总览 · ← 返回运行 20261003-043412-search-t2-embryo-interp-g24-D-s1

节点 n18

联合表达PCA+刚体不变几何latent内按细胞型确定性选取b侧中间态细胞(κ=0.65, procrustes3d, scale_damp=0.455)，表达与坐标随真实细胞搬运。

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 6ac48a4561: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：这个提交的上一版（种子程序：相对空仓库）。改动的文件：solution/EXECUTION.json +1 −0、solution/METHOD.md +43 −0、solution/run.py +203 −0

diff --git a/solution/EXECUTION.json b/solution/EXECUTION.jsonnew file mode 100644index 0000000..9d5125c--- /dev/null+++ b/solution/EXECUTION.json@@ -0,0 +1 @@+{"gpu": false}diff --git a/solution/METHOD.md b/solution/METHOD.mdnew file mode 100644index 0000000..3c7380f--- /dev/null+++ b/solution/METHOD.md@@ -0,0 +1,43 @@+联合表达PCA+刚体不变几何latent内按细胞型确定性选取b侧中间态细胞(κ=0.65, procrustes3d, scale_damp=0.455)，表达与坐标随真实细胞搬运。++# T2EI-03 联合表达-几何 latent 选胞（draft，节点 18）++## 方法++1. `interp_bracket` 取括号 (a=E早, b=E晚, t=时间差比例)；未括住时退化为整份复制 anchor（分层抽到 max_cells）。单输入阶段同样走该退路。+2. 细胞数：N = log 线性插值(A.n, B.n, t) 夹到 [min_cells, max_cells]；组成阻尼 n_b = round(κ·t·N)，κ=0.65；n_a = N − n_b，a 侧按型分层随机抽（seed 决定）。+3. 坐标：`align_pair(procrustes3d)` 把 b 云对齐到 a 帧（共有类型质心 Kabsch），两云缩放到共同目标 RMS = log_interp(rms_a, rms_b, t, SCALE_DAMP=0.455)。被选细胞坐标保持原值，不插值、不膨胀。+4. 联合 latent：合并两端表达 → 基因 z-score → K_PCA=20 主成分（合并 z-score）为表达块；几何块（每端在自己云内算，刚体不变）：到 K_NN=5 近邻平均距离、归一化径向位置、5-NN 细胞型组成占比向量。两块各自 z-score，几何块乘 W_GEO=1.0 后与表达块拼接。+5. 机制（JOINT_SEL=on，默认）：对每个共有细胞型（两端各 ≥ MIN_TYPE=10 个细胞），target = (1−t)·μ_a + t·μ_b（联合 latent 中的型质心），b 侧该型细胞按到 target 的欧氏距离升序稳定排序取前 n_b(type) 个（确定性，平局按索引）。非共有型按型内随机抽同数。n_b 按 b 端型占比分配（floor+按大小补齐，确定性）。+6. off 对照：JOINT_SEL=off 环境变量，b 侧改为同 seed 型内随机抽相同数量，其余流程完全一致。++输出 = a 侧抽取细胞 + b 侧选出的细胞，表达与坐标同一细胞搬运；`write_t2` 写盘。纯 CPU（EXECUTION.json gpu=false），代理视图全程 ~19s、峰值内存 ~1.4GB（限额 28GB/30min）。++## 机制生效证据（代理 E6.75+E8.0→E7.25，t=0.4，seed 0，vec-score A 半）++被选 b 细胞到 target 的联合 latent 距离均值 4.66 vs 随机选取 6.80（比值 0.69，选取确实偏向中间态；W_GEO=0 时 2.30 vs 4.00）。1300 个 b 细胞中被 10 个共有型的中间态偏好覆盖，其余 16 型随机。++四组分 on vs off（κ=0.65）：++| 配置 | board | cell_state | expression_change | shape_scale | local_spatial |+|---|---:|---:|---:|---:|---:|+| on（提交态） | 60.65 | 51.08 | 60.22 | 72.96 | 58.33 |+| off（随机对照） | 59.89 | 48.24 | 60.15 | 72.56 | 58.61 |++机制主要目标组 cell_state +2.84（>1 分噪声），board +0.76（噪声内）；local_spatial −0.28 持平。机制生效但整体增益主要来自 cell_state。++## 消融 / 参数扫描（各 1 次查分）++- W_GEO=0（纯表达 latent，≈节点 7 家族的选胞信号）：60.62，cell_state 52.71，shape 71.25；W_GEO=0.5：60.28；W_GEO=2：59.98（cell_state 48.83，几何过重有害）。W_GEO=1.0 board 最高且 shape 最好（72.96），保留。+- κ：0.5→60.70（cell_state 54.35、shape 70.37；off 对照 60.10，机制差仅 +1.2）；0.55→60.43；0.6→60.60；0.65→60.65（机制差最大 +2.84）。κ 间 board 差在噪声内，保留 PLAN 默认 0.65。+- K_NN=10：60.40；MIN_TYPE=5：60.56；ALIGN=procrustes(保z)：60.45。