Files

T

34047007@qq.com b95053c52c init: 初始化 dpb 桃育种系统代码库

前后端 + 后端 FastAPI 全量源码、部署脚本与文档。

2026-08-06 00:17:49 +08:00

269 KiB

Raw Blame History

桃育种系统 · 统计引擎实施记录

版本：v1.4（2026-08-04 追加统计严谨·预测完整性与 MLOps 复现性：PA 落库 / 溯源 / germplasm_id 填充 / 砧木扩列 / Calo 相关校正 / 空间竞争协变量 + 组合得失漏斗）定位：记录统计引擎多轮 P0/P1 落地 + 田间刚需（花粉档案）+ 决策正确性（无性系级指数）+ 统计严谨（配合力交配设计 / 相关校正 / 空间竞争）+ MLOps 复现性 + 组合得失漏斗的实现、验证与文件清单——G×E 交互引擎（2026-08-03）、性状方向标注（2026-08-04）、花粉档案（2026-08-04）、无性系级指数（2026-08-04）、配合力交配设计（2026-08-04）、统计严谨·MLOps 复现性（2026-08-04，①Calo②PA③溯源④germplasm_id⑤砧木⑥空间竞争）与组合得失漏斗（2026-08-04，⑧ v_combination_funnel）。本文档为持续追加的落地台账，与规格文档 桃育种系统模块扩展需求规格.md（v2.10）配套；规格管"应该长什么样"，本文管"实际落地了什么、怎么验证的"。 相关探针：Temp/claude/e2e_gxe_20260803.py（G×E，5 场景）· Temp/claude/e2e_direction_20260804.py（方向标注，7 组）· Temp/claude/e2e_pollen_20260804.py（花粉档案）· Temp/claude/e2e_clone_index_20260804.py（无性系级指数，6 组）· Temp/claude/e2e_combining_design_20260804.py（配合力交配设计，5 组）· Temp/claude/e2e_prediction_rigor_20260804.py（②③④，4 组）· Temp/claude/e2e_rootstock_20260804.py（⑤）· Temp/claude/e2e_corr_spatial_20260804.py（①⑥，3 组）· Temp/claude/e2e_combination_funnel_20260804.py（组合得失漏斗，3 组）。

一、G×E 交互引擎 P0（2026-08-03）

1.1 背景与目标

复审清单第 2 条要求基因型×环境（G×E）交互随机效应显式建模。桃为多年生多年多点（MET）试验作物，同一克隆/家系在跨点、跨年表现往往相反（如 c1 在 A 站高、B 站低，c2 反之），若只估主效应会系统性误排 EBV。本轮在 run_ablup 上扩展 G×E 模式（method=GXEBLUP），并补齐可辨识性门禁与异步任务记录。

1.2 引擎能力（`statistics/service.py::run_ablup`）

参数	取值	行为
`gxe`	`True` / `False`	`True` 走 GXEBLUP（含 G×E 随机互作）；`False` 回归纯 ABLUP（G×E 项关闭）
`gxe_env`	`site` / `year`	环境维度。`site` 自动入固定效应 `trial_study`；`year` 自动入固定效应 `year`
`method`	`GXEBLUP` / `ABLUP`	按 gxe 开关自动落库；model_name 形如 `GXEBLUP_{trait}_{env}_{ts}`
`fixed_effects`	列表	调用方显式指定时与自动效应合并

G×E 落库输出（breeding_prediction.note JSON）：

sigma_gxe：G×E 方差分量 σ²gxe（>0 表示存在交互）
gxe_ratio：σ²gxe 占比
n_cross_env：跨环境基因型数（有多少基因型至少在 2 个环境中观测）
skipped：跳过明细（如缺站点株数）

记录级 vs 基因型级：

家系分组（无 clone）时基因型=组合，G×E 记录逐树；year 模式记录级 = (树,年) 逐条（train_n 为记录数，EBV 行按树写）。
克隆坍缩（见 1.5）时基因型=clone，多株坍缩为基因型节点。

1.3 自动固定效应

gxe_env	自动固定效应	说明
`site`	`trial_study`	站点由 `trial_study_id` 解析（缺站点的株记录跳过并写 `skipped`）
`year`	`year`	年份由观测 `evaluate_year` 解析

调用方仍可用 fixed_effects 显式追加（如 ["trial_study"]），引擎合并去重。

1.4 可辨识性门禁（`G×E 不可辨识` → 409，拒绝运行）

门禁	触发	处置
无跨环境重复	没有任何基因型在 ≥2 个环境出现（`n_cross_env == 0`）	`G×E 不可辨识：无任何基因型跨环境重复。拒绝运行。`
单元内无重复	每个（基因型×环境）单元仅 1 条观测，σ²gxe 与残差混杂	`无任何基因型×环境单元内重复（每格仅 1 条观测…）`
无可分环境记录	所有记录缺站点/年份	`G×E 分析无可分环境的记录`

门禁拒绝时在 StatisticsJobModel 落一条 status=FAILED + error_msg（同步 409 抛出，异步失败可查）。

1.5 克隆坍缩

同 clone 经扩繁的多株 tree 在 G×E 模式下坍缩为基因型节点 c{clone}：G×E 专用系谱 gxe_pedigree 以 c{clone} 为个体，父母指向组合亲本（或树亲本）；record_map 全部映射到 c{clone}。同 clone 各株 EBV 一致（重复测量聚合，杜绝自由度虚高）。

1.6 异步任务记录（`StatisticsJobModel`）

字段	值	说明
`job_type`	`GXE` / `ABLUP`（/ `COMBINING` 等）	任务类型
`status`	`SUCCESS` / `FAILED`	任务状态
`result_ref`	prediction id	关联结果
`error_msg`	文本	失败原因（可辨识性门禁消息亦落此）

1.7 验证（`Temp/claude/e2e_gxe_20260803.py`，5 场景全过）

场景	数据	断言要点
[1] site-G×E 家系分组	2 组合×2 站×3 株，无 clone	自动 `fixed={trial_study}`、`method=GXEBLUP`、σ²gxe>0、n_cross_env=2、train_n=12、EBV 行=12、job_type=GXE SUCCESS
[2] 不可辨识门禁	各组合仅单站	409 `G×E 不可辨识：无任何基因型跨环境重复`、job FAILED + error_msg
[2b] 单元内无重复	2 基因型×2 站每格 1 株	409 含 `单元内重复`、job FAILED
[3] year-G×E	2 clone×2 年交叉互作	自动 `fixed={year}`、train_n=16（记录级）、EBV 行=8（树级）、σ²gxe>0、n_cross_env=2
[5] 克隆坍缩（site）	2 clone×2 站×每格 2 株	`record_map` 全为 `c{clone}`、同 clone EBV 相同、train_n=8、EBV 行=8
[4] 回归 gxe=False	同 [1] 数据	`method=ABLUP`、显式 `fixed_effects=["trial_study"]`、EBV 行=12、job_type=ABLUP SUCCESS

测试基座用 _spy_solve 包一层真引擎（monkeypatch blup.solve），捕获 fixed/record_map kwargs 后仍跑真解，验证引擎传参；GATE_RELAX=dict(min_clone_n=1, min_pedigree_rate=0.0, max_missing_rate=1.0) 放开数量门槛专注验证 G×E 逻辑。

二、性状方向标注 direction / into_ebv / default_h2（2026-08-04）

2.1 缺陷背景（科学正确性硬伤）

bre_trait 原仅 stage/is_core，无方向标注。选择指数与决策默认"高 EBV = 优"，对低优性状（裂果率、病害级别、酸度——若目标是低酸）会选反：Smith-Hazel 的 b 与加权 Z 隐含"越大越好"。用户确认缺陷属实，拍板修复范围：

翻转范围：指数+决策+排行全翻转；
into_ebv 范围：'0' 仅从选种相关候选剔除（指数/EBV 排行/决策预览/ABLUP 下拉），describe/correlation/trait_values 不受影响；
default_h2 兜底：zsum + smith_hazel 都兜底（无实测 h² 用先验，两者皆无才报错）。

2.2 数据模型变更

bre_trait 新增三列（幂等 ALTER，backend/sql/weld_trait_direction.sql；create_all 只建新表，新列须手写 SQL）：

列	类型	默认	说明
`direction`	varchar(16)	`'desc'`	性状方向：`desc`=越大越好 / `asc`=越小越好
`into_ebv`	varchar(1)	`'1'`	是否选种目标：`1`=进 EBV/指数/决策候选 / `0`=仅记录
`default_h2`	double precision	NULL	先验遗传力 h²（指数无实测 h² 时兜底；桃经典先验，可在性状字典改）

种子数据（backend/sql/bre_trait_seed.sql，INSERT 0 43，ON CONFLICT DO UPDATE 含三新列）：

7 个数值 core 性状（max/avg_fruit_weight、longitudinal/transverse/lateral_dia、flesh_thickness、ssc）：direction='desc'、into_ebv='1'、default_h2 取桃经典先验（果重/糖度 0.5、果径/肉厚 0.4/0.3）；
其余 categorical/date 性状：into_ebv='0'、default_h2=NULL。

ORM/API 透传：TraitModel/TraitBaseSchema/TraitUpdateSchema/TraitOutSchema/TraitQueryParam 补齐三字段；batch_export mapping_dict、batch_import header_dict/fields（direction/into_ebv 缺省 'desc'/'1'、default_h2 _to_float；required_headers 仍只校验原 14 键，兼容旧模板）、import_template_download 选项同步。

2.3 后端翻转逻辑（`statistics/service.py`）

辅助 _trait_meta_map(codes=None)：{trait_code: {direction, into_ebv, default_h2}}，供指数/决策/排行共享方向语义。

模块	变更
`list_traits(core_only, selection_only)`	select 新增三字段；`selection_only=True` → `where(into_ebv == "1")`（controller 加 `selection_only` query 参数）
`selection_index`	`cols` 剔除 `into_ebv='0'` 写入 `extra["dropped"]`（用户可见提示）
`_weighted_z_index`（zsum）	z 标准化后对 asc 性状取负（`z = -z`），统一"越大越优"；use_h2 兜底 `h = herit.get(c) or default_h2`
`_smith_hazel_index`	h² 取 `h_eff[c] = 实测 h² or default_h2`；`h_eff[c] is None` 才 409（`缺实测且无先验 default_h2: …`）；a 归一化后对 asc 元素取负
`run_ablup`	写时 rank 排序 `reverse=(direction != "asc")`（EBV 排行即优度序）
`ebv_ranking`	读时重排（见 §三）
`clone_ranking`	按当前方向重排 `ebv_mean`（`reverse=(direction != "asc")`）
`decision_preview`	`_top_n`：`into_ebv='0'` 直接返回空集；`ranked` 按方向取最优前 N（asc 取 EBV 最小）；op 缺省 `<=`（asc）/ `>=`（desc），pheno 与 ebv 共用
`compare_predictions`	轮次对比 rank 排序方向感知（见 §三）

2.4 前端

文件	变更
`api/module_bre/statistics.ts`	`listTraits(coreOnly, selectionOnly)` 带 `selection_only` 参数
`views/module_bre/statistics/index.vue`	`selTraits`（`listTraits(true, true)`）仅用于指数权重/EBV 批次/ABLUP-G×E 性状下拉，与 describe/correlation 共享的 `traitSel` 解耦（后者保留全量）；asc 性状标签加 '↓越小越优' 角标
`views/module_bre/trait/index.vue`	表单/表格/详情/搜索四处加 direction el-select（desc/asc+文案）、into_ebv 开关、default_h2 输入
`views/module_bre/selection_rule/index.vue`	conditions_json 文本框说明："op 缺省按性状方向（desc≥ / asc≤），rank_top_n 按方向取最优前 N"

