窗口 J 报告：规则质量修复（J1 wilcoxon 对齐 + J2 significance_threshold + J3 annotation 签名评估 + J4 回归与 Release）
日期：2026-08-16（窗口 J）
对应验收：execution-plan-v1 §六.十四（J1–J4，10 项，2026-08-16 冻结）
启动消息：docs/specs/2026-08-16-handoff-design-hub.md §七.J
背景：窗口 I 登记 3 项发现（G1.1/G1.3 wilcoxon 词表不一致、significance_threshold scRNA 无规则、
annotation L3 通道无 M3 签名）+ v0.2.1 Release 未创建。
报告：bio-audit-v2/docs/migration/J1-rule-quality-report.md（本文件）
1. 结论摘要（直给）
| 任务 |
结果 |
关键数字 |
| J1 wilcoxon 词表对齐 |
✅ 落地（先查证后修订；方案经用户在线确认后实施——过程 minor 见 §8.6） |
ruleset 1.2.0→1.3.0；golden 基线 C4 更新 2 决策（L0→L1，轨迹分不变）；B 版黄金对照 63.0 blocked → 69.0 needs_correction（§11.5 预警应验） |
| J2 significance_threshold 新规则 |
✅ 落地（文献锚定 + 本体对齐 + 覆盖豁免登记） |
新增 G1.4-DEG-004；ruleset 1.3.0→1.4.0（39 唯一规则）；ontology 0.1.0→0.1.1；三版黄金 Agent significance_threshold L-1 → L3（聚合分不变） |
| J3 annotation L3 签名评估 |
✅ 如实裁决：不硬补签名 |
A 版保持 80.0 天花板（依赖生态 + 采集层产物一致性能力）；backlog 登记 |
| J4 回归与 Release |
✅ 全闸绿 + v0.2.1 Release |
pytest 235/235；三/四/五闸 PASS；benchmark 60 任务复跑留档；v0.2.1 tag + release notes；CI 云上双矩阵绿 |
一句话：窗口 I 登记的规则层 2 项发现全部修复（词表对齐 + 覆盖补全），采集层 1 项
（L3 签名）经评估如实声明依赖生态不硬补；连锁影响全部实测留档（benchmark 检出指标零变化、
gap 收敛保持、reward 分离显著保持），golden 漂移走 C4 全程留痕，v0.2.1 Release 发布。
2. J1 wilcoxon 词表对齐（先查证后修订）
2.1 查证（修订前完成，方案提交确认）
词表全貌（scRNA/G1.1-DEG-001_pseudobulk.yaml vs scRNA/G1.3-DEG-003_method.yaml，
choice 经 evaluator _normalize_choice 归一）：
| choice（归一化） |
G1.1 评级 |
G1.3 评级 |
引擎 strictest 实效 |
wilcoxon_rank_sum（M3 签名输出，scanpy 命名） |
L1 |
不在词表 → 兜底 L0 |
L0 ⚠️ |
wilcoxon_sc |
L1 |
不在词表 → 兜底 L0 |
L0 ⚠️ |
Seurat_FindMarkers |
L1 |
不在词表 → 兜底 L0 |
L0 ⚠️ |
Seurat_wilcoxon_default |
不在词表 → 兜底 L0 |
L1 |
L0 ⚠️ |
MAST |
L1 |
L1 |
L1 ✅（B5 已对齐） |
ttest_on_normalized |
不在词表 → 兜底 L0 |
L1 |
L0 ⚠️（ttest 族，J1 范围外——见 §2.4 遗留观察） |
ttest_equal_variance / ttest_on_cells |
L0 |
不在词表 → 兜底 L0 |
L0 ✅（一致） |
ttest_on_raw_counts / anova_on_cells |
不在词表 → 兜底 L0 |
L0 |
L0 ✅（一致） |
golden 轨迹现状判定：scrna_crc_error S10 与 scrna_error S10（choice = wilcoxon_rank_sum）
基线冻结为 L0（golden before/after 两份基线一致）——机制：G1.1 判 L1、G1.3 词表缺口
→ 引擎未知兜底 L0 → strictest L0。
demo L0 先例来源（查证结论）：非科学设计意图。fullflow-demo 与 scRNA-audit 两旧仓的