均不如默认，保留 K_NN=5、MIN_TYPE=10、procrustes3d。++## 验证过 / 没验证++- 已验证：代理视图跑通、`vec-check` ok、seed 0 复跑逐字节一致（确定）、11 次查分如上；程序只依赖时间差与数据，不读 board/mode/路径，阶段名与细胞数全部来自 manifest（视图无关，可过时间平移伪装）。+- 未验证：真实括号（E7.25+E8.0→E7.5，t=1/3，细胞数与共有型数不同：方法卡称共有型 11 个）——本代码全部从 manifest/数据现场计算，无阶段硬编码；未触发过单输入退路（本视图恒为 2 输入）；未在 seed 1/2 上查分。+- 与树内关系：低于最佳节点 11（62.15，mix+κ0.65+表达选胞+xy 膨胀 γ1.15）。本家族 shape_scale 最高（72.96 vs 72.48）但 cell_state/local_spatial 偏低；下一步最值得试：在本选胞机制上叠加已证明有效的 b 侧 xy 径向膨胀（γ≈1.15，节点 11）与 κ=0.5~0.65 联扫，或把型内选取从"最近 k"改为距离分位分层以保多样性。++## 知识来源++坐标系约定（z 为切片轴、共有细胞型质心 Kabsch 对齐、RMS 阻尼插值）来自方法卡的通用几何做法；未使用任何保留阶段/保留基因型的测量信息、文献数值或外部数据库；prior/ 与 external/ 未使用（external 为空）。细胞类型标签仅来自输入视图 obs。diff --git a/solution/run.py b/solution/run.pynew file mode 100644index 0000000..01461f9--- /dev/null+++ b/solution/run.py@@ -0,0 +1,203 @@+"""T2EI-03: joint expression-geometry latent selection for T2 embryo interpolation.++Mix real cells from the bracket stages (a=early, b=late). The b-side cells are+chosen per shared cell type by distance to the interpolated type centroid+target = (1-t)*mu_a + t*mu_b in a joint latent space built from expression PCA+plus rigid-invariant local geometry features (kNN distance, kNN type+composition, normalized radial position). Expression and coordinates travel+together with the chosen real cells.++Mechanism switch: JOINT_SEL=on (default) selects by latent distance;+JOINT_SEL=off draws the same per-type counts at random (control).+"""++from __future__ import annotations++import os+import sys++import numpy as np+from scipy.spatial import cKDTree++from src.task2_spatial.frame import align_pair, log_interp, rms_radius, scale_to_rms+from src.task2_spatial.sample import clip_n, take+from src.task2_spatial.view_io import (+    interp_bracket,+    load_manifest,+    panel_genes,+    read_stage,+    write_t2,+)++K_PCA = int(os.environ.get("K_PCA", "20"))+K_NN = int(os.environ.get("K_NN", "5"))+W_GEO = float(os.environ.get("W_GEO", "1.0"))+KAPPA = float(os.environ.get("KAPPA", "0.65"))+SCALE_DAMP = float(os.environ.get("SCALE_DAMP", "0.455"))+ALIGN = os.environ.get("ALIGN", "procrustes3d")+JOINT_SEL = os.environ.get("JOINT_SEL", "on").lower()+MIN_TYPE = int(os.environ.get("MIN_TYPE", "10"))+++def _z(block: np.ndarray) -> np.ndarray:+    mu = block.mean(axis=0)+    sd = block.std(axis=0)+    return (block - mu) / (sd + 1e-8)+++def _expr_pca(X: np.ndarray, k: int) -> np.ndarray:+    mu = X.mean(axis=0)+    sd = X.std(axis=0)+    Z = (X - mu) / (sd + 1e-8)+    k = int(min(k, Z.shape[1], Z.shape[0] - 1))+    _, _, vt = np.linalg.svd(Z - Z.mean(axis=0), full_matrices=False)+    return Z @ vt[:k].T+++def _geo_features(coords: np.ndarray, labels: np.ndarray, types: list[str], k_nn: int) -> np.ndarray:+    