2.5 验证（`Temp/claude/e2e_direction_20260804.py`，7 组全过）

基座 4 性状 dA(desc,1,0.5)/bB(asc,1,0.25)/cC(desc,0,None)/dD(desc,1,None) + 4 批次 pA(h²=0.5)/pB/pC/pD(h²=None) + 12 株 EBV=[10.0..32.0] 升序。

组	验证点	断言要点
[1]	list_traits 三字段 + selection_only	返回 direction/into_ebv/default_h2；`selection_only=True` 过滤 `into_ebv='0'`
[2]	zsum 方向翻转	同数据 desc→asc 排名精确互反（top2 从最高 EBV 2 株翻为最低 2 株）
[3]	into_ebv='0' 剔除	权重含 cC → 结果 traits 不含 cC、`result_json.dropped` 有提示
[4a]	smith_hazel default_h2 兜底	批次 pD h²=None 但性状 dD 带 default_h2=0.25 → 成功
[4b]	smith_hazel 无实测无先验	批次无 h² 且性状无 default_h2 → 409 `缺实测且无先验`
[5]	decision rank_top_n 方向	asc 命中 EBV 最低 2 株、desc 命中最高 2 株；无 op 时 asc 走 `<=`
[6]	ebv_ranking 读时重排	性状事后改方向后按当前方向重排（rank 按优度重编号）
[7]	compare_predictions 方向感知	asc 反序两批 rank1=最低 EBV 株(cur_ebv=10.0)；desc 反序两批 rank1=最高 EBV 株(32.0)

三、本轮修复的结构性 bug（方向盲区家族）

同一缺陷模式——"高 EBV = 优"硬编码——在排行/对比链路还有两处遗留，本轮一并修复：

3.1 `ebv_ranking` 方向盲区（读时重排）

原实现只在 direction=="asc" 时重排，desc 信任写时持久化 rank。当性状事后改方向（如 bB 由 asc 改 desc），已落库批次 rank 仍是 asc 序 → 读回倒序、最低 EBV 排第一。修复：读时始终按 predicted_value + 当前 direction 重排并重编号 rank，且 self.db.expunge(r)——因为 GET 会话走 session.begin()（退出自动提交），不 expunge 会把重排后的 rank 写回库，破坏"GET 纯读"。

3.2 `compare_predictions` 硬编码降序

原实现两处排序 reverse=True（写死高 EBV=rank 1）。对 asc 性状展示的 rank 列会把最差株显示为第 1（Spearman 相关/位移量对反转不变量，但暴露的 rank 列是错的）。修复：读 trait direction，reverse = (direction != "asc") 同时用于 rank_cur 与 rank_prev；corr/flip 判定对反转不变量保持不变。

四、花粉档案 breeding_pollen（2026-08-04）

4.1 缺陷背景（田间刚需）

用户反馈：桃花期仅 3–7 天，父本花粉是杂交季命脉，但代码里没有 bre_pollen 表（仅在测试文件提及），bre_pollination 有花朵数/坐果数/去雄/套袋，却无花粉采集日期、贮藏方式（-20℃/液氮）、活力检测（TTC 染色率/离体萌发率%）、授粉窗口计划。后果：明年复盘"这批坐果为什么低"毫无抓手。核验属实（比描述更严重：一期文档规划的 pollination_method/pollen_source/pollen_viability 三字段也全未实现）。

4.2 架构决策（用户确认）

决策点	拍板	理由
父本锚点	树级 `male_tree_id` FK→bre_tree（与 pollination.male_tree_id 一致）	单父本溯源；混合/外地采集时为空 + `source_type` 区分
活力建模	单值+方法（`viability_method`[ttc/germination]+`viability_pct`+`viability_test_date`）	不建子表，够用且简单
窗口计划	派生有效期+校验（`collect_date`+`expiry_date`；窗口=[采集日,失效日] 由 pollination 校验）	不建独立计划表；`/bre/pollen/available_lots` 提供"当前花期可用批次"

4.3 数据模型（`backend/sql/weld_pollen.sql`，幂等 DDL + create_all 注册）

新表 bre_pollen（lot_code UNIQUE / male_tree_id FK SET NULL / source_type tree|mixed|external / collect_date / collect_method / quantity / storage_method fridge|minus20|minus80|liquid_n2 / viability_method ttc|germination / viability_pct / viability_test_date / expiry_date / remark）+ ALTER bre_pollination ADD pollen_lot_id integer REFERENCES bre_pollen(id) ON DELETE SET NULL + ADD pollination_method varchar(32)（补一期文档规划但遗漏的授粉方式）。

ORM：module_bre/pollen/ 五件套（model/schema/crud/service/controller），路由前缀 /bre/pollen；module_bre/__init__.py 注册 PollenRouter（create_all 经 import 链自动拾取新模型）。

4.4 服务层关键逻辑（`pollen/service.py` + `pollination/service.py`）

逻辑	实现
去重	`_check_code`：批次号存在 → 409「已存在」（create/update/batch_import 均走）
FK 校验	`assert_parents_exist`（父本树不存在→409；自动跳过 None，可空 male_tree_id 安全）
标签填充	`_attach_fk_labels`：male_tree_id→tree_no；授粉侧 pollen_lot_id→lot_code
授粉窗口校验	`_validate_pollen_window`：授粉日期须在批次 [collect_date,expiry_date] 内，否则 409「授粉日期 X 不在花粉批次 Y 的授粉窗口 [A ~ B] 内」；update 时字段未变沿用库内现值
可用批次	`available_lots(date_on)`：返回窗口内批次（label 含窗口区间+活力%），缺省今天

4.5 菜单/权限（`backend/sql/bre_menu.sql`）

项	值
菜单	900056 花粉档案（parent 900030 杂交配组，hidden，route `/bre/pollen`，component `module_bre/pollen/index`）
按钮 E 段	900601-900608（`module_bre:pollen:detail/query/create/update/delete/export/import/download`）
角色关联	SUPER_ADMIN/ADMIN 范围扩至 900600-900699

4.6 前端

文件	变更
`api/module_bre/pollen.ts`	PollenAPI 全套 + `getAvailableLots`（授粉窗口下拉）
`views/module_bre/pollen/index.vue`	花粉 CRUD 页（贮藏/活力/采集方式下拉、采集/测定/有效期日期、活力% 数字）
`views/module_bre/pollination/index.vue`	表单/表格/搜索加 `pollen_lot_id`（批次下拉）+ `pollination_method`（授粉方式下拉）
`views/module_bre/_shared/StageView.vue` + `stage_cross/index.vue`	杂交配组第三标签「花粉档案」

4.7 验证（`Temp/claude/e2e_pollen_20260804.py` 全过 + `vue-tsc`）

组	断言
[pollen.create]	male_tree_no 标签=T015108、活力 85.5% 回填、窗口落库
[dup]	409「花粉批次号 … 已存在」
[fk]	409「采集父本树不存在或已被删除」
[list/detail/options/available_lots]	均含新批次；available_lots 返回窗口内批次
[pollination 窗口内]	create 成功、pollen_lot_no 标签、授粉方式回填
[window 窗口外]	409 含「授粉窗口 [2026-07-01 ~ 2026-09-30]」
[update/delete]	授粉日期改窗口内仍通过；pollen update 活力/有效期生效；软删生效

五、选择指数·无性系级聚合（2026-08-04）

5.1 决策正确性背景

用户提出决策正确性缺陷：selection_index 对每个 tree_id 算指数并排名、apply_selection 写每株，但桃是无性繁殖——一个 clone 经扩繁的多株遗传同质，应聚合为一个遗传实体再排名。后果：同一个优系 3 株可能被拆成 3 个独立指数条目，可能只选中其中 1 株而漏掉该系其他株，也不利"系级决选"。用户拍板：指数前先按 clone 聚合 EBV（mean/max 由可靠性加权），在 clone 级算 Smith-Hazel，再决定入选 clone。

自株退化（工程补充）：tree.clone_id 在实生苗阶段可空（v2.2/A1 决策），若把无 clone 的株全部剔除，实生苗阶段选择会塌缩。故未晋升 clone 的实生株退化为自株单元（key=-tree_id，每株独立参与指数与决选），入选命中规则 stage 时晋升建 clone。

5.2 数据模型变更

无表结构变更（复用 tree.clone_id + breeding_prediction_value 既有字段）。仅接口与计算层变更：

接口	变更
`SelectionIndexIn.aggregate`	新增：`clone`（默认，无性系级）/ `tree`（旧单株级行为保留）
`selection_index` 响应	每条 top 项含 `clone_id`/`clone_code`/`n_trees`/`tree_ids`（clone 级）；tree 模式含 `tree_id`；整体 `"aggregate"` 回显

5.3 聚合与排名逻辑（`statistics/service.py`）

_clone_units(cols, tree_ids, ebv_by_trait, pheno_by_trait, rel_by_tree)——聚合单元构造：

查 tree.id/clone_id/tree_no（限定 tree_ids）→ 按 clone_id 分桶，空桶自株 key=-tree_id；
单元 ebv_src[c][key] = 可靠性加权 Σ(ebv×rel)/Σ(rel)（桶内每 trait 各算一份），全 rel=0 回退简单均值；
单元 pheno_src[c][key] = 简单均值（smith_hazel 表型均值用）；
返回 [{key, clone_id, label, n_trees, tree_ids}]。

排名单位切换：zsum / Smith-Hazel 改为在单元 key 集上计算（ebv_src/pheno_src 取数），方向感知沿用 v2.3（统一越大越优）；Smith-Hazel 的 G 矩阵 pair 相关仍由树级 ebv_by_trait 抽样估计，b = P⁻¹Ga 在 clone 单元上评分。响应组装把单元字段映射回每条 top（tree 模式还原 tree_id）。

apply_selection 按遗传实体写：

top 项可能是 clone 级（tree_ids）或旧树级（tree_id），统一构建 units；
每单元 rel = min(rel_by_tree.get(t, 1.0) for t in u_tids)（保守：最弱证据株门控全系）；
写一条 selection_result：clone_id 指向全系（self 为 NULL）+ tree_id 溯源一株（优先已有记录株）+ reason 含「系内N株」；
入选单元命中规则 stage → _promote_tree_to_clone(首株, stage) 幂等晋升建 clone（复用既有 clone、推进 stage），self 株由此回填 clone_id。

5.4 前端

文件	变更
`api/module_bre/statistics.ts`	`selectionIndex` data 类型加 `aggregate?: 'clone'
`views/module_bre/statistics/index.vue`	工具栏「聚合：无性系级/单株级」radio（默认无性系级）+ 说明文案（桃无性繁殖默认；未晋升实生株按单株参与）；clone 模式结果表显示 clone_code/clone_id/n_trees/涉及单株

5.5 验证（`Temp/claude/e2e_clone_index_20260804.py`，6 组全过）

基座：目标/组合/2 clone（X=2株 T1T2、Y=2株 T3T4）+ 2 自株（T5T6）+ 2 性状 A(desc) B(asc) + 2 批次。A 系 EBV：T1=10(rel.1)/T2=30(rel.9) 加权 28；T3=20(rel.9)/T4=40(rel.1) 加权 22——可靠加权 X 排 Y 前，简单均值则 X20<Y30 反序，验证加权是有效差异而非巧合。