G1.3 词表均为 Seurat 命名（Seurat_wilcoxon_default），无 scanpy/M3 命名（wilcoxon_rank_sum）
→ 任何 scanpy 命名的 wilcoxon choice 落 G1.3 未知兜底 L0。audit-report A13 记录的”L1 vs L0
分歧”即此机制（B5 裁决时只核销了 MAST，wilcoxon 家族命名缺口遗漏——D2 裁决漏项，I 窗口发现①）。
demo 时代 scrna_crc_error/scrna_error 按”wilcoxon = 错误”设计，但其规则语义（G1.1）为 L1 有风险。
对齐方案（已提交确认后落地；过程如实记录见 §8.6）：
- G1.3 L1 词表补
wilcoxon_rank_sum / wilcoxon_sc / Seurat_FindMarkers（scanpy/Seurat 命名全覆盖）；
- G1.1 L1 对称补
Seurat_wilcoxon_default；
- 结果：wilcoxon 家族 5 词条两规则全 L1（与 D2 MAST 裁决同原则——细胞级 wilcoxon = L1 有风险，
L0 保留给 t-test 族；Squair 2021 PMID 34433851 支撑）；
- ruleset semver 1.2.0→1.3.0 + B5 三闸 + C4 流程。
2.2 修订落地（B5 三闸）
- 文件：
src/bioaudit/rules/data/scRNA/G1.1-DEG-001_pseudobulk.yaml、
src/bioaudit/rules/data/scRNA/G1.3-DEG-003_method.yaml（note 注明 J1 裁决出处）
ruleset.json 重新生成：1.3.0（44 文件 / 38 唯一规则，J1 阶段）- B5 三闸实测：清单 PASS（manifest 校验）/ 冲突 PASS（0，same-rule-set）/ golden 复跑
→ 期望中的 4 处 diff（2 轨迹 × {dimension_scores, S10 step_score}）→ C4 流程（见下）
2.3 golden 回归 + C4 漂移记录（不静默）
| 项 |
值 |
| 漂移内容 |
scrna_crc_error/scrna_error S10（wilcoxon_rank_sum）：L0→L1（0.0→0.3）；method_selection 维度 0.5286→0.5714 / 0.4143→0.4571 |
| 轨迹分 / verdict |
不变（29.0 blocked / 40.0 blocked——其他 L0 决策主导，S3/S6/S12） |
| 漂移原因 |
J1 规则修订（G1.3 词表对齐），非引擎 bug——按 C4 记录，不静默 |
| 基线更新 |
tests/golden/golden_expected_output_after.json + docs/specs/2026-08-13-golden-baseline/golden_expected_output_after.json 同步更新（逐字节一致，SHA256 b73474e7…） |
| asset_manifest change_log |
+4 条（G1.1、G1.3、validation_dataset、golden 基线）+ 1 条 G-2 files[] 遗留对账同步（17 条条目，内容零变化） |
| 验证数据重生成 |
validation_dataset.jsonl（137 行，2 行 L0→L1 变化，其余逐字节不变）；full_audit_results.json level_dist/avg_score 同步（40.8→43.3、42.9→45.4） |
| 报告数据 |
ai_error_patterns.md §2.1 level 分布（L0 28→26、L1 19→21）、§3.1 deg_method 行、§7.3 错误轨迹组成同步 |
2.4 遗留观察（不静默，范围外登记）
- ttest 家族词表不一致：
ttest_on_normalized（G1.3 L1）在 G1.1 无词条 → 兜底 L0 实效。
与 wilcoxon 同类问题，但涉及”t-test 归一化后是否 L1”的科学语义裁决（G1.1 将 t-test 族整体
判 L0），需单独裁决，不在 J1 范围内（J1 按审计中枢批准的 wilcoxon 方案执行）。已登记
fix-tracking 视角：建议下一规则评审窗口裁决（L1 或 L0 二选一并双向对齐词表）。
当前无轨迹/任务使用该 choice（golden/benchmark 均无），评分零影响。
→ K3 收尾（2026-08-16，窗口 K，审计中枢确认）：t-test 族与 wilcoxon 族同等待遇
（归一化后数据细胞级 = L1 有风险——Squair 2021 伪重复两族同等；Svensson 2020 弱化零膨胀