n = len(coords)+    tree = cKDTree(coords)+    k = int(min(k_nn, max(n - 1, 1)))+    dist, idx = tree.query(coords, k=k + 1)+    dist = dist[:, 1:]+    idx = idx[:, 1:]+    d_knn = dist.mean(axis=1)+    tindex = {t: i for i, t in enumerate(types)}+    lab_idx = np.array([tindex.get(str(l), -1) for l in labels])+    comp = np.zeros((n, len(types)), dtype=np.float64)+    valid = lab_idx[idx] >= 0+    rows = np.repeat(np.arange(n), k)[valid.ravel()]+    cols = lab_idx[idx][valid]+    np.add.at(comp, (rows, cols), 1.0)+    comp /= max(k, 1)+    cen = coords.mean(axis=0)+    rad = np.linalg.norm(coords - cen, axis=1)+    rmax = max(float(rad.max()), 1e-8)+    return np.column_stack([d_knn, rad / rmax, comp])+++def _alloc_counts(labels: np.ndarray, types: list[str], n: int) -> dict[str, int]:+    counts = {t: 0 for t in types}+    sizes = {t: int(np.sum(labels == t)) for t in types}+    total = sum(sizes.values())+    if total <= 0 or n <= 0:+        return counts+    n = int(min(n, total))+    order = sorted(types, key=lambda t: (-sizes[t], t))+    assigned = 0+    for t in order:+        c = int(np.floor(n * sizes[t] / total))+        c = min(c, sizes[t])+        counts[t] = c+        assigned += c+    guard = 0+    while assigned < n and guard < n + len(types) + 5:+        progressed = False+        for t in order:+            if assigned >= n:+                break+            if counts[t] < sizes[t]:+                counts[t] += 1+                assigned += 1+                progressed = True+        if not progressed:+            break+        guard += 1+    return counts+++def main(view: str, out: str, seed: int) -> None:+    rng = np.random.default_rng(seed)+    man = load_manifest(view)+    genes = panel_genes(view, man)+    lo, hi = int(man["min_cells"]), int(man["max_cells"])+    ea, eb, t = interp_bracket(man)+    A = read_stage(view, ea, genes)++    if eb is None:  # not bracketed: fall back to copying the anchor stage+        idx = take(A.labels, min(A.n, hi), rng)+        write_t2(out, A.X[idx].toarray(), A.coords[idx], genes, seed)+        return++    B = read_stage(view, eb, genes)++    n_out = clip_n(log_interp(A.n, B.n, float(t), 1.0), lo, hi)+    n_b = int(np.clip(round(KAPPA * float(t) * n_out), 0, min(B.n, n_out)))+    n_a = int(min(n_out - n_b, A.n))+    if n_a + n_b < lo:+        n_b = int(min(n_b + (lo - n_a - n_b), B.n))+    idx_a = take(A.labels, n_a, rng)++    ca, cb, info = align_pair(A.coords, B.coords, A.labels, B.labels, ALIGN)+    rms_t = log_interp(rms_radius(A.coords), rms_radius(B.coords), float(t), SCALE_DAMP)+    ca = scale_to_rms(ca, rms_t)+    cb = scale_to_rms(cb, rms_t)++    Xa = np.asarray(A.X.todense(), dtype=np.float64)+    