组	验证点	断言要点
[1]	clone 聚合单元 + 可靠加权排名	6 株 → 4 单元；clone 单元 n_trees=2/tree_ids 正确；自株 key 独立；X(加权28) 排 Y(加权22) 前
[2]	tree 模式兼容	`aggregate="tree"` 返回 6 条含 `tree_id`，desc 首=EBV 最高株 T4
[3]	方向翻转 clone 级	A 改 asc → top 精确互反，首=最低聚合 EBV 的 T5 自株
[4]	smith_hazel clone 级	b 含 A/B；top 含 clone 单元（n_trees/tree_ids 正确）
[5]	apply_selection clone 级写入	top_n=2 → 写 2 条决选：cloneX 一条（clone_id + 溯源 T1/T2 之一 + reason「系内2株」）+ self T6 一条
[6]	apply 晋升建 clone	top_n=4 含自株 → T5/T6 命中 sp 规则晋升建 clone（clone_id 回填）；clone X 株 stage 推进 sp

科学正确性收口：指数排名单位与决选写入单位统一为遗传实体——同一优系多株不会再被拆散、单株误选漏选；自株退化保住实生苗阶段选择能力，且入选即晋升、天然补上 clone 归属。

六、配合力交配设计 design_type（2026-08-04）

6.1 缺陷背景（统计严谨）

用户指出统计严谨缺陷：combining.solve 只实现 Griffing 对称全双列（model A），但 run_combining 与 bre_combining_ability 都没有 design_type 字段区分完全双列 / 部分双列 / line×tester(NCII) / NCIII。后果：用 line×tester 设计时，GCA/SCA 算法与 ANOVA 自由度都与全双列不同，当前一律按全双列算会算错（自由度错、GCA 含互反/自交效应）。用户拍板修复：bre_cross_combination / bre_combining_ability 加 design_type，combining.solve 按设计分支（line×tester 用 NCII 双因素模型）。

6.2 数据模型变更

bre_cross_combination 加 design_type varchar(16) NULL（缺省按 full_diallel 计）；bre_combining_ability 同步落 design_type。取值硬编码校验（同 selection_index.method，非 sys_dict）：full_diallel（完全双列，默认）/ partial_diallel（部分双列）/ line_tester（line×tester NCII）/ nciii（NCIII 测交）。DDL 见 backend/sql/weld_combining_design.sql（幂等 ALTER + COMMENT）。create/update 接受 code 或中文标签并归一化，非法值 409（交配设计取值不合法）。

6.3 求解器分支（`scripts/breeding_stats/combining.py`）

设计	模型
`full_diallel` / `partial_diallel`	Griffing 对称全双列 model A：`y_ij = μ + g_i + g_j + s_ij`，Σg=0 约束，最小二乘 BLUE
`line_tester`（NCII）	双因素模型 model B：`y_ij = μ + l_i + t_j + (lt)_ij`；parent1=line（母本）、parent2=tester（父本），分别 Σl=0 / Σt=0；SCA = line×tester 互作 = 残差
`nciii`	同一 model B，门槛 tester 恰好 2 个

工程要点：

可辨识性：tester 列从索引 1+n_l 起 → 显式列选择（非连续切片）；基线列切出后吸收剩余列。
顺序 ANOVA（SS 型）：SS_line（intercept→line）→ SS_tester（→tester after line）→ SS_sca（残差）；df_line=n_l-1、df_tester=n_t-1、df_sca=n-1-df_line-df_tester。输出 design/roles/df_line/df_tester/df_sca。
门禁：同亲本既作 line 又作 tester（角色重叠）→ ValueError → 任务 FAILED + CustomException「角色重叠」；NCIII tester≠2 → 拒绝。
gca_se 持久化：GCA 标准误内嵌 anova_json["gca_se"]（避免 DB 迁移，gca_json/sca_json 形状稳定）；前端 GCA 表加 SE 列。

6.4 运行过滤与持久化（`statistics/service.py::run_combining`）

run_combining 加 design_type 参数透传 combining.solve；按设计过滤组合——只纳入 cc.design_type or 'full_diallel' == dt 的组合，杜绝全双列标注组合混入 line×tester 运行（混算根因）。bre_combining_ability.design_type 随结果落库，anova_json 带 design 供前端分显示。

6.5 前端

文件	变更
`api/module_bre/statistics.ts`	`RunStatsPayload.design_type?: string`（配合力运行时下发）
`api/module_bre/cross_combination.ts`	查询/表格/表单类型加 `design_type`
`views/module_bre/statistics/index.vue`	运行对话框「交配设计」radio（DESIGN_LABELS 四选项 + 说明）；配合力批次表「设计」列；详情 ANOVA 按 `a.design` 分支——NCII/NCIII → line/tester/互作 F 与 p + roles 计数，双列 → GCA F；GCA 表 SE 列；SCA 表展示
`views/module_bre/cross_combination/index.vue`	表单/表格/详情/搜索四处 `design_type`（radio + DESIGN_LABELS 中英映射，createInitialFormData 默认 full_diallel）

6.6 验证（`Temp/claude/e2e_combining_design_20260804.py`，5 组全过 + `vue-tsc`）

基座：数值性状 + 目标 + 6 亲本；NCII 2×2（line_tester 4 组合）+ NCIII 2×2（nciii 4 组合）+ 1 条 full_diallel（应被 line_tester 运行排除）。

组	验证点	断言要点
[1]	NCII line_tester 运行	design_type 落库；anova.design=line_tester；df 1/1/1；roles.lines/testers 正确；平衡 2×2 精确解 gca{l1:-2,l2:+2,t1:-1,t2:+1}；SCA 恰 4 条；`E2EDTMIX`（full_diallel）被排除；`anova.gca_se` 内嵌
[2]	NCIII 分支	只纳入 nciii 标注组合；同一双因素模型；df_line/df_tester=1；SCA 4 条；gca{n1:-2,n2:+2}
[3]	角色重叠 gate	同亲本作 line 又作 tester → 任务 FAILED + CustomException 含「角色重叠」
[4]	create/update 校验	`line_tester`→原样、中文「完全双列」→归一化 `full_diallel`、`bogus_design`→409、update→`nciii`
[5]	持久化复查	commit 后新会话 design_type / anova.design / gca_se 均真实落库

科学正确性收口：配合力计算不再默认"一律全双列"——line×tester(NCII)/NCIII 走双因素模型，GCA/SCA 与 ANOVA 自由度按设计正确计算；运行层按 design_type 过滤组合，杜绝混算；角色重叠直接拒绝，消除亲本角色语义错误。待办：partial_diallel（Griffing model 4，无互反）与 model 3（含互反、需单株表型）本轮未单独实现，随使用按需补。

七、统计严谨·预测完整性与 MLOps 复现性（v1.4，2026-08-04）

7.1 缺陷背景（七条复审逐条核实）

用户抛出七条统计严谨/完整性复核主张，逐条对照代码核实均为真缺陷后按优先级落地（便宜且值得马上补 ②④ → 中期 ③⑤ → 需新能力 ①⑥）：

#	主张（核实）	落地
②	`bre_prediction_value` 只存 reliability，未存预测准确度 PA	加 `pa = √reliability`；批次 `bre_prediction.accuracy` 改填真 PA
④	`PredictionValueModel.germplasm_id` 永未填充（run_ablup 只写 tree_id）	写 EBV 行时回填 `tree.germplasm_id`，亲本级 EBV 查询可用
③	`bre_prediction` 无 data_version / 输入哈希 / 引擎版本，MLOps 溯源不全	加三字段 + 确定性输入哈希，同数据重跑一致、改观测必变
⑤	`bre_rootstock` 仅 code/name/remark，无矮化类、砧穗亲和性	扩 `dwarf_class` + `compatibility`，全链路透传
①	Smith-Hazel 的 G 矩阵用"EBV 皮尔逊相关"近似（无真 MT-BLUP）	改 Calo 可靠性校正 `r_g = r_EBV/√(rel_i·rel_j)`（真 MT-BLUP 记遗留）
⑥	果园株间竞争 / 边缘效应未建模	`run_ablup` 新增 `covariate="competition"`（Chebyshev 邻域株数）
⑦	前端 D 层 `_coming_soon` 占位页	保持占位属预期（P2 远景，本轮不动）

7.2 数据模型变更（`backend/sql/weld_prediction_rigor.sql` + `weld_rootstock.sql`）

表	列	类型	说明
`bre_prediction_value`	`pa`	double precision	预测准确度 PA = √reliability（每株每性状）
`bre_prediction`	`data_version`	varchar(32)	数据版本（`_DATA_VERSION="v2.7"`，service.py）
`bre_prediction`	`input_hash`	varchar(64)	SHA256：`{tree_id}:{均值表型}` + `{个体}\|dam\|sire` 确定性序列化（数据漂移可检测）
`bre_prediction`	`engine_version`	varchar(32)	引擎版本（`blup.ENGINE_VERSION="1.0.0"`）
`bre_rootstock`	`dwarf_class`	varchar(32)	矮化类：矮化/半矮化/乔化/柱状/其他
`bre_rootstock`	`compatibility`	varchar(16)	砧穗亲和性：强/中/弱

accuracy 语义正名：原误填"均值 EBV 的平方根"（量纲不符），现改填真 PA = √(批次内可靠性均值)（numeric(5,3)，3 位小数），与 bre_prediction_value.pa（每株）口径一致。

7.3 引擎逻辑（`statistics/service.py` + `blup.py`）

规格点	实现
② PA	`run_ablup` 写 EBV 行 `pa = √reliability`；批次 `accuracy = √(均值 rel)`。`ebv_ranking` 单株响应透出 `pa`
④ germplasm_id	`run_ablup` 写 EBV 行 `germplasm_id = tree.germplasm_id`（晋升回填的种质；无种质株保持 NULL 合规）
③ 溯源	批次级落 `data_version` / `input_hash` / `engine_version`；`input_hash` 覆盖全部参与树 × 全部观测（含 NULL 表型拼接），改 1 条观测哈希必变
① Calo	`_smith_hazel_index` G 非对角改 `r_g = r_EBV/√(rel_i·rel_j)`（rel 取配对树该性状均值），钳制 [−1,1]；可靠性缺失/近零 → 0（保守）；`extra["g_corr"]`（性状对）+ `extra["g_note"]` 落 `bre_selection_index.result_json` 可审计；rel 数据即 ② 落库的 reliability
⑥ 空间竞争	`run_ablup(covariate="competition")`：同 (plot_id, block_no) 网格内 Chebyshev 距离 1（8 邻域，不含自身）株数作协变量；相邻越多竞争越强、边缘株相邻少隐式捕捉边缘效应；G×E 分支同步支持（三处 `covariate == "crop_load"` 泛化为 covariate 真值）；全无 row/col → CustomException（显式数据需求）；`bre_tree.row_no/col_no` 数据能力已全链路就位（模型/前端录入/表格/详情/导入导出）

7.4 前端

文件	变更
`api/module_bre/statistics.ts`	指数批次表/EBV 行类型加 `germplasm_id`/`pa`
`views/module_bre/statistics/index.vue`	指数批次表加 `germplasm_id`/`pa` 列；ABLUP 运行对话框协变量 el-checkbox 改 radio（无 / crop_load / competition）+ 说明文案
`api/module_bre/rootstock.ts` + `views/module_bre/rootstock/index.vue`	`dwarf_class`/`compatibility` 全量：常量、搜索、表格、详情、表单、handleSearch/onResetSearch

