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

节点 n16 在终选来历上

按表达差异分位数门控NN表达混合（T2HI-01）：只对被融合b细胞中 ||X_a_nn−X_b|| ≥ 全局 q=0.7 分位数的高失配细胞做 gamma=1.2 逐细胞混合，低失配细胞保持b侧原表达，修复 cell_state 回吐。

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 54926029f6: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 6d18e0a2cb。改动的文件：solution/METHOD.md +33 −44、solution/run.py +44 −9

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 7476920..a293356 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,63 +1,52 @@-在节点10坐标融合框架上，把被融合的b细胞表达向其配对a侧最近邻做逐细胞混合（gamma=1.2轻度过冲以补偿型内方差）：门控于坐标融合、仅共有型、逐细胞异质，非per-type常数位移。+按表达差异分位数门控NN表达混合（T2HI-01）：只对被融合b细胞中 ||X_a_nn−X_b|| ≥ 全局 q=0.7 分位数的高失配细胞做 gamma=1.2 逐细胞混合，低失配细胞保持b侧原表达，修复 cell_state 回吐。 -## 方法（family T2HI-01，improve 自节点 11 = 节点 10 输出）+## 方法（family T2HI-01，improve 自节点 14） -流程与节点 10 相同：双 bracket 组成插值（t 分层抽样）→ Procrustes 对齐 → 缩放 → 每个共有型的 b 侧细胞向 a 侧同型最近邻位移 α=1.0 → 拼接、_jitter、统一 scale_to_rms。**坐标与组成完全未动**。+流程与节点 14 完全相同：双 bracket 组成插值（t 分层抽样）→ Procrustes 对齐 → 缩放到插值 RMS → 每共有型 b 侧细胞向 a 侧同型最近邻坐标位移 α=1.0（型内 NN 融合）→ 拼接、_jitter、统一 scale_to_rms。**坐标与组成本节点未动**（shape_scale 与父节点逐位一致，符合"机制不动坐标"的预期）。 -**新增机制（PLAN T2HI-01，本节点）**：`_blend_within_type` 在坐标融合时记录每个被融合 b 细胞的配对 a 侧 NN 全局索引（`nn_b`/`nn_a`，即已有 cKDTree query 的 `idx_a[j]`）；随后对采样进输出的被融合 b 细胞做逐细胞表达混合：+**新增机制（本节点）**：在父节点的逐细胞 NN 表达混合上加分位数门控。对每个被融合、被采样进输出的 b 细胞计算 chg_l2 = ||X_a_nn − X_b||（其空间配对 a 侧 NN 与自身的表达距离），取全部被融合 b 细胞 chg_l2 的分位数作阈值： -```-X_b[i] <- X_b[i] + gamma * (X_a[nn(i)] - X_b[i])-```+- `chg_l2 ≥ quantile(chg_l2, q)` 的细胞执行 `X_b <- X_b + gamma*(X_a_nn − X_b)`；+- 其余细胞保持 b 侧原表达不动。 -- 仅作用于共有型且实际被坐标融合、且被采样进输出的 b 细胞；a 侧细胞、非共有型、未融合细胞的表达不动；-- 混合目标是每个 b 细胞自己的空间配对 NN 的表达（逐细胞不同、幅度因细胞而异），结构上不同于节点 6/7 的 per-type 常数位移，也不借用其他型的位移；-- 环境变量：`T2HI_EXPRNN=1`（默认，提交态开启）+ `T2HI_GAMMA`（默认 1.2）；`T2HI_EXPRNN=0` = 关闭对照；-- 无随机数、无绝对时间/路径分支：机制只依赖两 bracket 现场表达、坐标与 celltype 标签，对 seed 确定，视图无关。单输入 / 不被 bracket → t=0 → copy_last 分支，不触发融合与表达混合。+动机（PLAN）：低失配细胞本身已接近其配对 a 侧，混合它们只把表达云整体拉向 a 侧 bracket（mmd/variogram 惩罚 → cell_state 回吐），不修复表达-位置失配。门控只保留高失配细胞的混合，即"哪些细胞被混合"的选择逻辑逐细胞不同（取决于自身表达距离），非常数位移、非组成重加权。 -**gamma=1.2 的含义**：xb + 1.2·(xa−xb) = xa + 0.2·(xa−xb)，即轻度越过 a 侧配对值。动机：gamma=1 时被混合细胞成为 a 侧 NN 的精确表达副本（型内方差 604→517，多样性塌缩）；轻度外推把逐细胞差异 (xa−xb) 重新注入，型内方差回到 767（>604），补偿副本化损失的异质性。proxy 上 1.0–1.3 是平滑平台（见下），不是尖峰。+**提交态默认**：`T2HI_GATE_Q=0.7`（全局分位数）、`T2HI_GAMMA=1.2`、`T2HI_EXPRNN=1`、`T2HI_GATE_MODE=global`。+**对照开关**：`T2HI_GATE_Q=0` → 阈值=最小值，全部被融合细胞通过门控，行为与节点 14 完全一致（已本地 np.array_equal 验证 X 与坐标逐元素全等）；`T2HI_EXPRNN=0` → 关闭整个表达混合，与节点 10 一致（父节点已验证）。