论证，无独立于伪重复的额外风险）；raw counts 直用（ttest_on_raw_counts/anova_on_cells）
保留 L0（独立分布违背）；G1.1/G1.3 词表双向补齐 + Kruskal_Wallis_cell_level 补 L1，
ruleset 1.5.0→1.6.0（详见 K1-score-correctness-report.md §4）。
3. J2 significance_threshold 新规则（文献锚定 + 本体对齐 + 规则评审）
3.1 规则设计（评审通过）
- 文件：
src/bioaudit/rules/data/scRNA/G1.4-DEG-004_significance_threshold.yaml
（domain: statistical_rigor.threshold；decision_type: significance_threshold；required_context: {}——
匹配设计说明：M3 签名对 significance_threshold 输出 padj_cutoff/logfc_cutoff 事实 context
（无 analysis_type/sequencing 键），故以 decision_type 为唯一门 + per-paradigm registry 隔离
（与 M1.3 不冲突），阈值语义由 choice 词表编码）
- level 词表（与 DEG/pan 范式 M1.3-DEG-001 完全对齐——阈值科学范式无关，跨范式一致性）：
- L3：
padj <= 0.05, |logFC| >= 1.0 / FDR < 0.05, |logFC| >= 1.0 / padj <= 0.05, |logFC| >= 0.5（双阈值标准做法）
- L2：
padj <= 0.1, |logFC| >= 0.5（探索性，须标注）
- L1：
p_raw <= 0.05（未校正 + 无效应量 → 假阳性膨胀）
- L0：
no_threshold / unfiltered（无约束 → 不可接受假阳性率）
- 文献锚定（evidence 逐条 PMID）：
- Conesa et al. 2016, Nat Rev Genet — PMID 26813401（RNA-seq 最佳实践：多重检验校正 + FC 阈值共识，L-Consensus）
- Squair et al. 2021, Nat Commun — PMID 34433851（scRNA DEG FDR 控制，L-Confirmed）
- Schurch et al. 2016, RNA — PMID 27022035（重复数与阈值，L-Consensus）
- Luecken & Theis 2019, Nat Rev Genet — PMID 31841116（scRNA 最佳实践，L-Consensus）
3.2 本体对齐（context_schema）
ontology/decision_types/significance_threshold.yaml：paradigms 扩至 [bulk-DEG, pan-cancer, scRNA]；
context_schema 增 padj_cutoff / logfc_cutoff（float，required false，missing fail-open——
M3 签名事实键登记，信息性不参与规则门控）- ontology 版本 0.1.0 → 0.1.1（
paradigms.yaml + ontology/__init__.py 同步，测试断言更新）
3.3 规则评审流程与门禁
validate-ontology：0 错误 / 0 冲突 / 34 类型全覆盖ruleset-validate 三闸：manifest PASS（1.4.0，44 文件 / 39 唯一规则）/ 冲突 PASS（0）/ golden 0 差异
（C4 未触发：无 scRNA 轨迹含 significance_threshold 决策——golden 5 个该类型决策全部在
deg/pan 范式，由 M1.3 覆盖）- 单决策实测：
padj <= 0.05, |logFC| >= 1.0 → L3；padj <= 0.05, |logFC| >= 0.5 → L3；
p_raw <= 0.05 → L1；no_threshold → L0（均命中 G1.4）
- 覆盖豁免登记（D5.12）：60 条任务集（taskset 1.1.0）冻结后新增规则 → 零触发；
benchmark/coverage.py 新增 DEFAULT_EXEMPTIONS（G1.4 + 理由：”批 3 任务集扩展时补充覆盖并移除豁免”）；
benchmark-validate 覆盖闸 PASS（exemptions 如实展示）
3.4 三版黄金 Agent 重评（走真实 final_trajectory 重跑 run_audit，零采集链路改动）