Xb = np.asarray(B.X.todense(), dtype=np.float64)+    E = _z(_expr_pca(np.vstack([Xa, Xb]), K_PCA))+    Ea, Eb = E[: A.n], E[A.n :]++    types = sorted({str(x) for x in A.labels} | {str(x) for x in B.labels})+    Ga = _geo_features(ca, A.labels, types, K_NN)+    Gb = _geo_features(cb, B.labels, types, K_NN)+    G = _z(np.vstack([Ga, Gb]))+    Ga_z, Gb_z = G[: A.n] * W_GEO, G[A.n :] * W_GEO++    La = np.hstack([Ea, Ga_z])+    Lb = np.hstack([Eb, Gb_z])++    lab_a = np.asarray(A.labels).astype(str)+    lab_b = np.asarray(B.labels).astype(str)+    shared = sorted({t_ for t_ in types if np.sum(lab_a == t_) >= MIN_TYPE and np.sum(lab_b == t_) >= MIN_TYPE})++    counts_b = _alloc_counts(lab_b, sorted(set(lab_b.tolist())), n_b)+    picks_b, diag_sel, diag_rnd = [], [], []+    for t_ in sorted(set(lab_b.tolist())):+        pool = np.flatnonzero(lab_b == t_)+        k = int(counts_b.get(t_, 0))+        if k <= 0:+            continue+        if k >= pool.size:+            picks_b.append(pool)+            continue+        if JOINT_SEL == "on" and t_ in shared:+            mu_a = La[lab_a == t_].mean(axis=0)+            mu_b = Lb[pool].mean(axis=0)+            target = (1.0 - float(t)) * mu_a + float(t) * mu_b+            d = np.linalg.norm(Lb[pool] - target, axis=1)+            order = np.argsort(d, kind="stable")[:k]+            sel = pool[order]+            d_sel = d[order]+            d_rnd = d[rng.permutation(pool.size)[:k]]+            diag_sel.append(d_sel.mean())+            diag_rnd.append(d_rnd.mean())+        else:+            sel = pool[rng.permutation(pool.size)[:k]]+        picks_b.append(sel)+    idx_b = np.concatenate(picks_b) if picks_b else np.array([], dtype=int)++    print(+        f"[diag] t={t:.3f} N={n_out} n_a={len(idx_a)} n_b={len(idx_b)} align={ALIGN} "+        f"shared={len(shared)}/{len(set(lab_b.tolist()))} joint_sel={JOINT_SEL} "+        f"knn={K_NN} kpca={K_PCA} w_geo={W_GEO} kappa={KAPPA} damp={SCALE_DAMP} "+        f"rms_target={rms_t:.1f} z_axis={info.get('z_axis_a')}/{info.get('z_axis_b')} "+        f"sel_d={np.mean(diag_sel) if diag_sel else float('nan'):.4f} "+        f"rnd_d={np.mean(diag_rnd) if diag_rnd else float('nan'):.4f}",+        file=sys.stderr,+    )++    X = np.vstack([Xa[idx_a], Xb[idx_b]]).astype(np.float32)+    C = np.vstack([ca[idx_a], cb[idx_b]]) if len(idx_b) else ca[idx_a]+    write_t2(out, X, C, genes, seed)+++if __name__ == "__main__":+    import argparse++    p = argparse.ArgumentParser()+    p.add_argument("--data", required=True)+    p.add_argument("--out", required=True)+    p.add_argument("--seed", type=int, default=0)+    args = p.parse_args()+    main(args.data, args.out, 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

