总览 · ← 返回运行 20261003-094241-search-t2-heart-interp-g24-D-s2

节点 n24

逐基因零阶矩符号校正（全细胞加同一常数 c_g=λ(tΔ_g−dp_g)）：代理上 flip 集恒为空，full-ref/all 变体 de_score 均降且 variogram 超阈，按预注册规则提交 λ=0，输出与父 17/19 管线逐位相同。

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 09d265baad: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 46467c9117。改动的文件：solution/METHOD.md +29 −44、solution/run.py +117 −1

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex da5ece5..62dfa2d 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,61 +1,46 @@-T2HI-01 跨侧kNN配对表达插值：共有类型在表达PCA空间贪心最近邻配对，按时间分数t做配对线性插值再以强度f混回原表达（坐标不动）；代理上f=0.5/1.0均劣于对照且variogram超PLAN放弃阈，提交默认f=0（逐位等于父17/19管线）。+逐基因零阶矩符号校正（全细胞加同一常数 c_g=λ(tΔ_g−dp_g)）：代理上 flip 集恒为空，full-ref/all 变体 de_score 均降且 variogram 超阈，按预注册规则提交 λ=0，输出与父 17/19 管线逐位相同。  ## 方法族与机制（PLAN T2HI-01，family T2HI-01） -在父 19（=父 17 管线：procrustes 对齐 → logit 配额混抽 → 同型 kNN 收缩 k=20 α=1.25 → β=1.3 逐轴方差恢复 → jitter + scale_to_rms）的**配额混抽之后、同型 kNN 收缩之前**插入表达侧步骤（表达与坐标解耦，插入顺序不影响坐标链）：+在父 22（=父 19/17 管线：procrustes 对齐 → logit 配额混抽 → 同型 kNN 收缩 k=20 α=1.25 → β=1.3 逐轴方差恢复 → jitter + scale_to_rms）的**配额混抽之后、坐标链之前**插入表达侧步骤（只动表达，坐标链不受影响）： -1. 每个共有类型（两侧抽取细胞均 ≥ T2HI_MATCH_MIN=5）：该型全部抽取细胞表达做 SVD-PCA 取前 min(30, n−1) 维；-2. PCA 空间 side-a × side-b 距离矩阵，贪心最近邻匹配（全局最小对迭代、移除已配细胞），assert 匹配对数 = min(n_a, n_b)；-3. 距离门控：匹配距离 > T2HI_MATCH_DMAX(2.0) × 该型中位匹配距离的对跳过，保留原表达；-4. 通过门控的对在全基因空间插值 x_interp = (1−t)·x_a + t·x_b，按强度混回 x_final = (1−f)·x_orig + f·x_interp，clip ≥ 0；即 side-a 细胞向匹配对移动 f·t，side-b 移动 f·(1−t)；-5. 未匹配/门控拒绝的细胞表达不动；坐标全程不动；-6. 环境变量：`T2HI_MATCH_F`（默认 **0.0** = 关闭，匹配前早退）、`T2HI_MATCH_MIN`（5）、`T2HI_MATCH_DMAX`（2.0）。+1. Δ_g = mean_b,g − mean_a,g（括号时间信号；`T2HI_SIGN_REF=drawn` 用两侧全部抽取细胞均值，`=full` 用两侧完整阶段均值）；+2. dp_g = pb_pred,g − pb_ref,g（pb_ref 按 PLAN 用抽取的 side-a 均值近似；full 模式用完整 stage-a 均值）；+3. 校正集：`T2HI_SIGN_MODE=flip`（PLAN 原案）取 sign(dp)≠sign(Δ) 且 |Δ|>T2HI_SIGN_THRESH(0.25)；`=all` 取所有 |Δ|>0.25；+4. 对校正集基因，**所有细胞加同一常数** c_g = λ·(t·Δ_g − dp_g)，clip ≥ 0；`T2HI_SIGN_PASSES` 可多遍补偿 clip 偏差；+5. 环境变量：`T2HI_SIGN_LAM`（默认 **0.0** = 关闭，早退，逐位无操作）、`T2HI_SIGN_THRESH`(0.25)、`T2HI_SIGN_MODE`(flip)、`T2HI_SIGN_REF`(drawn)、`T2HI_SIGN_PASSES`(1)。 -单输入/无括号走 copy_last 分支（本步不执行）。视图无关：只用时间差 t、标签、表达矩阵、manifest 上下限；不读 board/路径/阶段名/绝对时间。+单输入/无括号走 copy_last 分支（本步不执行）。视图无关：只用时间差 t、表达矩阵、manifest 上下限；不读 board/路径/阶段名/绝对时间。生物学先验：未使用（PLAN sources 为空）。 -## 机制生效证据（proxy E8.25+E9.5→E8.75，t=0.4，seed 0，f=0.5）+## 机制生效证据（proxy E8.25+E9.5→E8.75，t=0.4，seed 0，λ=1.0） -- 匹配统计（日志 `[match_interp]` 逐型打印）：5 个共有类型全部有操作对象——NCC a=1619 b=1079 pairs=1079、Peri 510/566→510、V-CM 1250/844→844、aPHM 817/544→544、pPHM 416/277→277；每型 pairs = min(n_a,n_b)（assert 通过），中位匹配距离 19.0–27.4，门控拒绝 0（dmax=2.0×中位数下全部通过），平均 |Δx|（全基因）33.9–39.4。-- 表达确实改变：f=0.5 与 f=0 的 `.X` np.array_equal = **False**；6508/17616 个细胞被改（= 2×3254 匹配对，逐对一致），逐细胞 L1 位移均值 77.2、最大 149.5，随 f 增大（f=1.0 位移加倍）——逐细胞方向大小由各自匹配对决定，不是常数位移。-- 坐标严格不变：f=0 与 f=0.5 的 obsm np.array_equal = True；四形状/邻域之外的坐标链指标（d2_shape 0.03915、occupancy_dice 0.8246、scale_log_ratio 0.4669）在全部 3 个 f 配置间逐位相同。-- 四组分变化模式符合预期方向判定：expression_change 与 cell_state 变动、shape_scale 完全不变（机制未触碰坐标，无 bug）。+- **flip 集在 drawn ref 下为空（结构性发现）**：混抽伪批量满足恒等式 dp = w_b·Δ_drawn（w_b=n_b/n>0），符号永远一致，|S|=0——PLAN 假设的"组成混抽使部分基因呈现错误符号"在该参考近似下**不可能发生**，λ=0.5/1.0 均为逐位无操作。+- full ref（消掉抽取噪声后）|S|=20，mean|c_g|=0.294；mode=all：drawn 182 基因 mean|c|=0.066、full 192 基因 mean|c|=0.129——确为稀疏逐基因修正而非全局操作。+- 修正确实只动基因均值：所有细胞同一基因加同一常数；但 **clip ≥ 0 破坏均匀性**——校正基因的平均 std 变化 drawn-all −0.023、full-flip −0.123、full-all −0.039，variogram 随之劣化（见下表），PLAN 的"variogram 精确不变"只在无 clip 时成立。+- 坐标全程未动：d2_shape 0.03915、occupancy_dice 0.8246、scale_log_ratio 0.4669 在全部配置间逐位一致。  ## 关闭机制对照与网格（全部 vec-score A 半，同会话，seed 0，共 5 次查分 / 额度 20） -对照 f=0：与父 19（=父 17）默认输出 `.X` 与 `obsm` 均 np.array_equal = **True**（逐位复现），A 半总分 **66.53**、八项 raw 与父 19 同会话对照逐位一致（de_score 0.5435、de_direction 0.6619、mmd_u 0.02386、variogram 0.022669、nbd 0.04145），确认基座复现。+对照 λ=0：与父 22（=父 19/17 管线）默认输出 `.X` 与 `obsm` 均 np.array_equal = **True**，A 半总分 **66.53**，八项 raw 与父会话逐位一致（de_score 0.5435、de_direction 0.6619、mmd_u 0.02386、variogram 0.022669、nbd 0.04145），基座复现确认。 -| f | 总分 | de_score | de_direction | mmd_u | variogram | nbd |-|---:|---:|---:|---:|---:|---:|---:|-| **0（提交默认）** | **66.53** | 0.5435 | 0.6619 | 0.02386 | 0.022669 | 0.04145 |-| 0.5 | 65.25 | 0.5435 | 0.6615 | 0.02723 | 0.028522 | 0.04382 |-| 1.0 | 64.44 | 0.5217 | 0.6584 | 0.02907 | 0.029674 | 0.04691 |+| 配置 | 总分 | de_score | de_direction | mmd_u | variogram | nbd |+|---|---:|---:|---:|---:|---:|---:|+| **λ=0（提交默认）** | **66.53** | 0.5435 | 0.6619 | 0.02386 | 0.022669 | 0.04145 |+| flip, drawn ref, λ=1 | （=对照，\|S\|=0 逐位相同） | — | — | — | — | — |+| flip, full ref, λ=1 | 65.87 | 0.5000 | 0.6509 | 0.02514 | 0.022871 | 0.04278 |+| all, drawn ref, λ=1 | 65.80 | 0.5326 | 0.6597 | 0.02434 | 0.027819 | 0.04179 |+| all, full ref, λ=1 | 62.76 | 0.4674 | 0.6354 | 0.02692 | 0.049033 | 0.04600 | -## 结论：机制假设不成立（如实报告，按 PLAN 决策规则放弃）+PLAN 快筛标准（de_score raw 上升 ≥0.01 且 variogram ≤ 基线+5%）**全部不满足**：de_score 不升反降（−0.011 ~ −0.076），variogram +1% ~ +116%。