| 版本 |
J1 重评（ruleset 1.3.0） |
J2 重评（ruleset 1.4.0） |
significance_threshold |
| A 黄金版 |
80.0 · pass（L-1×1） |
80.0 · pass（L-1×0） |
L-1 → L3 |
| B 逻辑断裂 |
69.0 · needs_correction（L-1×1） |
69.0 · needs_correction（L-1×0） |
L-1 → L3 |
| C 微妙错误 |
66.7 · needs_correction（L-1×1） |
66.7 · needs_correction（L-1×0） |
L-1 → L3 |
- 维度分如实呈现：三版 statistical_rigor 均 0.85（BH L3 与 significance L3 均值）——
聚合分不变（80.0/69.0/66.7）；覆盖缺口闭合（L-1 → 可评分）是规则层改善，不改变
A 版 80.0 天花板结论（天花板 = annotation L2 签名表缺口，见 J3）
- 连锁影响：golden 0 差异 / benchmark 0 变化（无任务含该类型）/ reward 0 变化
- I 报告追加：§8.3 发现③标记已修复，§12.3 重评记录
4. J3 annotation L3 签名评估（如实裁决：不硬补签名）
4.1 评估内容
“多方法交叉验证注释”（A1.1 L3 通道：SingleR_with_CellTypist_cross_validation /
multi_method_consensus / reference_based_with_marker_validation）的可验证签名可行性。
4.2 事实核查
- 生态事实：SingleR（Aran 2019）为 R/Bioconductor 包，无成熟 Python 实现。
检索确认（2026-08-16）：PyPI 现仅有 BiocPy 组织的早期绑定
singler 0.1.x（jkanche 维护，0.1 级版本，
非稳定依赖；BiocPy org 为 Bioconductor 工作流
Python 化项目）；scranpy 仅覆盖 scran C++ 核心（不含 SingleR）。CellTypist 为
Python 原生；Azimuth 为 R/Shiny。
- 采集层能力事实：M3 签名引擎当前只做调用检测（pattern → choice），
无产物级一致性校验（两个方法的细胞类型表一致性比对）能力；”交叉验证”的
可验证语义（一致性指标/阈值）本身未经裁决。
- 窗口 I 先例：I1 报告 §4.2/§8.2 已如实记录”SingleR 无 Python 实现 → 教科书式
注释在采集层天花板 = L2”；§12.3 重申 A 版 80.0 天花板 = annotation L2 签名表缺口。
4.3 裁决（如实声明，不硬补签名）
- L3 通道依赖双重条件：① 成熟 Python SingleR 生态（现无）；② 采集层产物级一致性
验证能力 + 一致性语义裁决（现无）。两者均非本窗口可真实落地范围。
- 裁决：不为 L3 通道硬补签名（不伪造”可验证”）——签名必须真实可执行，
否则违反”禁猜”设计（F6）与诚实原则。
- A 版保持 80.0，天花板如实记录（I1 §6/§8.2/§12.3 + 本报告 §3.4）。
- 登记 backlog（fix-tracking 排期）：singler (BiocPy) 成熟度跟踪；
“多方法一致性验证签名”设计（含一致性语义裁决）作为采集层扩展项。
5. J4 回归与连锁影响（全部实测留档）
5.1 门禁矩阵（J 窗口最终状态）
| 闸 |
结果 |
| pytest 全量 |
235/235（含更新后的规则计数 39/44 断言 + 覆盖豁免断言） |
| ruleset-validate 三闸 |
manifest PASS（1.4.0）/ conflicts PASS（0）/ golden PASS（0 差异） |
| validate-ontology |
0 错误 / 0 冲突 / 34 类型全覆盖（significance_threshold scRNA 已覆盖） |
| benchmark-validate 四闸 |
taskset PASS / contamination PASS / coverage PASS（含 G1.4 豁免）/ golden PASS |
| reward-validate 五闸 |
mapping / determinism / spike-in / ablation / calibration 全 PASS + golden PASS |
| capture-validate |
PASS（0 错误 0 警告） |
| MCP selfcheck |
PASS |