7.5 验证（三探针全过 + `vue-tsc`）

e2e_prediction_rigor_20260804.py（②③④，4 组）

组	断言
[1]	每株 `pa = √rel` 逐条一致；批次 `accuracy` = √(均值 rel)；溯源三字段（data_version=v2.7 / engine=1.0.0 / acc=0.439）；germplasm 级查询（按 gA 查得 2 条）；ebv_ranking 透出 pa
[2]	复现性：同数据重跑 input_hash 完全一致
[3]	数据漂移：改 1 条观测值后重跑哈希必变
[4]	跨会话持久化：commit 后新会话读取值/哈希仍在（全行扫描断言）

e2e_rootstock_20260804.py（⑤）：create/detail/update/list（搜索 dwarf_class）/options/export（含新列）/template（下拉选项）/DB 直查全过。

e2e_corr_spatial_20260804.py（①⑥，3 组）

组	断言
[1]	Calo 校正值：`g_corr` 含性状对、`g_note` 含"可靠性校正"；`got_rg` 与独立重算 `clamp(r/√(rel_i·rel_j))` 一致（容差 1e-4），例 r=0.9966/rel 0.1925·0.1345 → r_g=1.0
[2]	competition 消费验证：有坐标运行成功，EBV 与无协变量最大差异 0.5465（差分消费，非仅字段）
[3]	数据需求判定：全无 row/col → CustomException 含 row_no/col_no

7.6 遗留（已记账，不动引擎）

真 MT-BLUP：多性状 G 需全新多变量 REML 求解器（Kronecker 积 G/R + 方差分量迭代，数值收敛风险大）。本轮用 Calo 可靠性校正顶上（业界对"EBV 相关替代 G"的标准修正），g_corr/g_note 落库可审计。后续要做即按此接口替换。 2026-08-04 追加加固：逐对独立估计的 r_g 在 ≥3 性状时可能违反三角不等式使 G 非正定 → _smith_hazel_index 构造 G 后做最近半正定投影（Higham 特征值截断，np.linalg.eigh），b=P⁻¹Ga 才良性；新增稳定性警示 extra["warnings"]（完整观测树 <30 / P 条件数 >1000 / G 非正定已投影 / r_g 钳到 [−1,1] 边界）随 result_json 落库可审计，不阻断。数值验证：0.9/0.9/−0.9 相关阵 det<0 → 投影触发；2 性状正定场景无警示。
⑦ 前端 D 层占位：分子育种/品种保护/AI 增强 _coming_soon 保持占位，属 P2 远景预期。

7.7 组合得失漏斗 v_combination_funnel（v2.8，2026-08-04）

缺陷背景（逐条复审第 8 条，最贴业务）：数据本已齐全——bre_pollination.flower_count/effective_count（花→果）、bre_seed_lot.seed_count/germination_rate（种→苗）、bre_seedling.seedling_count（出苗）——但无任何按 bre_cross_combination 汇总的派生指标：结实率/出苗率/选择强度未滚到组合层，配合力第一手证据（组合得失链路）字段在但没合成进配合力上下文。核实属实：全库无结实率/出苗率/选择强度/funnel 实现；唯一"选择强度链"是 seed_lot.used_count 机械累加（账本非派生指标）；run_combining 只取 func.avg(value_numeric) 组合均值、combining.solve 只认 combo/parent1/parent2/value。用户拍板：补视图/派生表即可，数据已齐、风险极低。

六级链路与派生指标：

环节	数据源（均按 combination_id 聚合）	派生
花→果	`bre_pollination` Σflower_count / Σeffective_count	结实率 fruit_set_rate = Σeff/Σflower×100
果→种	`bre_seed_lot` Σseed_count / AVG germination_rate	出苗基数
种→苗	`bre_seedling` Σseedling_count / Σstrong_seedling_count	出苗率 emergence_rate = Σseedling/Σseed×100
苗→定植	`bre_planting` Σtree_count	定植数
定植→树	`bre_tree` 非软删 COUNT	树数（评价群体基数）
树→入选	`bre_selection_result` 非软删 COUNT	选择强度 selection_rate = 入选数/树数×100

缺环节的组合比率列留 NULL（bre_cross_combination 主表 LEFT JOIN 六源，按组合一行）。

实现：

backend/sql/weld_combination_funnel.sql：v_combination_funnel 普通 VIEW（DROP IF EXISTS + CREATE OR REPLACE 幂等，F2 决策保 fresh 不用 MV），psql 应用（create_all 只建 ORM 表，视图须手写 SQL）。
statistics/service.py::combination_funnel()：查视图返回 {rows, n}（Numeric→int/float 归一），视图未就绪 CustomException 提示。
statistics/controller.py：GET /statistics/combination-funnel（module_bre:statistics:query 权限）。

验证（Temp/claude/e2e_combination_funnel_20260804.py，3 组全过）：

组	断言
[1]	全六级组合：150 花/50 果→结实率 33.33%、100 种(发芽率均值90%)/80 苗→出苗率 80%、55 定植/3 树/2 入选→选择强度 66.67%，逐计数精确断言
[2]	仅授粉组合：fruit_set=50.0% 算得出，种/苗/定植/树/入选全 NULL（LEFT JOIN 正确性）
[3]	跨会话持久化：commit 后新会话读同值

工程教训：首跑清理阶段 FK 崩——helper 里 db.add() 后未 flush 就取 .id 拿到 None，删除 WHERE id IN (None,…) 不命中留下孤儿行。修复：add 后先 await db.flush() 再取 id。此为探针自身 bug，非视图/端点缺陷。

八、分子育种「建数据能力」（2026-08-04）

分子层四表 DDL 早已在 backend/sql/bre_tables.sql（§3.7），但 module_bre 无 ORM/服务 → DNA 指纹/QTL/GWAS/GS 全 inert。用户拍板先建「数据能力」：四模块 CRUD + Excel 导入导出 + VCF 导入 + 指纹防错（无性系混杂检测）。GS/GWAS/GBLUP 引擎仍占位。菜单 900210-900213 由占位页切真实页面，900214 GWAS 保持 _coming_soon。

8.1 DDL 缺口与补列

bre_genotype_sample 原 DDL 无样本名字段（只有 dataset_id/source_type/source_id/sample_type/sample_date/method/lab/remark）。VCF 表头映射、UI 展示、指纹报告都靠样本名 → 按 weld 惯例补列（create_all 只建新表、不改既有表）：

ALTER TABLE bre_genotype_sample ADD COLUMN IF NOT EXISTS sample_name varchar(128);
COMMENT ON COLUMN bre_genotype_sample.sample_name IS '样本名称（VCF 表头/UI 展示，可空）';
CREATE INDEX IF NOT EXISTS ix_bre_genotype_sample_dataset_name ON bre_genotype_sample (dataset_id, sample_name);

8.2 四模块五件套

模块	表	关键列 / 约束	导入必填
marker	bre_marker	marker_name UNIQUE；chromosome/position/marker_type/panel/assembly_version	marker_name
genotype_dataset	bre_genotyping_dataset	dataset_name/platform/panel/purpose/run_date/lab	dataset_name
genotype_sample	bre_genotype_sample	sample_name（weld 补）；dataset_id FK→dataset	sample_name（dataset 名解析成 ID）
genotype_call	bre_genotype_call	sample_id/marker_id 双 FK + UNIQUE(sample_id,marker_id)；allele 按 VCF/GP 编码	sample_name/marker_name（解析成 ID）/allele

五件套：model/schema/crud/service/controller，module_bre/__init__.py 注册。ORM 严格对齐 bre_tables.sql——分子表无 status 列，模型覆盖 __table_args__（Index("ix_bre_<表>_created_deleted", "created_time", "is_deleted")）跳基类默认 status 索引。
FK 存在性：sample/call create/update 前 assert_parents_exist（父级软删也拦截→409「XX不存在或已被删除」）。
名称透出：get_list/detail 后查 ref_map 填 dataset_name / sample_name / marker_name（seed_lot combination_name 同款 _attach_fk_labels）。
Excel 导入导出：header_dict 中文头→列，名称解析成 ID；导入模板/导出 mapping_dict 含 created_by 名解析。

8.3 VCF 导入（POST /bre/genotype_call/import/vcf）

跳过 ## 行，定位 #CHROM 表头 → FORMAT 后为样本列，GT 在 FORMAT 子字段索引。
marker：ID 非 . 用 ID、否则 CHROM:POS，按 UNIQUE 查重 → 缺失建号（marker_type=snp、panel=dataset.panel）。
样本：按 (dataset_id, sample_name) 查重 → 缺失建号（sample_type=vcf、method=genotyping，source 留空）。
GT：|→/ 规范化；././././ 跳过；allele 存 GT 编码（0/0、0/1、1/1）。
内存 dict 以 (sample_id, marker_id) 去重（文件内重复 last-wins）；已存在分型跳过 → 重跑幂等；500/批批量 insert。
返回 {dataset_id, dataset_name, variants, samples, samples_created, markers_created, calls_inserted, skipped_missing}。

8.4 DNA 指纹防错（GET /bre/genotype_call/fingerprint/check）

纯数据层比对，无外部依赖：

取 dataset 内样本 + 分型结果，构建 {sample_id: {marker_id: allele}}，allele 规范化。
两两比对：共同 marker < min_markers 跳过（信息量不足）；否则 identity = 匹配数/共同数。
判定：同源对（source_type+source_id 相同且非空）identity < threshold →「同源指纹不一致（疑似样品污染/取错）」；异源对 identity ≥ threshold →「异源指纹一致（疑似无性系混杂/标签互换）」。
返回按 identity 降序的 pair 行（样本名含来源、共同数、匹配数、identity、标记）。

8.5 菜单 / 权限 / 前端

bre_menu.sql：900210-900213 component_path 由 _coming_soon/index 切 module_bre/{marker,genotype_dataset,genotype_sample,genotype_call}/index；F 段按钮 id=900700+seq*10+border（八按钮：查看/查询/新增/编辑/删除/导出/导入/下载模板），ON CONFLICT (id) DO NOTHING 幂等；SUPER_ADMIN/ADMIN 角色关联 64 行。
前端：4 api .ts + 4 index.vue。genotype_sample 搜索/表单带 dataset 下拉；genotype_call 带 sample/marker 双下拉 +「导入 VCF」（dataset 下拉+文件上传，报计数）与「指纹检测」（dataset 下拉+min_markers+阈值，结果表两色标签：danger=同源不一致、warning=异源一致）两个自定义按钮/对话框。

8.6 e2e 验证（e2e_molecular_20260804.py）

组	断言
[1]	四模块 CRUD 闭环：dataset→marker→sample→call create/detail/update/list/options，FK 名称透出（sample.dataset_name、call.sample_name/marker_name）
[2]	唯一键/父级：重复 (sample,marker)→409「已存在」；sample 引用不存在 dataset→409；重复 marker_name→409
[1b]	删除闭环：call→sample→marker→dataset 软删后 detail 不可见
[3]	指纹：6 样本 3 标记——同源对 1 处不一致→命中「同源指纹不一致」（identity 2/3）；异源对全一致→2 对「异源指纹一致」（identity 1.0）；同源全一致对不误报；共同 marker 不足（S-Y 仅 1 标记）对不出现
[3b]	空数据集指纹 samples=0/flagged=0
[4]	VCF：6 variant × 3 样本——markers_created=5/samples_created=3/calls_inserted=13/skipped_missing=2；文件内重复标记 last-wins（(P01,V100)=1/1）；自动建号元数据（V500 chrom=2/pos=500/type=snp/panel=dataset.panel）；重跑幂等（samples/markers/calls 均 0 新增）

清理按 FK 逆序物理删（call→sample→marker→dataset，前缀 E2EM-），重跑幂等。

九、精修项落地：DUS 数据能力 + stage 感知 + k-fold CV + 公平性报告（2026-08-04）

9.1 缺陷背景（用户核实四条缺口，全部拍板落地）

用户核对后确认四条精修缺口属实并拍板「全部落地，更新文档，保留版本」：

DUS/品种保护：无 DUS 模块、无 UPOV TG/53 描述符观测模板（菜单 900230 预留仍占位）；档位=数据能力（三表）。
stage 感知：bre_trait.stage（v2.0 定义）存在但 BLUP/选择指数/决策无视，童期/成株性状混用无警示。
模型外部验证：可靠性仅 PEV 法（内部）；档位=ABLUP + GXEBLUP 双支持 k-fold CV（外部预测准确度）。
AI 伦理·分组偏差：G×E 引擎已覆盖互作，缺按 site 的系统性 EBV 偏差/公平性报告。