`T2HI_GATE_MODE=type` 为型内分位数备选（proxy 上更差，未采用）。 -## 机制生效证据（proxy seed 0，T2HI_EXPRNN=1，gamma=1.2）+无随机数参与门控（np.quantile 确定）；不依赖绝对时间、路径、视图字段；单输入 / 不被 bracket → t=0 → copy_last 分支，不触发融合与混合。 -- 被混合细胞数 = 2273（融合共 17338 个 b 细胞，其中被 t=0.4 分层抽样选进 17616 细胞输出的部分）；-- 每细胞表达改变量 L2：mean=46.6，std=4.34，min=31.3，max=57.1 → std>0，型内异质（各细胞向各自不同的 NN 混合）；-- 型内表达方差（被混合细胞对型均值的平均平方偏差）：混合前 604.1 → 混合后 767.0（gamma=1.2 过冲增大方差；gamma<1 时降到 281–495，与 PLAN 预期"增大"相反，如实报告——单纯向内混合是收缩，只有过冲才扩张）；-- 坐标逐元素不变（默认输出与节点 10 坐标全等，本地验证），符合"表达混合不影响坐标"的预期；-- 关闭对照：`T2HI_EXPRNN=0` 输出与节点 10 输出**逐元素一致**（X、坐标全等，np.array_equal 本地验证）。--## 对照结果（vec-score A 半，proxy）--gamma 网格（seed 0）：+## 网格结果（vec-score A 半，proxy，seed 0；节点14 = q0/g1.2 基线 60.40）  | 配置 | 榜分 | cell_state | expr_change | local_spatial | shape_scale | |---|---:|---:|---:|---:|---:|-| 节点10（= 关闭态） | 59.85 | 65.93 | 63.83 | 56.03 | 53.62 |-| gamma=0.1 / 0.2 / 0.3 | 59.68 / 59.59 / 59.56 | 65.25 / 64.84 / 64.52 | 63.86 / 63.90 / 63.92 | 55.97 / 56.02 / 56.17 | 53.62 |-| gamma=0.5 / 0.7 | 59.64 / 59.96 | 64.16 / 64.01 | 64.13 / 64.95 | 56.66 / 57.24 | 53.62 |-| gamma=1.0 | 60.27 | 64.37 | 65.11 | 57.99 | 53.62 |-| gamma=1.1 / 1.2 / 1.3 | 60.31 / **60.40** / 60.31 | 64.31 / 64.25 / 64.18 | 65.20 / 65.51 / 65.13 | 58.11 / 58.21 / 58.31 | 53.62 |-| gamma=1.5 | 60.18 | 64.03 | 64.60 | 58.48 | 53.62 |+| q=0（节点14） | 60.40 | 64.25 | 65.51 | 58.21 | 53.62 |+| q=0.3, g=1.0 / 1.2 | 60.42 / 60.52 | 64.87 / 64.83 | 65.52 / 65.76 | 57.67 / 57.87 | 53.62 |+| q=0.5, g=1.0 / 1.2 | 60.46 / 60.55 | 65.35 / 65.35 | 65.34 / 65.51 | 57.52 / 57.71 | 53.62 |+| **q=0.7, g=1.2（提交）** | **60.76** | **65.87** | **66.05** | 57.49 | 53.62 |+| q=0.7, g=1.0 / 1.3 | 60.51 / 60.79 | 65.84 / 65.88 | 65.24 / 66.12 | 57.34 / 57.55 | 53.62 |+| q=0.75 / 0.8, g=1.2 | 60.73 / 60.69 | 66.01 / 66.17 | 65.85 / 65.61 | 57.45 / 57.38 | 53.62 |+| q=0.9, g=1.2 | 60.36 | 66.12 | 64.80 | 56.88 | 53.62 |+| q=0.5 / 0.7, g=1.2, type 模式 | 60.48 / 60.33 | 65.41 / 65.80 | 65.30 / 64.91 | 57.59 / 57.01 | 53.62 | -三种子（0/1/2）均值：gamma=1.0 → 60.27/60.43/60.78 = 60.49；**gamma=1.2 → 60.40/60.62/60.95 = 60.66**；节点 10 关闭态（节点 11 实测）= 59.85/60.08/60.25 = 60.06。gamma=1.2 每个种子都比关闭态高 +0.55/+0.54/+0.70，一致超过单种子噪声（~0.2），也高于 gamma=1.0 每个种子 +0.13~0.17。+- 榜分随 q 单调升到 0.7 附近成峰（60.76–60.79），q=0.9 回落；cell_state 随 q 单调回升（64.25→66.17），PLAN 判据 cell_state≥65.5 在 q=0.7 首次满足且榜分最高 → 选 q=0.7。+- g=1.3 与 1.2 差 0.03（噪声内），保留父节点语义更稳的 1.2。+- type 模式（型内分位数）反而更差： Peri/V-CM 型 chg_l2 分布偏低，全局门控已隐式把混合集中在 NCC/aPHM/pPHM 高失配细胞上，型内强制每型混 30–50% 重新引入低失配混合。