提交态确认：`solution/` 含 `run.py`（默认 JOINT_SEL=on、κ=0.65、procrustes3d、damp=0.455）、`EXECUTION.json`（gpu=false）、`METHOD.md`；seed 0 复跑逐字节一致，vec-check ok。

**总结**
- 做了什么：从零实现 PLAN T2EI-03 —— 表达 PCA(20) + 刚体不变几何（5-NN 距离、邻域型组成、归一化半径）拼接联合 latent，共有型内按到 (1−t)μ_a+tμ_b 的距离确定性选 b 侧细胞；组成阻尼 κ、procrustes3d 对齐、RMS 阻尼缩放，坐标不插值不膨胀；含 JOINT_SEL on/off 开关。
- 查分（12/20 次）：提交态 60.65（cell_state 51.08 / expr 60.22 / shape 72.96 / local 58.33）；off 对照 59.89，机制使 cell_state +2.84（生效），board +0.76（噪声内）。消融：W_GEO=0→60.62、κ=0.5→60.70、KNN10/mt5/proc 均更低。低于树最佳 62.15。
- 下一步最值得试：在本选胞机制上叠加节点 11 已证明的 b 侧 xy 径向膨胀 γ≈1.15（本家族 shape 已最高、cell_state/local 偏低），以及型内选取改距离分位分层保多样性、κ∈[0.5,0.65] 联扫。

调研员

.48）。现有 mix 流程的 b 侧选胞只基于表达质心距离（节点 7）或径向分层（节点 6），未利用局部几何信息，导致选出的细胞在空间上未必处于中间态。节点 12 的坐标插值使 local_spatial 掉 2.0，说明表达与空间不能独立生成。T2EI-03 在联合 latent 里选胞，让表达-位置对应自然保持，针对 cell_state 同时不损害 local_spatial。","approach":"步骤：(1) 读视图，按时间排序取最早阶段为 a、最晚为 b；若只有一个输入阶段则直接复制该阶段输出（退路）。(2) 表达特征：对共有基因做 z-score，取前 K_PCA=20 个 PCA 分量（搜索范围 10-50）。(3) 几何特征（刚体不变）：每细胞计算 a) 到 5 个最近邻（坐标空间）的平均距离；b) 5-NN 中各细胞型占比（向量）；c) 到全云质心距离 / 全云最大半径（归一化径向位置）。(4) 联合 latent：将 PCA 分量与几何特征拼接，各块独立 z-score 后加权拼接，W_EXPR=1.0, W_GEO=1.0（搜索 W_GEO 0.5-2.0）。(5) 对每个共有细胞型：计算 a 侧质心 μ_a、b 侧质心 μ_b（在联合 latent 中），目标点 target=(1-t)*μ_a + t*μ_b，t 由视图时间间隔决定（proxy 单间隔取 0.5）。(6) b 侧选胞：按到 target 的欧氏距离升序取前 n_b 个（确定性）。n_b 由组成阻尼 κ=0.65 决定：n_b = round(κ * N_b_orig * type_frac)。(7) 输出：所有 a 细胞 + 选出的 b 细胞，坐标保持原值；全局缩放阻尼 SCALE_DAMP=0.455 使输出 RMS 对准参考。(8) vec-score 快筛：先跑 500 细胞子集确认无报错，再全量查 2-3 次（A 半），比较 JOINT_SEL=on vs off 的 cell_state 和 local_spatial。关键参数初值：K_PCA=20, K_NN=5, W_GEO=1.0, κ=0.65, SCALE_DAMP=0.455。单输入阶段退路：若 len(stages)==1，直接输出该阶段所有细胞，跳过全部选胞逻辑。","expected_groups":["cell_state","local_spatial"],"risks":"1) 联合 latent 中几何特征噪声大（kNN 距离对稀疏区域不稳定），导致选胞质量不如纯表达质心；Engineer 应先单独跑 W_GEO=0 对照，确认表达基线不劣于节点 7 水平（cell_state≥52），再加几何。2) 30 分钟时限紧：PCA + kNN 计算量在万级细胞上应 <10s，但若视图细胞数极大需先用 numpy 向量化，避免逐细胞循环。3) 若联合选胞与纯表达选胞差异在噪声内（<1 分），说明几何特征未提供额外信息，提交 off 对照。4) 坐标不做任何变换（不插值、不膨胀），避免重蹈节点 12 的 local_spatial 下降。","family_id":"T2EI-03","mechanism":"在表达 PCA + 刚体不变局部几何（kNN 距离、邻域类型组成、归一化半径）拼接的联合 latent 中，按到型内插值质心的距离确定性选取 b 侧细胞，表达与坐标一起从真实细胞取得，保持表达-位置对应。","vs_constant_shift":"常数位移对每个细胞型施加统一表达偏移，不改变细胞间的相对关系，也不利用空间信息；本方案在包含几何特征的联合空间中逐细胞排序选择，不同细胞被选中的概率取决于其在表达-几何联合空间中的位置，产生型内异质性选择而非均匀位移。","mechanism_evidence":"Engineer 应输出：1) 被选 b 细胞在联合 latent 中到 target 的距离分布 vs 随机选取的距离分布（KS 检验或均值比）；2) 被选细胞的 kNN 距离方差应小于随机选取（空间更均匀）；3) 四组分各自变化，尤其 cell_state 和 local_spatial 应同时不劣于 off 对照；4) W_GEO=0 时结果应退化为纯表达选胞（类似节点 7），作为消融。","mechanism_off_control":"JOINT_SEL=off：b 侧细胞改为同 seed 随机抽取相同数量，其余流程完全一致。预期差别：off 对照的 cell_state 应低于 on（因为随机选到的 b 细胞在表达-几何空间中不偏向中间态）；若 on-off 差距 <1 分（噪声内），说明机制未生效，提交 off 对照。"}