9.2 DUS 数据能力（三表）

表	业务列	约束
`bre_dus_descriptor`	descriptor_no(UPOV TG/53 特性号)、trait_id→bre_trait（可空=自由描述符）、trait_code 快照、descriptor_name、expression_type(QN/PQ/QL)、method、example_varieties(标准品种)、test_stage、required	uq_descriptor_no
`bre_dus_test`	test_name、germplasm_id→bre_germplasm、trial_study_id→bre_trial_study、tester、test_date、status(planning/testing/completed/report)、conclusion(pending/distinct/not_distinct)、report_path	uq_test_name
`bre_dus_observation`	dus_test_id→bre_dus_test、dus_descriptor_id→bre_dus_descriptor、value_numeric、value_text、expression_note	uq(test,descriptor)

表新建走 create_all（不在既有 DDL，无需 weld）；五件套 module_bre/dus/ 注册 /bre/dus_test/*（descriptor 9 端点含导入导出+模板，test 9，observation 6）。
种子 sql/bre_dus_seed.sql：UPOV TG/53 桃描述符 15 条，trait_code → bre_trait LEFT JOIN 解析 trait_id（8 条关联），ON CONFLICT(descriptor_no) DO NOTHING 幂等。
菜单 sql/bre_menu_refine.sql：900230 component 切真实页 module_bre/dus/index；G 段按钮 900800-900808（perm module_bre:dus_test:*，八按钮含导入/下载模板）+ SUPER_ADMIN/ADMIN 角色关联。
FK 名称透出：trait_name / germplasm_name / trial_study_name / descriptor_no+descriptor_name；描述符导入按中文头「关联性状编码」→trait_id。

9.3 stage 感知

_trait_meta_map 读入 trait.stage（缺省 evaluation）；PredictionModel.stage 落库（sql/weld_refine.sql 补列）+ 预测批次表展示（童期 warning / 成株 primary 标签）。
selection_index 加 stage 入参：传 juvenile/evaluation 只纳入该阶段性状（异阶段写入 skipped_stage，同阶段无性状→409 带剔除清单）；不传且横跨两阶段 → stage_warning（童期/成株性状清单 + 「证据来自不同发育阶段，需人工复核」）。
decision_preview 同理：传 stage 时异阶段规则条件跳过（matched=None、reasons 不出现）；不传且规则引用性状横跨两阶段 → stage_warning。

9.4 k-fold CV（外部验证）

求解器 scripts/breeding_stats/blup.py::kfold_cv：sire 家系分层留出（同家系不进训练/测试双折避免乐观，无父本个体自成一系）、固定种子；每折训练子集重估方差组分 → 留出个体 EBV 由系谱预测（个体保留在 A 矩阵、仅掩蔽表型）→ pearson+RMSE；单折失败（train<2 / G×E 结构不可辨识）记 None+warning 不中断。
落库 bre_cv_result（method=KFCV/ABLUP|KFCV/GXE、k/n_total/n_individuals/mean/pooled pearson/RMSE/cv_accuracy/h2）+ bre_cv_fold 明细；MLOps 溯源 data_version/input_hash/engine_version 复用。
端点：POST /bre/statistics/cv/run（trait_id/code/year/fixed/covariate/gxe/gxe_env/k 2~10，ABLUP 与 GXEBLUP 同入口）、GET /bre/statistics/cv（批次）、GET /bre/statistics/cv/{id}（含折明细）。

9.5 公平性报告（只读，不建表）

GET /bre/statistics/fairness?prediction_id=&group_by=site&threshold_sd=1.0：

site_summary：每 site n_trees/n_groups/n_individuals/EBV 分布（mean/sd/min/max）/mean_reliability/deviation=site_mean−grand_mean、flagged=|deviation|>threshold_sd×grand_sd。
rank_consistency：site 内组合均值 EBV 排名 vs 全体组合排名，共享组合 ≥2 时手写 Spearman。
gxe_pattern：组合×site 单元均值（单元 n≥2），暴露跨 site 排名翻转。

9.6 验证（e2e_refine_20260804.py 全过 + vue-tsc）

组	断言
[1]	DUS：三表 CRUD + 种子命中（15 条、TG/53/5=果形、≥1 条关联 trait_id）+ FK/唯一键/子表阻断删除/软删全 409 路径
[2]	stage：selection_index 无 stage→警示含两性状；juvenile→traits 只含童期 + skipped_stage=[成株]；decision_preview juvenile→成株规则条件跳过（matched=None）、童期规则命中部分株；ABLUP 批次 stage 落库（juvenile/evaluation 各对）
[3]	CV：ABLUP k=3 折 pearson 全非 None（sire 家系留出→留出株 EBV 收缩到均值、pearson=0 为设计预期）+ GXE k=2 跨 site 跑通 + 幂等重跑新批次 + data_version=“v2.7”/engine/input_hash + job SUCCESS
[4]	fairness：2 site 9 株 site_summary 2 行（deviation 异号、flagged 布尔）+ rank_consistency 2 行（shared≥2、spearman 非 None）+ gxe_pattern n≥2 单元

清理按 FK 逆序物理删（前缀 E2ER-），TG/53 种子描述符与既有数据不动。

十一、六项能力完善：MT-BLUP + GBLUP/ssGBLUP + DUS 特异性检验 + AMMI/FW 稳定性 + MLOps 重训回滚 + BLUP stage 拆分（2026-08-04）

11.1 缺陷背景（用户两轮复核核实六条缺口、逐项拍板「全部落地」）

MT-BLUP：Smith-Hazel 的 G 非对角仍用 Calo 校正 EBV 相关近似（service.py 已诚实文档化为回退），缺真遗传相关估计 → 拍板成对双性状 BLUP（非全多变量 REML）。
GBLUP/ssGBLUP：分子层只有数据能力（四模块 CRUD + VCF + 指纹），无 VanRaden G / 基因组选择引擎 → item 明确两者都做。
DUS 特异性统计检验：conclusion 纯人工（无判定端点）→ 拍板参照=同 trial_study 自动 + 可显式指定。
AMMI/Finlay-Wilkinson 稳定性：G×E 随机效应已估 σ²gxe，无跨环境稳定性排名。
MLOps 自动重训 + 版本回滚：APScheduler 在但统计无重训接线、无 is_active → 拍板漂移检测端点 + 手动触发，不注册 cron。
BLUP stage 拆分：run_ablup 只打标签（model_name 后缀）不按 stage 取数。

11.2 MT-BLUP（`scripts/breeding_stats/mtblup.py` + `statistics/service.py`）

mtblup.solve_bivariate(pedigree, phenos, code1, code2)（ENGINE_VERSION=1.0.0）：共享系谱复用 blup._order_pedigree/_build_ainv 建 A/A⁻¹；模型 y=[y1;y2] 堆叠、X/Z 块对角；Var(u)=G0⊗A（G0=Va1,ρ√(Va1Va2)],[·,Va2）、Var(e)=diag(Ve1,Ve2)⊗I。降维：Va1/Ve1、Va2/Ve2 取自各性状单性状 REML（=既有 herit 来源），仅对 ρ∈[−0.99,0.99] 1-D golden-max 最大化精确 REML ll（复用 _golden_max + _solve_gxe 的 V=Z(G0⊗A)Z'+R、slogdet+yPy 模板）。返回 r_g/σa 矩阵/n_common/n_iter/converged/warning；单性状观测 <2 → 该性状 NAN。
run_genetic_corr(trait_ids, year)：_gather_shared_phenos union 树集 + 树级均值 + 共享系谱；两两 bivariate，对角=单性状 h²·P_ii、非对角=r_g·√(G_ii·G_jj) 组装 G0，Higham 特征值截断投影半正定；落 bre_genetic_corr_result（trait_codes/matrix/sigma_a/heritability/pairs_json/n_common + data_version/input_hash/engine_version）+ StatisticsJobModel(job_type="GENCORR")；list_genetic_corr / genetic_corr_detail。
_smith_hazel_index 加 g_method="calo"|"mtblup"（selection_index 透传）：mtblup 时逐对 solve_bivariate 填 G 非对角，单对不收敛回退 Calo + warning 清单（不阻断指数）；≥3 性状 r_g 三角不等式违反 → 特征值截断投影半正定；extra["g_source"]="mtblup|calo" 落库可审计。
端点：POST /statistics/genetic-corr/run（trait_ids 多选 + year）、GET /statistics/genetic-corr、GET /statistics/genetic-corr/{cid}。

11.3 GBLUP / ssGBLUP（`scripts/breeding_stats/genomic.py` + `statistics/service.py`）

build_g_matrix(genotypes, markers, *, maf_min, method=2, blend=0.02)：dosage 0/1/2 样本×标记，缺格按列均值 2p 填充；MAF 过滤（maf>=maf_min，全滤 → ValueError）；VanRaden method1 G=ZZ'/2Σp(1-p)（diag≈1）/ method2 G=ZDZ'（D=1/[2p(1-p)]）；blend 岭 G=(1−ω)G+ω·mean(diag)·I 保证可逆。
solve_gblup(pedigree, phenos, G, *, tol)：仅基因型个体入模型，MME 用 G⁻¹ 替代 A⁻¹；σ²a 用 _golden_max profile（仿 blup.solve）；返回 ebv/reliability(=1−PEV/σ²a)/h2/σa/σe/converged/warning。
solve_ssgblup(pedigree, phenos, G, genotyped, *, tol)：H⁻¹ = A⁻¹ + 0,0],[0, G⁻¹ − A22⁻¹（Aguilar et al. 2010）；A22=A[genotyped,genotyped] 稠密子阵 np.linalg.inv（病态加 _RIDGE=1e-6）；V 块必须用 H 协方差——按 Aguilar 块公式构造完整 H（D=G−A22：H=A+A12A22⁻¹DA22⁻¹A21, A12A22⁻¹D],[D·A22⁻¹A21, D；非基因型块 += L·D·L'、交叉块 += L·D、基因型块 = G），REML 似然 V=ZH[z,z]Z'+R，H⁻¹ 仅进 MME 系数矩阵。修复前 V 块误用 Hinv[z,z] 致似然失构。基因型+非基因型个体都出 EBV。
run_gblup(dataset_id, trait_id, trait_code, year=None, method="gblup"|"ssgblup", maf_min=0.05)：取数 bre_genotype_call join bre_marker pivot sample×marker 剂量（"0/0"→0/"0/1"→1/"1/1"→2，多等位跳过）；样本→个体映射 source_type='tree' 直连 + sample_name↔tree.tree_no/germplasm.cultivar_name 名称兜底，未映射→跳过 + note warning 清单；genotyped = sorted(dosage) 对齐 build_g_matrix 内部 sorted(genotypes) 行序（修复前用全部映射树，零有效调用树会错位 G 索引静默污染 EBV）；input_hash 覆盖（基因型矩阵哈希 + phenos + ped）；落 PredictionModel（method=GBLUP/ssGBLUP，engine_version 落库）+ PredictionValueModel（每树 EBV/rel/pa/rank）+ job_type="GBLUP"；list_genotyping_datasets（genotyping_dataset 列表 + n_samples）。
端点：POST /statistics/gblup/run、GET /statistics/gblup/datasets；批次/EBV 复用 list_predictions（按 method 过滤）+ ebv_ranking。