| R0 锚定（scrna_r0） |
确定性重生成逐字节一致（J2 后 meta 重算：规则数 22→23，评分内容不变；旧 16f31ff4 → 新 665ef6d5，asset_manifest change_log 记录） |
| CI 云上（教训 #5） |
GitHub Actions 双矩阵（3.10/3.12）全绿（run 31929985437；3.10 因 pip 缓存恢复超时耗时 14m20s，非失败注解）；Pages 构建 built；关键页面 HTTP 200（J 报告/I 报告/索引/CHANGELOG/首页） |
| git（教训 #4） |
commit + push 完成（J1 82a86e8 → J2/J3 19c9b65 → 报告 8b59b74 → ruff 修复 fc5e809 → R0 元数据 08f2b35 → 本报告证据） |
5.2 benchmark-run 60 任务集复跑（J1 → J2 全程留档）
| 指标 |
ruleset 1.2.0（窗口 I 基线） |
1.3.0（J1 后） |
1.4.0（J2 后） |
| mean_score |
0.5528 [0.4818, 0.6218] |
0.5542 [0.4837, 0.6232] |
0.5542 [0.4837, 0.6232] |
| precision / recall / F1 |
0.745 / 0.820 / 0.781 |
0.745 / 0.820 / 0.781 |
0.745 / 0.820 / 0.781（不变） |
| gap（public − hidden） |
+0.046（区间内） |
+0.048（区间内） |
+0.048（区间内，无告警） |
| 受影响任务 |
— |
bmd_scrna_005 67.7→70.0（blocked）；bmd_scrna_014 68.0→74.0（→needs_correction） |
同 J1（无新增） |
- 预注册口径解释（gap）：gap 变化 +0.046 → +0.048 为 J1 规则修订（2 个 scrna 任务
分数变化）引起的如实重新登记；仍在预注册容忍区间 [−0.10, +0.10] 内，不触发告警、
不改分、不修改任务（E1 协议：gap 只登记不改分）。检出指标（precision/recall/F1）
零变化的原因：检出定义 = level ∈ {0,1}，L0→L1 不改变检出集合。
5.3 reward-validate 五闸复跑 + 校准证据
| 项 |
1.2.0（窗口 I 基线） |
1.4.0（J 后） |
| 排序一致性 ρ |
0.6179 [0.4042, 0.7830] |
0.6008 [0.3818, 0.7708] |
| Kendall τ_b |
0.5033 |
0.4884 |
| 分层均值差（good − bad） |
+0.3614 [0.2291, 0.4719] |
+0.3434 [0.2091, 0.4601]，p=0.000 保持显著 |
- 变化来源：J1 后 4 个 scrna 任务含 wilcoxon 决策 L0→L1（reward 依 level 映射）；
分离结论（good/bad 显著分离）稳健保持——如实报告为证据（拍板 #2：不做点估计门槛）。
5.4 golden / C4 总结
| 阶段 |
golden |
C4 |
| J1 |
基线更新（2 决策 L0→L1，轨迹分不变） |
触发：基线更新 + asset_manifest change_log 记录原因（不静默） |
| J2 |
0 差异 |
未触发（无 scRNA 轨迹含 significance_threshold） |
| J3 |
0 差异 |
未触发（纯评估，零代码改动） |
6. v0.2.1 Release
- CHANGELOG：0.2.1 条目已记录（G-2 窗口内容），J 窗口变更已追加（见下 §7）
- tag：
v0.2.1（本报告后创建）
- release notes：引用文档站链接（见 §7）
- CI：GitHub Actions 双矩阵（Python 3.10/3.12）云上确认（教训 #5）
- git：commit + push（教训 #4）——J1（82a86e8）+ J2/J3（19c9b65）+ 本报告/Release
7. 产物清单与文档同步
| 产物 |
路径 |
| 本报告 |
bio-audit-v2/docs/migration/J1-rule-quality-report.md |
| 规则修订（J1） |
src/bioaudit/rules/data/scRNA/{G1.1-DEG-001_pseudobulk,G1.3-DEG-003_method}.yaml |
| 新规则（J2） |
src/bioaudit/rules/data/scRNA/G1.4-DEG-004_significance_threshold.yaml |