风险预案（型内分位数）在 proxy 上实测无效，如实报告。+- **种子稳健性**：q=0.7/g=1.2 在 seed 1 上 60.99（cell_state 66.63），与 seed 0 的 60.76 一致，提升非单种子噪声。 -## 结论（如实报告，与 PLAN 预期的偏差）+## 机制生效证据（proxy seed 0，提交态） -- **PLAN 的判据（cell_state+expression_change 合计提升 >1 分）未满足**：gamma=1.2 时 cell_state −1.68、expression_change +1.68，合计 +0.00（两组分此消彼长）。-- **但榜分（节点分数的定义）3 种子均值 60.06 → 60.66（+0.60），逐种子一致提升**。增益来源：expression_change（de_score 0.326→0.402）与 local_spatial（neighborhood_mmd 0.0754→0.0689）——被融合的 b 细胞坐在 a 侧位置上却携带 b 侧表达的"表达-位置失配"确实被评分器惩罚，逐细胞配对混合修复了它。cell_state（mmd_u/variogram）小幅回吐，是 b 侧细胞表达被拉向 a 侧、云整体略偏下 bracket 的代价。-- 提交态：默认开启，gamma=1.2（平台中心，1.0–1.3 全在 60.27–60.40，非尖峰调参）。+- 被融合 b 细胞 2273，门控保留（被混合）682 = 30.0%（≈1−q，符合分位数定义）；+- 被保留细胞 chg_l2 mean=43.3 vs 被排除 mean=37.0（保留的显著更高，min 40.9 > 排除侧分布）；+- 每型保留/总数：NCC 224/341、Peri 21/621、V-CM 71/814、aPHM 123/239、pPHM 243/258 —— 全部 ≥10（PLAN 风险 3 的下限），但型间高度不均：全局门控把混合集中在 NCC/aPHM/pPHM，Peri/V-CM 大部分保持原表达；+- 四组分相对节点 14：cell_state 64.82→65.87（+1.05，回升，符合预期）、expression_change 65.65→66.05（+0.40，高失配细胞贡献了大部分 DE 增益，验证 PLAN "保留>70%增益"的预期方向）、local_spatial 58.29→57.49（−0.80，被混合细胞减少 70% 导致增益部分回吐）、shape_scale 不变（坐标未动）；+- 型内表达方差：604（节点10，不混合）→ 767（节点14，全混合）→ 758（门控后）。注意门控保留的是高 chg_l2 细胞，gamma=1.2 过冲对它们扩张方差，故未落在 PLAN 预期的 604–767 中段而是接近上端；如实报告。 -## 验证过 / 没验证+## 验证过 / 未验证 -- 验证：默认输出确定（两次运行逐元素一致）；关闭态与节点 10 逐元素一致；默认态 vec-check ok；CPU ~2.1s、内存 <1GB；表达混合不动坐标。-- 没验证：真实 bracket（31 共有型、t=0.5、大部分 b 细胞被混合，2273→数万）上的 gamma——proxy 只有 5 个共有型、被混合细胞占输出 13%；真实上被混合比例更高，cell_state 的回吐可能放大，gamma=1.0（不过冲、语义更稳）是更保守的备选，两者 proxy 差 0.17。gamma 网格只在 proxy 上测（正式分 B 半未测，规则相同）。伪装视图未重跑（代码无路径/绝对时间/随机依赖，与节点 10 同源结构）。-- 与 T2HI_EXPR（per-type 均值位移，默认关）的交互未测（两者同时开会先位移再混合，未验证，默认路径不触发）。+- 已验证：`T2HI_GATE_Q=0` 输出与节点 14 逐元素一致（np.array_equal，X+坐标）；默认配置 seed 0 两次运行输出一致（确定性）；vec-check 通过；运行 ~2s、峰值内存 <1GB（limits 30min/28GB 内）；q×gamma 全网格 + type 模式 + 种子复核见上表。+- 未验证：正式分 B 半（A 半提升 +0.36，父节点经验表明 A 半对 <0.5 量级提升偏乐观，本提升在 T2 噪声 ~1 边缘，需正式分确认）；真实括号（E8.25→E8.75，31 个共有型）上 chg_l2 分布与型间偏斜可能与 proxy（5 型）不同，q=0.7 在真实括号的最优性未知；external/ 数据（MOSTA E9.5）未使用（父节点亦未用，本节点未改）。  ## 知识来源 -无外部生物知识写入程序；机制只用两 bracket 现场的表达、坐标与 celltype 标签（数据驱动配对）。未使用 external/ 与 prior/。--## 下一步建议--1. cell_state 在 gamma>1 时稳定 −1.7：可试"只混合高表达差异细胞"（按 chg_l2 分位数门控）或 gamma 按型自适应（共有型细胞数多的型用小 gamma），减少云整体偏移；-2. shape_scale 仍被 scale_log_ratio 锁死（53.62 恒定），与节点 11 结论一致，坐标类机制无空间；-3. 若真实 bracket 上被混合比例大导致回吐，退路是 gamma=1.0 或按 frac_b 缩放 gamma（gamma_eff = 1 + 0.2·(1−frac_b)），后者未验证。+未使用任何保留阶段/基因型信息或文献数值；机制只依赖两 bracket 现场计算的表达距离分位数。细胞类型名仅用于型内 NN 配对（与父节点相同，来自输入 obs 标签）。