11.4 DUS 特异性统计检验（`dus/service.py` + `fdist.py`）

fdist.f_icdf(p, d1, d2)：F-CDF 二分反解；t_crit(alpha, df)=√f_icdf(alpha, 1, df)（t²=F(1,df)）。
dus.distinctness(candidate_rows, reference_rows, descriptor_meta, alpha=0.01)：
- QN：候选 vs 参照单因素 ANOVA → MSE,df → LSD = t_crit(α,df)·√(MSE·(1/n_cand+1/n_ref))；|cand_mean − ref_mean| > LSD → 该描述符 distinct（逐参照比较，任一超 LSD 即 distinct）。
- PQ/QL：表达状态众数——候选众数 ∉ 参照众数集 → distinct。
- 汇总逐描述符 {descriptor_no, name, expression_type, candidate_value, ref_values, statistic, critical, distinct}；总体建议=≥1 个 required 描述符 distinct → distinct，否则 not_distinct，数据不足→pending（不判）。
test_distinctness(test_id, reference_test_ids=None, alpha=0.01)：默认参照=同 trial_study_id 其他非软删 test（候选自身分组：同 germplasm_id 的测试合并为重复），可显式覆盖；取候选+参照观测+描述符 → 判定 → 落 analysis_json（逐描述符表+建议+参照集+alpha+运行时间）；conclusion 当前 pending 时自动填建议（人工可改）。distinctness_report(test_id) 读已存分析；DusTestOutSchema 加 analysis_json。
端点：POST /bre/dus_test/distinctness/{test_id}、GET /bre/dus_test/distinctness/{test_id}。

11.5 AMMI / Finlay-Wilkinson 稳定性（`scripts/breeding_stats/stability.py` + `statistics/service.py`）

finlay_wilkinson(table)：每基因型对环境指数（该环境全基因型均值 np.nanmean(Y, axis=0)）回归 y_gj=b·I_j+a（lstsq）→ b/截距/R²/se_b/dev_ms；flag_stable = |b−1| ≤ 2·se_b，且完美拟合（dev_ms≤1e-12·max(1,ptp(y)²)）时 se_b 无信息量 → b≈1（|b−1|≤1e-6）才判稳（修复前浮点 b 永不精确=1 且 se_b=0 → 误判不稳）。
ammi(table, n_components=2)：μ+g+e 两因素分解 → 残差 SVD（np.linalg.svd，首引）→ λ1/λ2、每基因型 IPC1/IPC2 得分、ASV=√((IPC1·SS_ipc2/SS_ipc1)²+IPC2²)（Purchase 2000，IPC1 按 SS 比例缩放）、Wricke ecovalence=Σ(y_ij−y_i.−y_.j+y..)²、ipc_variance（各 IPC 解释比例）；rows 按 ASV 升序 + rank。
run_stability(trait_id, trait_code, gxe_env="site"|"year", year=None, methods=("ammi","finlay"))：两向表 genotype=clone（缺则 combination，再退 tree）× env=site(trial_study_id)/year(evaluate_year)，每格多株均值（仿 trait_values 取数）；有效格子 <2×2 → 409；落 bre_stability_result（detail_json + data_version/input_hash/engine_version）+ job_type="STABILITY"；list_stability / stability_detail。
端点：POST /statistics/stability/run、GET /statistics/stability、GET /statistics/stability/{sid}。

11.6 MLOps 自动重训 + 版本回滚（`statistics/service.py` + `sql/weld_advanced.sql`）

weld：bre_prediction.is_active boolean default false。run_ablup/GXE/GBLUP 落库：同 trait 无 active 批次 → 本批 active=true，否则 false（版本链语义）。
_gather_digest_inputs(trait_id, year)：轻量抽取——仅组装进 _input_digest 的 phenos+pedigree（复用 run_ablup 的取数 SQL，不含 fixed/cov/门禁），供 drift 重算当前哈希（规避全量抽取风险）。
GET /statistics/model/drift?prediction_id=：从该批次 job params_json 取 (trait_id,year,gxe,gxe_env) → _gather_digest_inputs 重算 → {prediction_id, changed, current_hash, stored_hash, data_version}。
POST /statistics/model/retrain?prediction_id=：漂移才重训——run_ablup(同 params) 建新批次并 await model_activate(new_id) 转移 active（修复前新批次默认 inactive——旧批次仍 active，重训后新批次卡在非生效态，破坏版本链语义）→ {retrained, old_id, new_id, new_hash}；无漂移 → {retrained:false, reason}。
POST /statistics/model/activate/{id}：trait 内标 active（回滚原语）；list_predictions/PredictionOut 加 is_active。

11.7 BLUP stage 拆分（`statistics/service.py` + `sql/weld_advanced.sql`）

weld：bre_trait_observation.stage varchar(16)（观测级发育阶段，缺省继承 trait.stage）。TraitObservationModel + schema（create/update/out）+ 前端观测表单 stage 下拉（juvenile/evaluation）。
run_ablup(stage=None) + RunStatsIn.stage：stage 给定 → 取数 where(coalesce(obs.stage, trait.stage) == stage)；过滤时 model_name 加 _{stage} 后缀 + PredictionModel.stage=生效 stage；未给定但数据 obs.stage 与 trait.stage 出现分歧 → note 警示（"有 N 条观测标注了观测级 stage，但本次未按阶段拆分…"，不阻断）；GXE 分支同步应用；非法 stage → 409。

11.8 前端

statistics.ts：runGeneticCorr/listGeneticCorr/geneticCorrDetail + runStability/listStability/stabilityDetail + runGblup/getGblupDatasets + modelDrift/modelRetrain/modelActivate + 类型。
statistics/index.vue：新「遗传相关 MT-BLUP」（性状多选→相关矩阵表格）、「稳定性 AMMI/FW」（性状+env+methods→FW b/R²/flag 表 + AMMI IPC/ASV/rank 表）、「基因组选择 GBLUP」（dataset+性状+method radio+maf→批次/EBV 表）三 tab；ABLUP 运行对话框加 stage 三态（全部/童期/成株）；Smith-Hazel 对话框加 g 矩阵来源 radio（Calo/MT-BLUP）；预测批次表加「当前版本」标签 + 漂移检测/自动重训/设为当前版本按钮。
dus/index.vue：DUS 测试行加「特异性判定」按钮→对话框（alpha + 参照默认同点 + 逐描述符结果表 + 建议）→「应用判定」写 conclusion。
vue-tsc --noEmit 通过（EXIT=0）。

11.9 验证（`Temp/claude/e2e_advanced_*.py` 6 组全过）

stability：3 组合×3 站点 FW b=2.0/1.0/−0.0、flag=F/T/F（C1 稳定）、r²=1/C2 None（常量响应 R² 无定义）、AMMI 9 格 IPC1≥IPC2 rank 升序、year 维度、非法 methods 409、list/detail。
stage：juvenile/evaluation 各只含对应观测树 + model_name _{stage}、不传含全部 4 株 + note 警示、非法 stage 409。
mtblup：r_g=0.99（y2=2·y1 强正相关）对称、σa12>0、h²∈(0,1)、n_common=4、Smith-Hazel g_method=mtblup g_source 落库；顺带修 _smith_hazel_index 未定义变量 tid 真 bug。
gblup：GBLUP 5 EBV 非基因型株=0 + ssGBLUP 非零 + solve_ssgblup（V 块用 H、g 亲本 EBV 有限、G method1 diag_mean≈1）+ 样本 4 直连+1 名称兜底+1 全多等位（回归 genotyped 对齐修复）+1 未映射 warning + list_genotyping_datasets n_samples=6。
dus：自动参照同点 5 测试、D1 LSD=1.239 df=3 t_crit=5.8409 distinct、D2 PQ distinct、D3 非必测 not distinct、analysis_json+conclusion 自动建议、显式参照覆盖、无重复 pending+warning。
mlops：首批 active → 改观测 drift changed → retrain 新批次 active 旧 inactive → 无新漂移幂等 {retrained:false} → activate 旧批次回滚（直接断言 model_retrain 修复）。
后端重启 + openapi 确认 6 组新端点 + 2 新表（bre_genetic_corr_result / bre_stability_result）create_all；weld_advanced.sql psql -w 幂等。

11.10 本轮修的三处引擎级 bug（e2e 探针暴露）

ssGBLUP V 块（genomic.py）：REML 似然 V=ZH[z,z]Z'+R 必须用 H 协方差，Hinv[z,z] 是把逆矩阵喂给协方差位置 → 似然失构、h² 失真。H 按 Aguilar 块公式构造。
genotyped 与 G 行序错位（service.py）：genotyped 必须 sorted(dosage) 对齐 build_g_matrix 内部 sorted(genotypes)；用全部映射树时，零有效调用树（全多等位）会静默错位 G 索引污染 EBV。
_smith_hazel_index 未定义 tid（service.py）：mtblup 分支取系谱树集的集合推导式引用未定义变量 → 首次走 g_method=mtblup 即 NameError。改 {tid for tid, d in pheno_all.items() if any(c in d for c in cols)}。
model_retrain 不激活新批次（service.py）：重训后补 await model_activate(new_id)，否则新批次默认 inactive 卡在旧批次下，版本链断裂。
flag_stable 完美拟合误判（stability.py）：残差≈0 → se_b=0 → |b−1|≤2·se_b 恒假（浮点 b≠1 精确）。改 dev_ms 阈值判定：完美拟合 → |b−1|≤1e-6 判稳。

11.11 收尾修复：统计二级菜单深链（前端，用户反馈"4 个二级菜单页面都一样"）

统计分析下 4 个二级菜单（统计计算/育种值/选择指数与决策/图形分析）的 component_path 均指向 module_bre/statistics/index，而该页是单页多 tab（activeTab 默认 batches）且不读路由 → 点谁都落在"模型批次"页。修复：statistics/index.vue 增 useRoute() + ROUTE_TAB_MAP，activeTab 初始值按路由取。关键坑：数据库 sys_menu.route_path 实为相对路径（statistics/prediction_value/selection_decision/statistics_chart），经父级 /breeding 拼接后实际 URL 是 /breeding/statistics/...，与 seed SQL 写的 /bre/... 绝对路径不一致——故必须按 route.name 匹配（StatisticsCalc→batches、PredictionValue→ebv、SelectionDecision→index、StatisticsChart→correlation），而非 route.path（首次按 path 匹配 /bre/... 全部落空，用户刷新仍默认页）。四个菜单路由 name 各异，RouterView 缓存键 name+params 不同 → 每次点击组件重挂载，深链可靠。图形分析无专属 tab，暂归"相关性"。pnpm type-check EXIT=0，vite（base=/web，端口 5666）HMR 生效。

十二、田间试验精度补强·砧木×接穗随机互作 G×R（2026-08-04）

12.1 缺陷背景（用户核实两条精度缺口，拍板先做 G×R）

用户核实田间试验设计精度两条缺口：① 无 R 侧空间协方差（行-列 AR1×AR1，当前 np.eye(m)*Ve 纯对角）——该项需先补 tree.row_no/col_no 数据与设计图，留待后续；② 无 scion×rootstock（G×R）随机互作——rootstock 当前仅作固定哑变量（v2.0 ⑤ 砧木建模铁律「BLUP 固定效应扣除」），无第三个随机效应槽。用户拍板先做 G×R 随机互作（探索到跑通真实数据档位成本可控）。

