sparse as sp -from src.task2_spatial.sample import take-from src.task2_spatial.view_io import anchor_entry, load_manifest, panel_genes, read_stage, write_t2+from src.task2_spatial.sample import allocate, take+from src.task2_spatial.view_io import (+    anchor_entry,+    inputs_by_time,+    load_manifest,+    panel_genes,+    read_stage,+    target_time,+    write_t2,+)++MIN_TYPE_CELLS = 10+++def type_stats(X: sp.csr_matrix, labels: np.ndarray, types: list[str]):+    """Per-type (mean, sd, count) over a fixed type vocabulary. Sparse-safe."""+    n_types = len(types)+    tidx = {t: i for i, t in enumerate(types)}+    rows = np.array([tidx.get(l, -1) for l in labels], dtype=np.int64)+    keep = rows >= 0+    O = sp.csr_matrix(+        (np.ones(keep.sum(), dtype=np.float64), (rows[keep], np.arange(X.shape[0])[keep])),+        shape=(n_types, X.shape[0]),+    )+    cnt = np.asarray(O.sum(axis=1)).ravel()+    s1 = (O @ X.astype(np.float64)).toarray()+    s2 = (O @ sp.csr_matrix(X.multiply(X)).astype(np.float64)).toarray()+    mean = np.zeros_like(s1)+    var = np.zeros_like(s1)+    ok = cnt > 0+    mean[ok] = s1[ok] / cnt[ok, None]+    var[ok] = np.maximum(s2[ok] / cnt[ok, None] - mean[ok] ** 2, 0.0)+    return mean, np.sqrt(var), cnt   def main() -> None:@@ -22,18 +58,178 @@ def main() -> None:     parser.add_argument("--data", required=True)     parser.add_argument("--out", required=True)     parser.add_argument("--seed", type=int, default=0)+    parser.add_argument("--trend", type=int, default=1, help="0 = pure copy_last control")+    parser.add_argument("--clip-c", type=float, default=0.5)+    parser.add_argument("--match", type=int, default=1,+                        help="1 = for anchor types absent from other stages, pair them to "+                             "other-stage types by pseudobulk profile correlation and fit the "+                             "same linear trend through the matched means")+    parser.add_argument("--match-rmin", type=float, default=0.6)+    parser.add_argument("--comp", type=int, default=1,+                        help="1 = interpolate type composition toward the other stages "+                             "through the same match map and resample the anchor accordingly")     args = parser.parse_args()      manifest = load_manifest(args.data)     genes = panel_genes(args.data, manifest)-    stage = read_stage(args.data, anchor_entry(manifest), genes)+    entries = inputs_by_time(manifest)+    t_tgt = target_time(manifest)++    anchor = anchor_entry(manifest)+    stage = read_stage(args.data, anchor, genes)     n = int(np.clip(stage.n, manifest["min_cells"], manifest["max_cells"]))     rng = np.random.default_rng(args.seed)-    if n <= stage.n:++    print(f"[info] inputs={len(entries)} times={[float(e['time']) for e in entries]} "+          f"target={t_tgt} anchor={anchor['stage']} n_anchor={stage.n} n_out={n}")++    delta = None+    comp_on = False+    f_tgt = None+    types = sorted(set(stage.labels.tolist()))+    if args.trend and len(entries) >= 