按预注册放弃规则停止网格（未再扫 λ=0.3/0.7，因 λ=1 已是该方向上界且单调劣化模式与节点 15/22 一致），提交 λ=0。 -PLAN 假设「配对插值保协方差，能抬 de_score/de_direction 而不伤 variogram」。实测：+## 结论与教训（本节点验证了什么、没验证什么） -1. **DE 组纹丝不动甚至变差**：对称配对移动在全基因伪批量上近乎抵消——每对的净贡献为 f·(2t−1)·(x_b−x_a)，t=0.4 时系数仅 −0.2f，所以 de_score 在 f=0.5 与对照完全相同（0.5435），f=1.0 反而降到 0.5217（配对在 f=1 时收敛成相同点，制造重复细胞）。PLAN 的机制收益前提（de_score raw 上升 ≥0.01）被证伪。-2. **分布类指标随 f 单调劣化**：插值把共有类型的两侧子簇互相拉近、缩小整体方差，细胞落到真实数据流形之外——variogram +26%（f=0.5，0.022669→0.028522，远超 PLAN 放弃阈 0.022/基线+5%）、mmd_u +14%、nbd +5.7%（f=0.5）到 +13%（f=1.0）。与节点 15 均值位移同一失败模式（型内方差收缩），只是程度较轻。-3. 按 PLAN 第一轮决策规则（f=0.5 variogram raw > 0.022 → 立即放弃、提交 f=0）执行；未进第二轮。未试 f<0.5：DE 收益在 f=0.5 已确认为零（不是幅度问题而是方向性抵消），减小 f 只会让各项损失收敛到对照、总分从下方逼近 66.53，无正收益区间。--因此提交默认 f=0：机制代码保留、默认关闭，输出逐位等于父节点 17/19。本节点的价值是这个负结果加机理解释：**跨侧配对插值的对称位移在伪批量上抵消（DE 无收益），却必然压缩两侧子簇间方差（variogram/mmd_u/nbd 单调受损）——任何以"两侧真实细胞表达互相混合"为核心的表达侧机制（节点 15 均值位移、本节点配对插值）都已证伪**。--## 验证过的--- f=0 默认输出与父 19 管线逐位相同（np.array_equal，.X 与 obsm）；同会话查分 66.53，raw 与父对照一致。-- f=0.5 机制生效证据完整（匹配对数、门控、逐细胞位移、坐标不变），见上。-- 默认配置 seed 0 重跑逐位相同；`vec-check` 通过；纯 CPU ~3 s、内存 <1 GB（EXECUTION.json gpu=false 沿用父节点）。-- 视图无关：机制只用时间差 t、celltype 标签、表达矩阵；单输入走 copy_last 分支；不读 board/mode/路径/阶段名/绝对时间。-- 查分共 5 次（额度 20）。--## 没验证的 / 风险--- 非对称变体（只动 side-a、或两侧不同权重）未测：伪批量不再抵消，但节点 15 已证型均值方向的位移伤 variogram，且真实 E8.75 的时间非线性未知，预期收益不明确（PLAN 决策规则已判放弃，未越界尝试）。-- dmax 门控在本数据上拒绝 0 对（两侧同型转录组距离分布紧凑），门控参数未起作用，无法评估其调节能力。-- B 半正式分预期与父相同（66.58）：f=0 输出逐位等于父。+- **证伪（本节点核心负结果）**：零阶矩逐基因修正在本管线上**信息论上无收益空间**——混抽伪批量已满足 dp = w_b·Δ_drawn + 小噪声，而 de_score/de_direction 是秩基指标：对 dp 加任何 c_g = f(Δ_g)，若 f 单调则秩不变、若非单调（或 clip 扭曲实现值）则偏离 Δ 的秩。dt 的秩信息除 Δ 之外无本地来源，故该机制族不可能提升 DE 组，只可能通过 clip 损伤 cell_state 组。三次实测全部符合此预测。+- 未验证：λ∈{0.3,0.7}、passes=2、thresh=0（放弃规则触发后未扫）；外推榜与胚榜（本节点只做 heart:val_interp）。+- 已验证：λ=0 输出与父逐位相同（np.array_equal .X/obsm）、vec-check ok、单 seed（0）。  ## 下一步建议 -- 表达侧「混合两侧真实细胞」家族（均值位移、配对插值）已两次证伪，不要再试对称混合类机制。-- 表达侧若继续挖，需要**不缩小方差**的机制：例如只在 DE 头部基因上做保序秩修正（de_score 0.52/0.54 是表达组最低单项），且修正必须逐基因、零均值、不改变细胞间协方差；或改善组成配额以外的型内分布形状（mmd_u）。-- 坐标侧已确认平台（节点 17/19），不建议再动。+- 表达侧"修正 dp"路线（节点 15 均值位移、22 配对插值、24 符号校正）已三次证伪，**关闭该方向**：任何仅由括号数据计算的逐基因/逐细胞表达修改都无法超越 Δ 的秩信息，且 clip/方差压缩必然损伤 cell_state 组。+- de_score 若要提升，需要 Δ 之外的 dt 信息源：prior/（通路注释推断基因非线性轨迹）或 external/（MOSTA E9.5）——属于新机制族，需 draft 节点。+- 坐标链已确认平台（节点 17/19/21 全网格 <1 分），不建议再动。