12.2 架构决策

结构同构、求解器零改动：G×E 分支 _solve_gxe（blup.py）的 Z₂ 已按 (基因型,因子水平) 分组配 I·σ² 交互，因子无关（pair-grouping 机制），G×R 只是把分组键换成 (基因型, 砧木水平)，MME/REML/输出键全部复用。
Z₂ 单槽位 → G×E/G×R 必须互斥：if gxe and gxr 显式 409（文案「共用同一随机效应槽（Z₂）」），前端再加双向互斥 watcher 兜底。
克隆坍缩系谱共享：gxe_pedigree（clone 树坍缩为 c{clone} 节点，父母本=组合/种质亲本）构建块从 if gxe: 内上移为 G×E/G×R 共享（纯构建、ABLUP 路径不执行）。
rootstock 移出固定效应：gxr=True 时强制 fixed_effects 剥离 rootstock，p_est 不再计入砧木水平，防与 Z₂ 共线。

12.3 求解器（`backend/scripts/breeding_stats/blup.py`）

_solve_gxe 加两个可选参数（默认值保现有 G×E 行为逐字节不变）：

factor_label="G×E"——未收敛警告「{factor_label} 似然面可能极平/边界最优」；
factor_name="环境"——方差归零警告「{factor_label} 方差分量收敛到 0（数据不支持基因型×{factor_name}互作）」。
公开 solve() 加参并透传 _solve_gxe（服务端走的是 solve()，首次探针即暴露漏传）。
ENGINE_VERSION "1.1.0"→"1.2.0"。

12.4 服务端（`statistics/schema.py` + `controller.py` + `service.py`）

RunStatsIn + run_ablup 加 gxr: bool；controller 透传。
互斥门禁（job 创建前）：gxe and gxr → 409。
job_type="GXR" if gxr else ("GXE" if gxe else "ABLUP")；params_json 落 gxr。
elif gxr: 分支镜像 G×E site 分支：
- 遍历 phenotypes.items()（int tid），rid = f"t{tid}"（字符串键）查 rootstock_map[rid]（rs{rootstock}），缺砧木 → skipped++ 跳过并 note 警示；无任何可分砧木记录 → 409。
- rec_gxr[rid] = (grp, rs)：grp 优先 c{clone_of[tid]}（克隆坍缩）、退 f{combo_of[tid]}；rec_map[rid] 同理。
- 门禁三件套镜像：n_cross_rootstock=同基因型跨砧木数==0、max cell_counts<2、residual_df = m - q - p_est<1（p_est 含 intercept + trial_study 水平-1（若固定）+ covariate，rootstock 不计入）→「G×R 不可辨识」409。
- rec_fixed（仅 trial_study，经 fixed_map）+ rec_cov（cov_map）；rootstock 从 fixed_effects 剥离。
- 求解：blup.solve(gxe_pedigree, rec_phenos, gxe=rec_gxr, record_map=rec_map, fixed=..., covariate=..., factor_label="G×R", factor_name="砧木")。
- method="GXRBLUP"；model_name GXRBLUP_{trait} + _{stage}? + _{ts}。
- note：stage/sigma_a/sigma_gxr(=sigma_gxe)/sigma_e/gxr_ratio(=gxe_ratio)/n_cross_rootstock(=n_cross_env)/n_genotypes/warning/skipped/stage_note。
- EBV 写入共用段 accuracy 个体集按 gxr 选 gxr_tree_ids。
_DATA_VERSION "v2.9"→"v2.10"。

12.5 前端（`statistics.ts` + `statistics/index.vue`）

RunStatsPayload.gxr。
G×E tab gxeEnabled 后加 <el-checkbox v-model="gxrEnabled">启用砧木×接穗互作（G×R）随机效应</el-checkbox>；双向互斥 watcher；运行按钮文案「运行 MET / GxE / GxR」、辅助文案三分支。
批次表互作方差列 v-if 扩为 GXEBLUP || GXRBLUP；fmtGxeNote 按 n.sigma_gxr != null 分支（σ²gxr/σ²gxe、gxr_ratio/gxe_ratio、跨砧木/跨环境基因型）。
runGxe payload 加 gxr: gxrEnabled.value；vue-tsc 通过（EXIT=0）。

12.6 验证（`Temp/claude/e2e_gxr_20260804.py`，4 组全过）

正例：2 基因型（clone）× 2 砧木 × 2 株 = 8 株，强交叉互作观测（clone1×R1 高/R2 低、clone2 相反）→ GXRBLUP、job_type=GXR、σ²gxr=74.8>0、n_cross_rootstock=2、n_genotypes=2、8 EBV 行。
门禁负例：同基因型仅跨 1 砧木 → CustomException「G×R 不可辨识」。
互斥负例：gxe=True, gxr=True → CustomException「Z₂」。
rootstock 剥离：gxr=True 同时 fixed_effects=["rootstock"] → 剥离后不共线、正常出 σ²gxr。

后端重启（含孤儿 reloader worker 清理）后 openapi 确认 gxr: True 入参；vue-tsc EXIT=0。

十三、基因组选择（GS）实证严谨性·GBLUP/ssGBLUP 专用 k-fold 交叉验证（2026-08-04）

13.1 缺陷背景（用户核实两条 GS 实证缺口，拍板先做 k-fold）

用户核实 GS 实证严谨性两条缺口： ① GS 缺自身交叉验证——run_cv/kfold_cv（blup.py）是 A 矩阵系谱预测（ABLUP/GXE），GBLUP 落库的 accuracy=√mean(reliability) 是理论准确度（PEV 推导），对模型误设不敏感：G 算错/标记编码错/遗传力先验偏时 PEV 可靠性依然漂亮，真实预测能力却崩了，只有掩蔽留出「GEBV vs 表型 pearson」能测出实证预测能力。 ② SSR panel 难构 VanRaden G——_dosage_from_gt 只吃 0/1 两段整数且 max≤1；SSR 片段编码（168/174）、多等位（0/1/2）、phasing（0|1）全部被丢弃 → SSR calls 静默变缺失 → m_after_maf→0 时 build_g_matrix 直接 ValueError「MAF≥0.05 的标记为 0」→ 409。这是"有引擎但数据接不进"的现实坑。

用户拍板先做 GS k-fold（①）；SSR dummy 编码（②）留待后续。

13.2 架构决策

核心洞察——掩蔽留出已原生支持：_profile_solve（genomic.py）已实现「仅观测子集进模型、全部个体出 EBV」——非观测个体 Z 行全 0、经 G⁻¹/H⁻¹ 的 cross-relationship 预测（e2e_advanced_gblup 已验证非基因型株 tree4 出非零 EBV）。所以 GS CV 掩蔽留出 = 传训练子集 phenos → 全个体 GEBV → 取留出个体与观测表型相关。G/H/Hinv 只建一次，逐折只换 z_train 子阵（折划分不改变关系矩阵）。
折划分差异（与 ABLUP 的本质区别）：ABLUP 的 kfold_cv 按 sire 家系分层留出（同一家系不跨训练/测试，防同家系信息泄漏）。GS 的候选是 genotyped∩phenos 的同世代样本、无系谱家系树，用固定种子随机分层（round-robin 到 k 折）即标准做法——文档明示该差异，将来要防近亲泄漏可加「按 G 关系分层」。
方法互通：method="gblup" → 关系矩阵 G（individuals=genotyped）；method="ssgblup" → _build_h 合并关系阵 H（individuals=order，含非基因型亲属）。两者共用一个输出 dict 形状（与 blup.kfold_cv 逐键对齐）。

13.3 求解器（`backend/scripts/breeding_stats/genomic.py`）

抽取 _build_h(pedigree, genotyped, G, *, ridge, extra_base)：solve_ssgblup 的 base/non_base→_order_pedigree→A/Ainv→Hinv→H 构建提成 helper，返回 (order, idx, H, Hinv)。solve_ssgblup 改调（行为不变）。
- 缺失基因型个体按 base 补入系谱（原 if missing_gen: raise ValueError 改 for g in missing_gen: base.append(g)）——无表型基因型树不再触发 ValueError，CV/ssGBLUP 更稳（与 phenos 兜底一致）。
新增 kfold_cv_genomic(phenos, G, genotyped, *, k=5, seed=20260804, method="gblup", pedigree=None, ridge)：
- method="gblup"：individuals = sorted(genotyped)（G 行序）；relmat_inv = np.linalg.inv(G)（奇异回退 pinv）；zmat_full = G。
- method="ssgblup"：_build_h(pedigree, genotyped, G, extra_base=list(phenos)) → individuals = order；relmat_inv = Hinv；zmat_full = H。
- cand = sorted(genotyped ∩ phenos)；n_total = len(cand)；<2 → 空 folds + warning（对齐 blup.kfold_cv）。
- 折划分：rng = random.Random(seed)，shuffle cand → bin_of = {c: i % k}。
- 逐折：test_set = {c: b == fold}；train_phenos = phenos − test_set；z_train = 观测个体索引；_profile_solve(zmat_full[ix_(z,z)], X, y, relmat_inv, n, z_train) → 全 EBV → 留出个体 GEBV vs 表型 blup._pearson + RMSE；单折失败（训练<2/测试空/求解异常/未收敛/测试有效<2）→ error 记 warning 不中断。
- 输出 dict 与 blup.kfold_cv 逐键对齐（k/n_total/n_individuals/folds/mean_pearson/mean_rmse/pooled_pearson/pooled_rmse/cv_accuracy/h2/warning）。
ENGINE_VERSION "1.0.0"→"1.1.0"。

13.4 服务端（`statistics/schema.py` + `controller.py` + `service.py`）

_gather_gblup_inputs(dataset_id, maf_min) 提取：run_gblup 的 dataset→samples→call_rows→markers→sample→tree 映射→dosage→build_g_matrix→genotyped 装配（约 60 行）提成 helper，返回 (dosage, marker_order, genotyped, G, g_meta, unmapped)。run_gblup 改调（行为逐字节不变），GS CV 复用。e2e_advanced_gblup.py 复跑兜底回归。
run_cv 签名扩展：加 dataset_id: int | None = None, method: str | None = None, maf_min: float = 0.05；params_json 落三键。
GS 分支（公共表型/系谱装配后、elif gxe: 前，与 G×E/ABLUP 互斥——双开时 GS 优先）：
- _gather_gblup_inputs(dataset_id, maf_min) → gs_phenos = {f"t{tid}": v}（键对齐 run_gblup "t{tid}" 约定）→ kfold_cv_genomic(gs_phenos, G, genotyped, k=k, method=method, pedigree=pedigree)。
- method 名 "KFCV/GBLUP" / "KFCV/ssGBLUP"（method varchar(16) 放得下）。
- input_hash = sha256(_input_digest(pedigree, gs_phenos) + \n + geno_str)，geno_str 镜像 run_gblup（f"{s}|{mk}|{dosage[s].get(mk, '.')}" 全排序）。
- engine_version 按分支：GS 用 genomic.ENGINE_VERSION，ABLUP/GXE 用 blup.ENGINE_VERSION（cv_engine_version/method_name 先默认后覆盖）。
schema CvRunIn + controller run_cv 透传 dataset_id/method/maf_min。
_DATA_VERSION "v2.10"→"v2.11"。

13.5 前端（`statistics.ts` + `statistics/index.vue`）

CvRunPayload 加 dataset_id?/method?/maf_min?。
CV tab 加 mode radio（ABLUP / GS）：GS 模式显示基因型数据集下拉（复用已加载 gbDatasets）+ method radio（GBLUP/ssGBLUP）+ MAF≥ 输入；隐藏 G×E 控件；辅助文案分支「掩蔽留出 GEBV vs 表型 pearson（实证预测能力，固定种子随机分层）」。
submitCv 按 mode 组装 payload（GS 传 dataset_id/method/maf_min）；vue-tsc EXIT=0。