2:+        tidx = {t: i for i, t in enumerate(types)}++        # gather per-stage type means for stages that share the vocabulary+        pts_t, pts_m = [], []+        mean_a = sd_a = cnt_a = None+        t_a = float(anchor["time"])+        other_stats = []  # (time, vocab, mean) of non-anchor stages, own vocabulary+        for e in entries:+            is_anchor = e["path"] == anchor["path"]+            st = stage if is_anchor else read_stage(args.data, e, genes)+            if is_anchor:+                m, sd, c = type_stats(st.X, st.labels, types)+                mean_a, sd_a, cnt_a = m, sd, c+                usable = (c >= MIN_TYPE_CELLS)[:, None]+                pts_t.append(float(e["time"]))+                pts_m.append(np.where(usable, m, np.nan))+            else:+                m_v, sd_v, c_v = type_stats(st.X, st.labels, types)+                usable = (c_v >= MIN_TYPE_CELLS)[:, None]+                pts_t.append(float(e["time"]))+                pts_m.append(np.where(usable, m_v, np.nan))+                vocab = sorted(set(st.labels.tolist()))+                m2, _, c2 = type_stats(st.X, st.labels, vocab)+                keep = c2 >= MIN_TYPE_CELLS+                other_stats.append((float(e["time"]),+                                    [v for v, k in zip(vocab, keep) if k], m2[keep], c2[keep]))+        M = np.stack(pts_m, axis=0)  # (n_stages, n_types, n_genes)+        T = np.array(pts_t)++        delta = np.zeros((len(types), len(genes)), dtype=np.float64)+        sel_map = [dict() for _ in other_stats]  # stage -> anchor type -> (idx, weights)+        for i in range(len(types)):+            obs = ~np.isnan(M[:, i, 0])+            if obs.sum() < 2 or cnt_a[i] < MIN_TYPE_CELLS:+                continue+            for s_i, (t_s, vocab_s, m_s, c_s) in enumerate(other_stats):+                if types[i] in vocab_s:+                    sel_map[s_i][i] = (np.array([vocab_s.index(types[i])]), np.array([1.0]))+            Y = M[obs, i, :]+            x = T[obs]+            if obs.sum() == 2:+                slope = (Y[1] - Y[0]) / (x[1] - x[0])+                pred = Y[0] + slope * (t_tgt - x[0])+            else:+                coef = np.polyfit(x, Y, 1)+                pred = coef[0] * t_tgt + coef[1]+            delta[i] = pred - mean_a[i]++        n_direct = int((np.abs(delta).sum(axis=1) > 0).sum())+        n_matched = 0+        if args.match and other_stats:+            def unit(P):+                P = P - P.mean(axis=1, keepdims=True)+                nrm = np.linalg.norm(P, axis=1, keepdims=True)+                return P / np.maximum(nrm, 1e-12)++            A = unit(mean_a)+            for i in range(len(types)):+                if np.abs(delta[i]).sum() > 0 or cnt_a[i] < MIN_TYPE_CELLS:+                    continue+                pts = [(t_a, mean_a[i])]+                best = None+                for s_i, (t_s, vocab_s, m_s, c_s) in enumerate(other_stats):+                    Ms = unit(m_s)+                    r = Ms @ A[i]+                    j = int(np.argmax(r))+                    if r[j] < args.match_rmin:+                        continue+                    sel = r >= r[j] - 0.05+                    w = np.clip(r[sel], 1e-6, None)+                    w = w / w.sum()+                    sel_map[s_i][i] = (np.flatnonzero(sel), w)+                    pts.append((t_s, w @ m_s[sel]))+                    if best is None or r[j] > best[1]:+                        best = (vocab_s[j], float(r[j]))+                if len(pts) < 2 or best is None:+                    continue+                x = np.array([p[0] for p in pts])+                Y = np.stack([p[1] for p in pts])+                if len(pts) == 2:+                    pred = Y[0] + (Y[1] - Y[0]) / (x[1] - x[0]) * (t_tgt - x[0])+                else:+                    coef = np.polyfit(x, Y, 1)+                    pred = coef[0] * t_tgt + coef[1]+                delta[i] = pred - mean_a[i]+                n_matched += 1+                print(f"[match] {types[i]} -> {best[0]} r={best[1]:.3f}")++        cap = args.clip_c * sd_a+        delta = np.clip(delta, -cap, cap)+        delta = np.nan_to_num(delta)++        nz = delta != 0+        print(f"[evidence] nonzero delta type-gene frac={nz.mean():.4f} "+              f"delta cross-type sd (mean over genes)={delta.std(axis=0).mean():.6f} "+              f"|delta| mean={np.abs(delta).mean():.6f} types_direct={n_direct} "+              f"types_matched={n_matched} types_total={len(types)}")++        if args.comp and other_stats:+            f_a = cnt_a / max(cnt_a.sum(), 1e-12)+            g = np.zeros(len(types))+            t_others = []+            for s_i, (t_s, vocab_s, m_s, c_s) in enumerate(other_stats):+                f_b = c_s / max(c_s.sum(), 1e-12)+                W = np.zeros((len(types), len(vocab_s)))+                for i, (idx, wts) in sel_map[s_i].items():+                    W[i, idx] = f_a[i] * wts+                W /= np.maximum(W.sum(axis=0, keepdims=True), 1e-12)+                g += W @ f_b+                t_others.append(t_s)+            g /= len(other_stats)+            t_o = float(np.mean(t_others))+            w_c = float(np.clip((t_tgt - t_a) / (t_o - t_a), 0.0, 1.0)) if t_o != t_a else 0.0+            f_tgt = (1.0 - w_c) * f_a + w_c * g+            f_tgt = f_tgt / max(f_tgt.sum(), 1e-12)+            comp_on = True+            big = np.argsort(-np.abs(f_tgt - f_a))[:6]+            print(f"[evidence] comp w={w_c:.3f} top frac changes: "+                  + ", ".join(f"{types[i]}:{f_a[i]:.3f}->{f_tgt[i]:.3f}" for i in big))+    else:+        print("[info] trend off (control or single input) -> pure copy_last")++    if comp_on:+        rows = np.sort(allocate(stage.labels, types, f_tgt, n, rng))+    elif n <= stage.n:         rows = np.sort(take(stage.labels, n, rng))-    else:  # fewer cells than min_cells: resample with replacement+    else:         rows = np.sort(rng.choice(stage.n, size=n, replace=True))-    write_t2(args.out, stage.X[rows].toarray(), stage.coords[rows], genes, seed=args.seed)+    