diff --git a/solution/run.py b/solution/run.pyindex d75b263..c18fa28 100644--- a/solution/run.py+++ b/solution/run.py@@ -10,7 +10,27 @@ T2HI_COMPOSITION=linear). Shared types split their quota between the sides as (1-t, t); single-side types draw from that side only, capped by availability with proportional redistribution. -Addition in this node (T2HI-01, cross-side kNN paired expression interpolation):+Addition in this node (T2HI-01, per-gene zeroth-moment sign correction):+- env T2HI_SIGN_LAM (default 0.0 = off, bit-for-bit no-op): after quota mixing,+  compute delta_g = mean_b,g - mean_a,g (drawn cells; or full stage means with+  T2HI_SIGN_REF=full), dp_g = pb_pred,g - pb_ref,g, and add the SAME constant+  c_g = lam*(t*delta_g - dp_g) to every cell of genes in the correction set+  (T2HI_SIGN_MODE=flip: sign(dp) != sign(delta) and |delta| > T2HI_SIGN_THRESH+  (0.25); mode=all: every gene with |delta| > thresh), then clip >= 0.+  MEASURED HARMFUL / VACUOUS on proxy (A-half, seed 0): flip set with the drawn+  reference is EMPTY by construction (dp = w_b * delta_drawn exactly, so signs+  always agree); flip set with full reference = 20 genes -> 65.87 (de_score+  0.5435 -> 0.50); mode=all drawn-ref (182 genes, mean|c|=0.066) -> 65.80 with+  variogram 0.02267 -> 0.02782 (+23%, clip damage); mode=all full-ref (192+  genes, mean|c|=0.129) -> 62.76 with variogram 0.04903 (+116%). de_score+  never rose: dp is already rank-equivalent to the bracket signal delta, and+  de_score/de_direction are rank-based, so any c_g = f(delta_g) that is+  monotone in delta cannot change ranks while non-monotone f (or clip+  distortion) only moves dp away from delta's ranking. Submitted default+  lam=0 reproduces the parent pipeline bit-for-bit (np.array_equal on .X and+  obsm verified). PLAN pre-registered abandon rule triggered.++Kept from parent (T2HI-01, cross-side kNN paired expression interpolation): - env T2HI_MATCH_F (default 0.0 = off, early return before any matching):   for every shared type with >= T2HI_MATCH_MIN (5) drawn cells per side, PCA   (economy SVD, min(30, n-1) dims) of the type's drawn cells, greedy global-min@@ -425,6 +445,59 @@ def match_interp(     return out, report  +def sign_correct(+    expr: np.ndarray,+    n_a: int,+    t: float,+    lam: float,+    delta_thresh: float,+    passes: int,+    mode: str,+    mean_a_full: np.ndarray | None = None,+    mean_b_full: np.ndarray | None = None,+):+    """Per-gene zeroth-moment sign correction of the mixed pseudobulk (T2HI-01).