单 Agent 运行

SELECTION — run 20261003-172000-t3-gata4-chain-12h

本 run 只做头部 boards 列出的 T3:gata4。

proxy_score T3:gata4 86.9514

T3:gata4 最终选择

方法：komix（方法卡 v2 主线）+ zero-gene 部件（对被敲基因 Gata4）。

提交文件：final/T3__gata4.h5ad（7,449 细胞 = manifest max_cells，500 基因 panel 顺序与发布一致，含 obsm["spatial_3D"]，verify_submission.py 通过）。

复现命令：

python scripts/t3_komix.py \
  --wt data/raw/official/t3/WT_E8.75.h5ad \
  --ko data/raw/official/t3/E9.5_mab21l2_ko.h5ad \
  --out final/T3__gata4.h5ad \
  --beta 0.55 --k 0.65 --seed 0 --max-cells 7449 --zero-gene Gata4

输出构成（uns["t3_komix"]）：n=7449；n_wt=4842（65.0%，WT E8.75 真实细胞，按细胞类型分层无放回抽取）；n_ko=2607（35.0%，训练敲除样本 Mab21l2 KO E9.5 的真实细胞，组成按 p^0.55 压缩后分层抽取，细胞类型名经 celltype_synonyms.json 映射）；每个细胞保留自己的表达与坐标；Gata4 列在全部输出细胞中置零（只产生零，不稠密化）。

非零比例检查：输出非零比例 / WT 输入非零比例 = 0.947（脚本对照 panel 化 WT 输入；若对照全量 WT 文件为 1.00），在硬检查区间 [0.8, 1.25] 内。

替代评测记录（先于 final/ 写入，全部在 notes/changelogs/experiments.tsv）

final/proxy/T3__gata4.h5ad = 所选方法在替代评测输入上的预测（替代评测目标为 Mab21l2 KO，故载体换成同阶段 WT E9.5、zero-gene 换成 Mab21l2；加 --ko-exclude-half B，输出不含真值半的细胞，避免循环论证）。复现：

python scripts/t3_komix.py \
  --wt data/raw/official/t3/WT_E9.5.h5ad \
  --ko data/raw/official/t3/E9.5_mab21l2_ko.h5ad \
  --out final/proxy/T3__gata4.h5ad \
  --beta 0.55 --k 0.65 --seed 0 --max-cells 7449 \
  --zero-gene Mab21l2 --ko-exclude-half B
python scripts/score_proxy.py --board T3:gata4 --pred final/proxy/T3__gata4.h5ad --name komix_zerogene_proxytwin

为什么选它（机制理由；Mab21l2 尺子分不作为选择依据）

按任务书要求，T3 的选择基于机制上站得住 + 通过非零比例检查，不基于本地尺子分。

1. komix 主线（方法卡 v2）：评分只看相对匹配 WT 的变化；方向来自官方训练数据中真实敲除细胞相对 WT 的实测差异，k=0.65 是幅度旋钮（severity_slope 是唯一幅度项），β=0.55 压缩单胚胎取材带来的组成偏差。β、k 按方法卡规定 run 内不选，直接采用卡片起点值；seed=0（输出对 seed 确定）。拼接真实细胞不平均、不位移、不插值，天然不破坏零结构。
2. 启用 zero-gene 部件（Gata4 置零）的机制依据：被敲基因不产生转录本。官方训练数据直接证实本数据集的敲除样本符合此约定——Mab21l2 在训练敲除样本中表达被清除（全样本均值 0.976 → 0.008，非零细胞比例 0.187 → 0.002，且在全部 15 个细胞类型中一致近零）。由此可预期保留基因型的真值中 Gata4 近零：Gata4 在 WT E8.75 的均值 0.918（非零比例 0.19），远超响应基因阈值 |dt| ≥ 0.25，几乎必为真值下调响应基因。置零使 dp(Gata4) = −pb(wt)(Gata4)，方向确定正确、幅度接近全清除情形下的真值，是对保留基因型唯一近确定可知的一条响应。
3. 下行风险有界：只影响 500 个 panel 基因中的 1 个。de_score / de_direction 只看排序与符号；severity_slope 只在真值响应基因上回归——若 Gata4 因某种等位基因保留部分转录本，dp 幅度偏大但符号仍对；若 Gata4 竟不在真值响应集内，则 severity_slope 完全不受影响，de_score 仅损失底部 n_dn 名单中一个边缘槽位。置零只产生零，密度检查 0.947 通过。
4. 不做的事（方法卡禁做清单）：不做全局位移迁移、不做文献/共表达驱动的逐基因编辑、不稠密化、不读取或使用任何保留基因型（Gata4 KO、β-catenin KO 及表型相似扰动）的数据或由其得出的信息。lgo / lgo10 尺子已知与官网反序，未看；lgo875 只记录一次（87.7734），未用于调参或选择。

披露

• 训练敲除样本披露（方法卡要求）：final/T3__gata4.h5ad 的输出含训练敲除样本（Mab21l2 KO E9.5，官方训练数据）的真实细胞，比例 n_ko/n = 2607/7449 = 35.0%（uns["t3_komix"]：n_ko、n、ko_fraction）；这些细胞保留其原始表达与 spatial_3D 坐标。
• 外部数据披露：无。本 run 只读取 data/raw/official/t3/（WT E8.75、WT E9.5、E9.5 Mab21l2 KO，均为官方训练数据）与 data/reference/panels/；未使用任何本地外部数据、预训练模型或网络（run 默认不开网络）。

其他说明

• 输出 obs["celltype"] 为方法卡 komix 的设计输出（用于分组抽样与标签，未解析名保留原名）；本地格式检查（verify_submission.py、check_format）通过，主办方的排名指标不使用细胞类型标签，主办方将用自己的冻结分类器统一打标签。
• 细胞数取 manifest max_cells = 7449（两池合计远超上限，分层抽样到上限）。
• 提交文件不加 --ko-exclude-half（该参数仅用于本地尺子记录，避免循环论证）。