diff --git a/solution/run.py b/solution/run.pyindex 299ca5a..ad4e3cd 100644--- a/solution/run.py+++ b/solution/run.py@@ -26,7 +26,12 @@ T2HI_GAMMA (default 1.2) additionally mixes each fused b cell's expression towards its matched a-side NN: xb <- xb + gamma*(xa_nn - xb), per-cell, common types only; T2HI_EXPRNN=0 disables it (node-10 output). Gamma 1.2 slightly overshoots the a-side value, restoring within-type spread lost when-paired b cells become a-side copies (see METHOD.md).+paired b cells become a-side copies (see METHOD.md). T2HI_GATE_Q (default+0.7) gates the blend on the quantile of per-cell expression distance+chg_l2 = ||xa_nn - xb|| among fused b cells: only cells with chg_l2 at or+above the q-quantile are blended, low-mismatch cells keep their b-side+expression; T2HI_GATE_Q=0 lets every fused cell through (node-14 output).+T2HI_GATE_MODE=type computes the quantile per cell type instead of globally. """  from __future__ import annotations@@ -299,9 +304,25 @@ def main() -> None:         if sel.any():             Xa_nn = as_dense(a.X, nn_a[sel]).astype(np.float64)             Xb_f = as_dense(b.X, nn_b[sel]).astype(np.float64)-            blended = Xb_f + gamma * (Xa_nn - Xb_f)-            xb[pos[nn_b[sel]]] = blended.astype(np.float32)+            diff = Xa_nn - Xb_f+            d = np.linalg.norm(diff, axis=1)             labs = np.asarray(b.labels).astype(str)[nn_b[sel]]+            gate_q = float(os.environ.get("T2HI_GATE_Q", "0.7"))+            gate_mode = os.environ.get("T2HI_GATE_MODE", "global")+            if gate_q > 0.0:+                if gate_mode == "type":+                    thr = np.zeros_like(d)+                    for lab in np.unique(labs):+                        m = labs == lab+                        thr[m] = np.quantile(d[m], gate_q)+                else:+                    thr = np.quantile(d, gate_q)+                keep = d >= thr+            else:+                keep = np.ones(d.shape, dtype=bool)+            blended = Xb_f.copy()+            blended[keep] = Xb_f[keep] + gamma * diff[keep]+            xb[pos[nn_b[sel]]] = blended.astype(np.float32)             def _within_var(M: np.ndarray) -> float:                 vs = []                 for lab in np.unique(labs):@@ -309,12 +330,22 @@ def main() -> None:                     if m.sum() >= 2:                         vs.append(float(((M[m] - M[m].mean(0)) ** 2).sum(1).mean()))                 return float(np.mean(vs)) if vs else 0.0-            chg = gamma * np.linalg.norm(Xa_nn - Xb_f, axis=1)+            per_type_kept = {+                str(lab): [int(((labs == lab)).sum()), int(((labs == lab) & keep).sum())]+                for lab in np.unique(labs)+            }+            chg = gamma * d             exprnn_info = {-                "gamma": gamma, "cells_mixed": int(sel.sum()),-                "chg_mean": float(chg.mean()), "chg_std": float(chg.std()),-                "chg_min": float(chg.min()), "chg_max": float(chg.max()),+                "gamma": gamma, "gate_q": gate_q, "gate_mode": gate_mode,+                "cells_mixed": int(sel.sum()), "cells_kept": int(keep.sum()),+                "chg_mean": float(chg[keep].mean()) if keep.any() else 0.0,+                "chg_std": float(chg[keep].std()) if keep.any() else 0.0,+                "chg_min": float(chg[keep].min()) if keep.any() else 0.0,+                "chg_max": float(chg.max()),+                "d_kept_mean": float(d[keep].mean()) if keep.any() else 0.0,+                "d_excl_mean": float(d[~keep].mean()) if (~keep).any() else 0.0,                 "var_before": _within_var(Xb_f), "var_after": _within_var(blended),+                "per_type_kept": per_type_kept,             }      expr = np.clip(np.vstack([xa, xb]), 0.0, None).astype(np.float32)@@ -341,11 +372,15 @@ def main() -> None:                   f"mean_offset={blend_info['disp_mag']:.1f} "                   f"b_a_nn_after_disp={blend_info['disp_nn_after']:.1f}", flush=True)     if exprnn_info is not None:-        print(f"[exprnn] gamma={exprnn_info['gamma']:.2f} cells_mixed={exprnn_info['cells_mixed']} "-              f"chg_l2 mean={exprnn_info['chg_mean']:.3f} std={exprnn_info['chg_std']:.3f} "+        print(f"[exprnn] gamma={exprnn_info['gamma']:.2f} gate_q={exprnn_info['gate_q']:.2f}"+              f"({exprnn_info['gate_mode']}) cells_fused={exprnn_info['cells_mixed']} "+              f"cells_kept={exprnn_info['cells_kept']} "+              f"chg_l2 kept mean={exprnn_info['chg_mean']:.3f} std={exprnn_info['chg_std']:.3f} "               f"min={exprnn_info['chg_min']:.3f} max={exprnn_info['chg_max']:.3f} "+              f"d_kept={exprnn_info['d_kept_mean']:.3f} d_excl={exprnn_info['d_excl_mean']:.3f} "               f"within_type_var {exprnn_info['var_before']:.3f} -> {exprnn_info['var_after']:.3f}",               flush=True)+        print(f"[exprnn] per_type kept/total={exprnn_info['per_type_kept']}", flush=True)      write_t2(args.out, expr, coords.astype(np.float32), genes, seed=args.seed) 