++    delta_g = mean_b,g - mean_a,g over drawn cells (bracket time signal);+    dp_g = pb_pred,g - pb_ref,g with pb_ref approximated by the drawn side-a+    mean. For genes whose dp sign disagrees with the delta sign (and+    |delta| > delta_thresh; mode="all" corrects every gene with+    |delta| > delta_thresh instead), every cell gets the SAME constant+    c_g = lam * (t * delta_g - dp_g), so dp moves toward t*delta. Cell-to-cell+    differences within a gene are unchanged (variogram / covariance preserved+    up to the final clip >= 0). `passes` re-applies the correction to undo+    clip bias. lam=0 is a bit-for-bit no-op. Returns (expr, report dict).+    """+    if lam == 0.0 or expr.shape[0] == 0 or n_a <= 0 or n_a >= expr.shape[0]:+        return expr, {"n_corrected": 0, "mean_abs_c": 0.0, "passes": 0}+    out = expr.copy()+    total_n = 0+    total_c = 0.0+    for p in range(max(1, int(passes))):+        if mean_a_full is not None:+            mean_a = np.asarray(mean_a_full, dtype=np.float64)+            mean_b = np.asarray(mean_b_full, dtype=np.float64)+        else:+            mean_a = out[:n_a].mean(axis=0).astype(np.float64)+            mean_b = out[n_a:].mean(axis=0).astype(np.float64)+        delta = mean_b - mean_a+        pb_pred = out.mean(axis=0).astype(np.float64)+        dp = pb_pred - mean_a+        big = np.abs(delta) > delta_thresh+        if mode == "all":+            mask = big+        else:+            mask = big & (np.sign(dp) != np.sign(delta))+        if not mask.any():+            break+        c = np.zeros(out.shape[1], dtype=np.float64)+        c[mask] = lam * (t * delta[mask] - dp[mask])+        out = np.clip(out + c.astype(np.float32), 0.0, None).astype(np.float32)+        total_n = int(mask.sum())+        total_c = float(np.abs(c[mask]).mean()) if mask.any() else 0.0+    return out, {"n_corrected": total_n, "mean_abs_c": total_c, "passes": int(passes)}++ def composition(labels_a, labels_b, t: float, mode: str, eps: float):     """Per-type target fractions at time t over the union of both sides' types."""     la = np.asarray(labels_a).astype(str)@@ -605,6 +678,49 @@ def run(view: str, out: str, seed: int) -> None:             f"med_dist={med:.3f} mean_abs_delta={dnorm:.3f}",             flush=True,         )+    sign_lam = float(os.environ.get("T2HI_SIGN_LAM", "0.0"))+    sign_thresh = float(os.environ.get("T2HI_SIGN_THRESH", "0.25"))+    sign_passes = int(os.environ.get("T2HI_SIGN_PASSES", "1"))+    sign_mode = os.environ.get("T2HI_SIGN_MODE", "flip").strip().lower()+    sign_ref = os.environ.get("T2HI_SIGN_REF", "drawn").strip().lower()+    expr_before = expr if sign_lam != 0.0 else None+    ma_full = mb_full = None+    if sign_ref == "full":+        ma_full = np.asarray(stage_a.X.mean(axis=0), dtype=np.float64).ravel()+        mb_full = np.asarray(stage_b.X.mean(axis=0), dtype=np.float64).ravel()+    expr, sc_rep = sign_correct(+        expr, int(ia.size), float(t), sign_lam, sign_thresh, sign_passes, sign_mode, ma_full, mb_full+    )+    print(+        f"[sign_correct] lam={sign_lam} thresh={sign_thresh} passes={sign_passes} mode={sign_mode} ref={sign_ref} "+        f"n_corrected={sc_rep['n_corrected']} mean_abs_c={sc_rep['mean_abs_c']:.4f}",+        flush=True,+    )+    if sign_lam != 0.0 and sc_rep["n_corrected"] > 0:+        if ma_full is not None:+            mean_a0 = ma_full+            mean_b0 = mb_full+        else:+            mean_a0 = expr_before[: int(ia.size)].mean(axis=0).astype(np.float64)+            mean_b0 = expr_before[int(ia.size) :].mean(axis=0).astype(np.float64)+        delta0 = mean_b0 - mean_a0+        dp0 = expr_before.mean(axis=0).astype(np.float64) - mean_a0+        if sign_mode == "all":+            mask0 = np.abs(delta0) > sign_thresh+        else:+            mask0 = (np.abs(delta0) > sign_thresh) & (np.sign(dp0) != np.sign(delta0))+        dp1 = expr.mean(axis=0).astype(np.float64) - (+            ma_full if ma_full is not None else expr[: int(ia.size)].mean(axis=0).astype(np.float64)+        )+        flips = int((np.sign(dp1[mask0]) == np.sign(delta0[mask0])).sum())+        std0 = expr_before.std(axis=0)[mask0]+        std1 = expr.std(axis=0)[mask0]+        print(+            f"  [sign_correct] |S|={int(mask0.sum())} sign_fixed={flips}/{int(mask0.sum())} "+            f"mean|dp0|={float(np.abs(dp0[mask0]).mean()):.4f} mean|t*delta|={float(np.abs(t * delta0[mask0]).mean()):.4f} "+            f"mean|dp1|={float(np.abs(dp1[mask0]).mean()):.4f} gene_std_change={float(np.mean(std1 - std0)):+.6f}",+            flush=True,+        )     cmode = os.environ.get("T2HI_CONTRACT", "type").strip().lower()     calpha = float(os.environ.get("T2HI_CONTRACT_A", "1.25"))     ck = int(os.environ.get("T2HI_CONTRACT_K", "20"))

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 PLAN T2HI-01 逐基因零阶矩符号校正（`T2HI_SIGN_LAM/THRESH/MODE/REF/PASSES` 开关），发现 drawn-ref 下 flip 集数学恒为空（dp = w_b·Δ_drawn），补测 full-ref 与 mode=all 变体；按预注册放弃规则提交 λ=0（输出与父 17/19 管线逐位相同，np.array_equal 验证，vec-check ok，seed 0/1 均跑通）。