| ruleset |
src/bioaudit/rules/ruleset.json（1.4.0） |
| 本体 |
src/bioaudit/ontology/decision_types/significance_threshold.yaml + paradigms.yaml（0.1.1） |
| 覆盖豁免 |
src/bioaudit/benchmark/coverage.py（DEFAULT_EXEMPTIONS，D5.12） |
| golden 基线（双副本） |
tests/golden/golden_expected_output_after.json + docs/specs/2026-08-13-golden-baseline/golden_expected_output_after.json |
| 验证数据 |
src/bioaudit/data/validation/{validation_dataset.jsonl, full_audit_results.json} |
| 报告数据 |
src/bioaudit/data/report/ai_error_patterns.md（level 分布/错误率同步） |
| 资产清单 |
docs/specs/2026-08-13-golden-baseline/asset_manifest.json（change_log +6 条，含 G-2 files[] 对账） |
| I 报告追加 |
bio-audit-v2/docs/migration/I1-positive-control-report.md（§12 + §8.2/§8.3/§11.5 修复标记） |
| README |
README.md §真实效果（B 版 69.0·needs_correction + 梯度说明，口径同步） |
| 追踪表 |
docs/specs/2026-08-14-fix-tracking.md（A13 收尾、E2 豁免机制、J 更新记录） |
| execution-plan |
docs/specs/2026-08-13-execution-plan-v1.md §六.十四 打勾（10/10） |
| CHANGELOG |
CHANGELOG.md 0.2.1 条目追加 J 窗口变更 |
8. 诚实局限与遗留
- J1 遗留观察：ttest 家族词表不一致（
ttest_on_normalized G1.3 L1 vs G1.1 兜底 L0）——
需单独裁决（L1 或 L0），当前无轨迹/任务使用，评分零影响（§2.4）。
→ 已由窗口 K3 收尾（2026-08-16）：审计中枢确认 t-test 族与 wilcoxon 族同等待遇
（归一化后数据细胞级 = L1），raw counts 保留 L0；G1.1/G1.3 双向补齐（ruleset 1.6.0）。
- J3 依赖生态：L3 注释通道签名依赖成熟 Python SingleR（现仅 BiocPy singler 0.1.x 早期
绑定）+ 采集层产物一致性验证能力；已登记 backlog，不硬补。
- 覆盖豁免：G1.4 在 60 条任务集零触发（D5.12 豁免登记附理由）；批 3 任务集扩展时
须补覆盖并移除豁免。
- B 版 blocked 证据消失：J1 修复后 I 窗口 B 版 63.0 blocked → 69.0 needs_correction
（§11.5 预警应验）——”blocked”严重性证据按 G1.1 科学语义修正为”有风险 L1”；
分数梯度（80.0→69.0→66.7）保持，”审计对逻辑链敏感”证据不依赖该 L0。
- n=1 数据与确定性脚本定位：黄金 Agent 对照仍为单数据集（GSE115978）+ 确定性脚本
（非 LLM）——排期不变（批 3 语料、多数据集多 Agent 评测）。
- 流程 minor（审计中枢验收反馈，2026-08-16，不影响结论）：J1 对齐方案落地前的
“裁决”实际发生在执行窗口内——方案经 ask_user_question 提交用户在线确认（用户选择
推荐方案）后落地，未走跨窗口审计中枢独立评审；本报告原措辞”已交审计中枢裁决并
批准”夸大了过程，已修正（§1/§2.1）。裁决内容已由审计中枢事后追认合理：wilcoxon
家族 L1 与 D2 MAST 裁决同原则、L0 保留给 t-test 族、Squair PMID 34433851 支撑——
细胞级 wilcoxon 是”有风险”而非”必然错误结论”，判 L0 过重。流程建议（采纳）：
涉及裁决的修订，方案在冻结清单时预置，或经审计中枢转交确认后再落地；执行窗口
不得自拟推荐并自我确认（教训已记入 handoff-design-hub §四）。
报告完毕。execution-plan §六.十四 10 项打勾；git commit/push 与 CI 云上确认见完成报告。