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。做了什么、查分结果、下一步：

**做了什么**：按 PLAN 在节点14的逐细胞NN表达混合上新增 chg_l2 分位数门控（`T2HI_GATE_Q`，全局/型内两模式），只混合高表达失配的被融合b细胞。跑完 q∈{0,0.3,0.5,0.7,0.75,0.8,0.9}×gamma∈{1.0,1.2,1.3} 网格+type模式，提交态 q=0.7、gamma=1.2。关闭对照 `T2HI_GATE_Q=0` 与节点14逐元素一致（np.array_equal 验证）；seed 确定、vec-check 通过、~2s/<1GB。

**查分**（A半 proxy，用13/20次）：提交配置 60.76（seed 1 复核 60.99），vs 节点14 的 60.40。cell_state 64.25→65.87（回升，达 PLAN 判据≥65.5），expr_change 65.51→66.05，local_spatial 58.21→57.49，shape_scale 不变。型内分位数门控（备选）实测更差（60.33–60.48）。

**下一步最值得试**：(1) local_spatial 是唯一回吐组分——门控后仅 682 细胞被拉向a侧，可试"坐标融合按同一 chg_l2 门控"（低失配细胞坐标也不动）或 alpha<1 部分位移，看能否在 cell_state 增益上找回空间分；(2) q=0.7 峰在真实括号（31共有型）上位置可能不同，chg_l2 型间偏斜大（Peri 仅保留 21/621），可试"全局分位数+每型最少保留比例"混合门控；(3) A半提升 +0.36 在噪声边缘，正式分未必兑现，若 B 半无提升应转向 shape_scale/occupancy 结构性机制（proxy 上被 scale_log_ratio 锁死，验证受限）。

调研员

```json
{
  "name": "按表达差异分位数门控NN表达混合，修复cell_state回吐",
  "motivation": "节点14的逐细胞gamma混合使榜分60.43→60.80(+0.38)，但cell_state从66.70降至64.82(−1.88)，与expression_change(+1.75)/local_spatial(+1.64)增益几乎抵消。ANALYSIS指出这是结构性的：所有被融合b细胞无差别混合使表达云整体偏向a侧bracket，mmd/variogram惩罚。低表达差异细胞(chg_l2小)本身已接近配对a侧，混合它们只贡献云偏移而不修复失配，是cell_state回吐的主要来源。节点13(均匀β混合)和节点14(均匀gamma)都未做选择性门控，这是未试过的结构变体。",
  "approach": "在节点14的_blend_within_type表达混合逻辑中新增分位数门控：(1)对每个被融合b细胞计算chg_l2=||X_a_nn−X_b||；(2)取所有被融合b细胞chg_l2的q分位数为阈值(环境变量T2HI_GATE_Q，默认0.5)；(3)仅对chg_l2≥阈值的细胞执行gamma混合，其余保持b侧原表达。gamma保持1.2。搜索网格：T2HI_GATE_Q∈{0.3,0.5,0.7}，gamma∈{1.0,1.2}，共6配置。用vec-score在proxy(seed 0)上逐一查分，选榜分最高且cell_state≥65.5的配置。若q=0.5+gamma=1.2满足条件则直接提交；否则扩展q=0.4/0.6。若所有门控配置的cell_state仍<65，尝试按型内分位数(每型独立取q分位)替代全局分位数。单输入退路：t=0→copy_last，不触发融合与混合，与父节点一致。实现约15行改动(在已有nn_b/nn_a索引上计算chg_l2、np.quantile、布尔掩码)，无需新依赖。",
  "expected_groups": ["cell_state", "expression_change", "local_spatial"],
  "risks": "1)门控后混合细胞数减半，expression_change/local_spatial增益可能缩小（但高差异细胞贡献最大，预期保留>70%增益）；Engineer应对比q=0(=节点14)与q=0.5的四组分，确认cell_state回升且其余两组未大幅下降。2)chg_l2分布可能在型间差异大，全局分位数对某些型过严/过松；备选按型内分位数。3)proxy只有5个共有型、2273个被混合细胞，分位数统计量可能不稳定；Engineer应检查每型被门控保留的细胞数是否≥10。4)正式分B半噪声~1分，若proxy提升<1.5分，需3种子确认。",
  "family_id": "T2HI-01",
  "mechanism": "在逐细胞NN表达混合中引入表达差异分位数门控：只有表达与其配对a侧NN差异超过阈值的b细胞才被混合，低差异细胞保持原表达，减少表达云整体偏移。",
  "vs_constant_shift": "门控是逐细胞的：每个b细胞是否被混合取决于它自己与配对NN的表达距离，不同细胞、不同型、不同空间位置的混合决策不同。常数位移对同型所有细胞施加相同向量；全局组成重加权只改变型比例。本机制改变的是'哪些细胞被混合'的选择逻辑，不改变混合方向或幅度公式。",
  "mechanism_evidence": "Engineer应记录：(1)被门控保留的细胞数占被融合总数的比例(应≈1−q)；(2)被保留细胞的chg_l2均值/最小值(应显著高于被排除的)；(3)cell_state/expression_change/local_spatial各自相对节点14的变化——预期cell_state回升≥1分、后两者降幅<0.5分；(4)型内表达方差：门控后应介于节点14(767)和节点10(604)之间，因为部分细胞未被拉向a侧。",
  "mechanism_off_control": "T2HI_GATE_Q=0时阈值=0，所有被融合b细胞都通过门控，行为与节点14完全一致(可用np.array_equal验证)。T2HI_EXPRNN=0关闭整个表达混合，输出与节点10一致。两个对照都应在Engineer本地验证。"
}
```

审查员

REVIEW.json written