**查分**（A 半，6/20 次）：对照 66.53；flip-full 65.87、all-drawn 65.80、all-full 62.76——de_score 全部下降（0.54→0.47–0.53），variogram 因 clip 损伤 +1%~+116%。核心负结果：de_score/de_direction 是秩基指标，混抽伪批量已秩等价于括号信号 Δ，任何 c_g=f(Δ_g) 单调不改秩、非单调只偏离，该机制族无收益空间。

**下一步**：表达侧"修正 dp"路线三次证伪（节点 15/22/24），建议关闭；de_score 提升需 Δ 之外的 dt 信息源（prior/ 通路注释或 external/ MOSTA E9.5 推断非线性轨迹），适合作为新 draft 节点；坐标链已平台化不要再动。

调研员

ore raw 0.5213（skill 0.684）是 expression_change 组（71.71）中最低单项；de_direction 0.6625（skill 0.750）。两次表达侧混合实验（节点 15 均值位移、节点 22 配对插值）已证伪'移动单个细胞'路线（必然压缩型内方差，variogram +26%）。但 de_score 低说明混抽伪批量中部分基因的变化方向与时间方向不一致——这是组成混抽的结构性缺陷：型比例变化使某些基因在伪批量中呈现错误符号。逐基因均匀校正（所有细胞同一基因加同一常数）不改变任何细胞间差异，因此不伤 variogram/mmd_u/nbd，只修正伪批量方向。",
  "approach": "步骤：(1) 在配额混抽后、输出前，对每个基因 g 计算括号时间信号 Δ_g = mean_b,g − mean_a,g（用两侧全部抽取细胞的均值）；(2) 计算当前伪批量变化 dp_g = pb_pred,g − pb_ref,g（pb_ref 取 side-a 全部抽取细胞均值作为参考近似）；(3) 识别符号不一致基因集 S = {g : sign(dp_g) ≠ sign(Δ_g) 且 |Δ_g| > 0.25}；(4) 对 S 中每个基因，给所有细胞加统一常数 c_g = λ·(t·Δ_g − dp_g)，使 dp_g 向正确方向翻转；λ 为校正强度；(5) clip 表达 ≥ 0。关键参数：λ 初值 0.5，网格 {0.3, 0.5, 0.7, 1.0}；|Δ_g| 阈值 0.25（与 DE 显著性阈值对齐）；仅校正符号不一致基因（稀疏）。预期 |S| 为几十到几百个基因（非全部 ~500 基因）。单输入阶段退路：无括号则跳过本步，走 copy_last。vec-score 快筛：先跑 λ=0.5 看 de_score raw 是否从 0.5213 上升 ≥ 0.01 且 variogram raw ≤ 0.0216（基线+5%）；不满足则放弃。若 λ=0.5 通过，再跑 λ=0.3 和 λ=0.7 比较；最多 6 次查分（含对照）。",
  "expected_groups": ["expression_change"],
  "risks": "1) 括号线性假设对部分基因不成立（非单调轨迹），校正后 de_direction 可能微降——Engineer 应首先检查 de_direction raw 是否下降 > 0.005，若是则减小 λ 或放弃；2) 符号不一致基因集过小（< 20），收益在噪声内——检查 |S| 即可判断；3) clip ≥ 0 对低表达基因截断可能引入微小分布偏移——监控 mmd_u raw 变化 < 5%；4) 参考近似（用 side-a 均值代替评分器参考）可能有偏——但只影响方向判断的阈值，不影响机制逻辑。",
  "family_id": "T2HI-01",
  "mechanism": "对混抽后伪批量中变化方向与括号时间信号不一致的基因，给所有细胞加同一基因特异常数（零阶矩修正），将伪批量变化方向翻转回时间方向；不改变任何细胞间相对差异。",
  "vs_constant_shift": "旧实现（节点 4/15）是逐类型或逐细胞差异位移：不同细胞/类型获得不同位移量，改变细胞间距离和协方差，必然压缩型内方差（variogram +26%）。本方案是逐基因全局均匀位移：基因 g 的所有细胞获得完全相同的常数 c_g，任意两细胞在基因 g 上的差值不变，因此 variogram 精确不变、PCA 坐标精确不变（PCA 中心化消除均值）、邻域配对精确不变。这是零阶矩修正，不是细胞位移。",
  "mechanism_evidence": "Engineer 应验证：(1) 校正后 .X 与对照 .X 的差异仅存在于 S 中基因的均值（逐基因检查：std 不变、所有细胞差值相同）；(2) variogram raw 与对照逐位相同或差异 < 0.1%（数学保证）；(3) mmd_u raw 与对照逐位相同（PCA 中心化保证）；(4) de_score raw 上升（预期 ≥ 0.01）；(5) 打印 |S|（校正基因数）和平均 |c_g|，确认是稀疏修正而非全局操作。",
  "mechanism_off_control": "λ=0 时 c_g = 0 对所有基因，无任何修改，输出与父管线逐位相同（np.array_equal 验证 .X 和 obsm）。预期差别：λ=0 时总分 = 父 66.53（A 半）；λ>0 时仅 de_score/de_direction 变化，其余六项 raw 逐位不变。",
  "sources": []
}

审查员

REVIEW.json written