X_s = stage.X[rows].toarray().astype(np.float32)+    coords = stage.coords[rows]++    if delta is not None:+        tidx = {t: i for i, t in enumerate(types)}+        row_types = np.array([tidx[l] for l in stage.labels[rows]])+        X_new = np.maximum(X_s.astype(np.float64) + delta[row_types], 0.0)+        v_before = X_s.astype(np.float64).var(axis=0).mean()+        v_after = X_new.var(axis=0).mean()+        print(f"[evidence] within-sample variance ratio after/before={v_after / max(v_before, 1e-12):.4f} "+              f"composition_changed={comp_on}")+        X_s = X_new.astype(np.float32)++    write_t2(args.out, X_s, coords, genes, 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。节点 6 提交内容：

**做了什么**：父节点 copy_last（48.68）+ PLAN 机制 T2HI-01：型×基因线性时间趋势位移，并修复了配对结构问题——proxy 上两阶段仅 5/33 型同名，用伪批量相关（数据驱动、无硬编码）把 23 个锚点独有型配对到 E9.5 的型后拟合同一趋势；另启用 PLAN 可选的组成插值（同一配对图，w 用相对时间差）。`--trend 0` 对照与父节点逐位一致（48.73）。

**查分**：机制开 56.51（seed 0）/ 56.54（seed 1），expression_change 44→68.6、local_spatial 50→55.8，vec-check 通过，纯 CPU ~4s。

**下一步最值得试**：shape_scale 是唯一低于父节点的组（48.2 vs 49.8，组成重抽使坐标云偏离）——comp 后按 log-RMS 把坐标缩向两阶段插值目标；以及与 mix 的真实细胞混抽组合（delta 只加在锚点侧）。

调研员

```json
{"name": "copy_last + 型内基因表达线性时间外推（单阶段自动退回）",
 "motivation": "父节点 1（copy_last）48.68，最弱组 expression_change 44.26：METHOD.md 写明预测变化恒为 0（de_score=0），抽样噪声反成负贡献。节点 2（mix）expression_change 63.90，证明捕捉时间变化有约 20 分空间。节点 4 同方向（型内时间插值）gen_failed 且无分析，疑为多阶段假设或实现复杂度导致生成失败；本方案以最小实现重试，差异在于：显式枚举输入阶段数、单阶段自动退回纯 copy_last、delta 裁剪防爆、先跑关闭对照再开机制，确保不再 gen_failed。",
 "approach": "1) run.py 开头先用 view_io 枚举所有输入阶段并打印时间与细胞数：若 <2 个阶段，直接走父节点 copy_last 路径（机制无法运行，如实报告）。2) 阶段≥2 时沿用父节点分层抽样（take()，max_cells 上限）抽细胞，抽样逻辑与坐标完全不动。3) 对每个输入阶段按细胞型算每基因均值：用稀疏安全分组（one-hot(labels)ᵀ @ X / 计数），绝不整体 toarray；细胞数 <10 的型 delta 置 0。4) 每型每基因对输入时间做线性拟合（2 点取斜率，>2 点 np.polyfit deg=1），外推到 manifest 给出的目标时间（严禁硬编码时间值，伪装视图会整体平移 1 天）；delta = 外推均值 − 锚点阶段型均值。5) 按基因裁剪 |delta| ≤ c×锚点型内 SD，c 初值 1.0，若降分试 {0.5, 1.5}。6) X_new = X_sampled + delta[型别]，坐标原样，write_t2 输出。7) 加开关 `--trend 0`：跳过 delta 计算，输出应与父节点逐位一致，先跑它确认 ≈48.6 再开机制。8) vec-score 筛选：先关后开，重点看 expression_change 组分；若总提升 <2 分（T2 噪声约 1），换 seed 再查一次确认。可选后续（时间富余才做）：同一框架下按型比例做组成插值，但首版不混入。",
 "expected_groups": ["expression_change"],
 "risks": "1) 视图实际只有 1 个输入阶段 → 机制无法运行，退为 copy_last 无提升；Engineer 第一步就打印阶段数即可立刻发现。2) 线性外推过冲导致表达失真 → 已用型内 SD 裁剪；若 expression_change 不升反降，先降 c 再看。3) 稀疏矩阵整体稠密化爆内存 → 只用矩阵乘分组，禁止 stage.X.toarray() 全量。4) 重蹈节点 4 gen_failed：代码控制在 ~100 行、不加新依赖、关闭对照先跑通。5) 型内方差按构造应严格保持，查分同时验证型内方差比 ≈1、组成不变（k016 退化检查）。",
 "family_id": "T2HI-01",
 "mechanism": "按细胞型对每基因的阶段均值拟合线性时间趋势并外推到目标时间，将型×基因特异的位移加到抽样细胞上，细胞个体残差与型内方差原样保留。",
 "vs_constant_shift": "位移是细胞型×基因二维矩阵，由输入阶段间的实际时间差估计而来：不同型、不同基因的位移不同，且无时间信号时自动为零。全局常数位移对全体细胞加同一向量，无法产生型特异的时间变化。",
 "mechanism_evidence": "Engineer 打印并核对：a) 非零 delta 的型×基因比例与 delta 跨型的标准差（>0 才说明不是常数位移）；b) 开/关机制两次查分的 expression_change 组分差；c) 型内表达方差前后比 ≈1.0（构造上保持）；d) 型组成与父节点完全一致。四项齐报。",
 "mechanism_off_control": "同一 run.py 加 `--trend 0`（或阶段数 <2 时自动触发）：完全跳过趋势计算，输出应与父节点 copy_last 逐位相同、分数回到 ≈48.6±1。若开关两次输出逐位一致，说明机制根本没运行。",
 "sources": []}
```