13.6 验证（`Temp/claude/e2e_gblup_cv_20260804.py`，3 组全过 + 回归）

构造：5 家系 × 3 全同胞 = 15 株（每系独立组合+亲本种质），10 标记（MK0/MK1 为 QTL 效应 2.0，家系 QTL 剂量 [(2,2),(2,1),(1,2),(1,0),(0,0)]→遗传值 8/6/6/2/0，非 QTL 标记 (f*3+j)%3 家系特征化），表型 = 12 + 2·dose(MK0) + 2·dose(MK1) + 低噪(±0.3)，家系内基因型一致 → 留出预测靠 G/H 同家系交叉关系，强信号。

GBLUP 正例：run_cv(trait, dataset_id, method="gblup", k=5) → job SUCCESS；CvResultModel.method=="KFCV/GBLUP"、cv_accuracy=0.794 > 0.3、==mean_pearson、n_total/n_individuals=15/15、input_hash 64hex、engine_version=1.1.0、5 折 n_train/n_test≥1、CvFoldModel 5 行。
ssGBLUP 正例：method="ssgblup" → "KFCV/ssGBLUP"、cv_accuracy=0.794 > 0.3（H 合并系谱+标记，家系内同基因型仍强预测）。
门禁负例：dataset 仅 1 个无映射样本（sample_name=NO_MATCH）→ CustomException「基因型样本均无法映射到单株」，FAILED job 落库。
回归：e2e_advanced_gblup.py 复跑全过（_gather_gblup_inputs 提取后 run_gblup 行为不变：h²/5 条 EBV/非基因型株 EBV=0、note 未映射警示）。

后端重启（含孤儿 reloader worker 清理）后 openapi 确认 CvRunIn 出现 dataset_id/method/maf_min；vue-tsc EXIT=0。

十四、现代桃育种领域覆盖·S-等位基因交配兼容性 + 抗病/需冷量性状字典（2026-08-04）

14.1 背景（用户核实四方向覆盖，拍板按建议次序做）

方向	核实结论	处置
① S-等位基因（自交不亲和）交配兼容性	完全未建模：`bre_pollen`/`bre_pollination` 无 S-allele 字段、`bre_cross_combination` 无兼容性校验、"配了不结"硬需求空白	落地（本批）
② 需冷量/需热量	环境侧已建（`bre_germplasm.chilling_requirement` 属性 + `bre_environment_condition.chilling_hours/GDD`），选种性状侧 bre_trait 缺失（66 行字典无一条）	落地（本批）
③ 抗病性状（细菌性穿孔病/褐腐病/白粉病）	`bre_germplasm.disease_resistance` 仅自由文本，bre_trait 一条都没有	落地（本批）
④ MAS/QTL/GWAS 闭环	900214 仍 `_coming_soon`，发现层（GWAS/QTL 定位→MAS）完全缺失	留待单独立项

关键事实：统计引擎 _trait_meta_map 仅消费 data_type='numeric' 的性状（EBV/选择指数/决策候选），故抗病/需冷量必须建 numeric 而非 categorical 分级；桃属配子体自交不亲和（S-RNase），Sf 等位为自交亲和型（SI 功能缺失），多数商业化品种携带。

14.2 ②③ 性状字典种子（`backend/sql/bre_disease_chilling_traits.sql`）

幂等 ON CONFLICT (trait_code) DO UPDATE，新增 5 条 numeric trait，全部 into_ebv='1'（选种目标）+ direction='asc'（低值优）：

trait_code	名称	category	unit	说明
`disease_shot_hole`	细菌性穿孔病	抗病性	级	0-5 级病情指数（0=免疫…5=高感），`valid_min=0/valid_max=5`，h²=0.3
`disease_brown_rot`	褐腐病	抗病性	级	同上
`disease_powdery_mildew`	白粉病	抗病性	级	同上
`chilling_requirement`	需冷量	生态适应性	h	打破休眠 0~7.2℃ 低温累计小时（0-3000），h²=0.5
`heat_requirement`	需热量	生态适应性	GDD	发芽前 >7.2℃ 有效积温（0-10000），h²=0.4

stage='evaluation' + method 测定说明；前端 trait 页 category 自由文本自动显示、0 改动。

14.3 ① S-等位基因建模（`germplasm` + `cross_combination`）

bre_germplasm.s_alleles（String(32)，如 S1/S3；Sf=自交亲和型）：model + schema（Create/Update/Out）+ ALTER TABLE + COMMENT。
兼容校验（cross_combination/service.py）：
- _parse_s_alleles(raw)：分隔符 / , ; → 归一化小写等位集合；空白返回 None。
- _s_compat_check(female_s, male_s)：任一亲本含 sf→full 放行（Sf 不排斥）；否则共享 2 个→none、1 个→half、0 个→full；缺 S 数据→unknown 跳过。
- _check_s_compat(female_id, male_id)：读亲本 s_alleles → none 抛 CustomException 409「S-等位基因完全不相容（共享 …），该组合无法坐果」（"配了不结"硬门禁）；half 返回警示文案。
- create/update 在亲本存在性断言后调用；CrossCombinationOutSchema.s_compat（可选派生字段）落半兼容警示；同亲本自交共享 2 等位自然被 409 拦截（除非含 Sf）。

14.4 前端

germplasm 表单加 S-等位基因 输入（type input，placeholder「如 S1/S3；Sf=自交亲和型」）+ 导出列；germplasm.ts GermplasmForm/GermplasmTable 加 s_alleles?。
cross_combination 组合提交包装 createApi/updateApi：响应含 s_compat 则 msg.warning 展示（统一消息入口）；409 由统一错误处理自动提示。

14.5 验证（`Temp/claude/e2e_s_allele_20260804.py`，6 组全过）

纯函数 8 例：S1/S3×S1/S3→none、×S2/S4→full、×S1/S2→half、S1/Sf×S1/S1→full、大小写/混合分隔→none、缺数据→unknown、_parse_s_alleles 归一化断言。
service 层 create：共享 S1/S3→409「不相容」；共享 S1→s_compat 半兼容文案；0 共享→无警示；Sf 放行；缺 S 跳过。
②③ 落库核验：bre_trait 5 条 numeric+asc+into_ebv=1 已落库。
openapi 核验：BreedingGermplasm{Create/Update/Out}.s_alleles + CrossCombinationOut.s_compat。
vue-tsc EXIT=0；后端重启后核验。

十五、GWAS/QTL/MAS 标记辅助选择闭环（2026-08-04）

v2.13 §十四标记「④ GWAS/QTL/MAS 闭环留待后续单独立项」——本轮单独立项落地，补齐发现层：GWAS/QTL 定位 → 显著标记 → MAS 面板，900214 占位页翻真实页。桃在成熟期/果重等位点已有已知 QTL，MAS 让童期幼苗在无表型/无 EBV 时也能被标记辅助选择。

15.1 求解器 `backend/scripts/breeding_stats/gwas.py`（`ENGINE_VERSION=1.0.0`，纯 numpy 零 scipy）

模型：逐标记单标记回归 y ~ μ + PC1..PCn_pc + marker；加性效应=标记回归系数。
群体结构：标记剂量矩阵（缺失按列均值填）中心化 → np.linalg.svd 前 n_pc 个主成分得分（pc_scores = U[:,:n_pc]·s[:n_pc]）作协变量。
p 值：t = coef/SE，p = fdist.f_pvalue(t², 1, df)（df = n − n_pc − 2）——复用 DUS LSD 已验证的正则不完全 beta，零 scipy 新依赖。
多重检验：threshold_bonf = sig_level/m_after_maf；BH-FDR q（numpy argsort 自底向上保单调）。
QTL 定位：sig_bonf 标记按 chromosome 排序，相邻间距 < qtl_window 合并簇，簇内最小 p 为峰标记（单显著标记也落 QTL 兜底）。
共线兜底（本轮关键修复）：非 QTL 标记与 PC 共线时 XtX 奇异，np.linalg.inv 返回病态（负对角元 → sqrt 域错）。改微小岭回归 reg=1e-8·max(diag(XtX)) 兜底——共线方向 SE 大而有限 → t 小 → p≈1（效应被 PC 吸收，正确非显著）；与群轴正交的 QTL 标记不受影响（1e-8 相对岭可忽略）。
MLM 预留：method 参数（gwas/ssgwas），本轮仅实现 gwas。

15.2 数据装配与 5 张新表

_gather_gwas_inputs(dataset_id, maf_min)（service.py 新 helper，仿 _gather_gblup_inputs 但 marker 查询补 chromosome/position）→ (dosage, marker_order, markers_meta, genotyped, unmapped)。独立 helper，run_gblup/run_cv 零回归。
bre_gwas_result（批次：n_individuals/n_markers/m_after_maf/maf_min/n_pc/sig_level/threshold_bonf/n_sig_bonf/n_sig_fdr/n_qtl/data_version/input_hash/engine_version/remark）
bre_gwas_snp（逐标记：marker_id/marker_name/chromosome/position/maf/effect/se/t_value/p_value/neg_log10p/q_value/sig_bonf/sig_fdr，FK CASCADE）
bre_qtl（trait_id/chromosome/start_bp/end_bp/peak_marker_id/peak_marker_name/peak_p/n_markers/effect/source=known|gwas/gwas_result_id）
bre_mas_panel + bre_mas_panel_marker（favorable_dose/direction=high|low/effect，UNIQUE(panel,marker)）
ORM 于 statistics/model.py（ModelMixin 全套），create_all 建表 + backend/sql/weld_gwas.sql 幂等 CREATE TABLE IF NOT EXISTS 双保险。

15.3 服务端端点与 MAS 决策 hook

POST /bre/statistics/gwas/run（GwasRunIn: dataset_id/trait_id/trait_code/year/method/maf_min/n_pc/sig_level/qtl_window）→ job_type=GWAS，_gather_gwas_inputs + asyncio.to_thread(gwas.run_gwas) + input_hash（系谱+表型+基因型确定性序列化）+ engine_version；成功落 bre_gwas_result + bre_gwas_snp 批量 + bre_qtl（source=gwas）。
GET /bre/statistics/gwas/list + GET /bre/statistics/gwas/{id}（result + snps + qtls）。
bre_qtl CRUD（已知 QTL 录入 source=known）+ bre_mas_panel CRUD + POST /bre/statistics/mas-panel/{id}/markers（全量替换）。
decision_preview MAS hook：条件循环 ("pheno","ebv") → ("pheno","ebv","marker")；_mas_hit_map 按候选树批量查 call → _dosage_from_gt → 有利剂量命中计数（direction=high: dose≥favorable_dose / low: ≤），conds["marker"]={panel_id:{min_hits}} —— 童期幼苗无表型/无 EBV 也能被标记辅助选中。
_DATA_VERSION v2.12；端点权限复用 module_bre:statistics:*（900071 已授 ADMIN，900214 翻转无需新增按钮）。

15.4 前端（`gwas.ts` + `gwas/index.vue`，900214 翻转）

GWAS 结果 tab：批次表 + Manhattan 图（裸 echarts.init：x=染色体累加位置、逐染色体分组着色、显著点红色、Bonf 阈值 markLine、dataZoom）+ QQ 图（期望 −log10((i+.5)/m) vs 观测）+ SNP 表 + QTL 区间表。
QTL 定位 tab：已知 QTL 录入 CRUD（trait/chromosome/区间/peak/effect/remark）。
MAS 面板 tab：面板 CRUD + 标记选择对话框（marker/favorable_dose/direction/effect）。
运行对话框参数：dataset_id/trait_id/year/maf_min=0.05/n_pc=3/sig_level=0.05/qtl_window=1000000。
sys_menu 900214 → component_path='module_bre/gwas/index'（bre_menu.sql §6d）；vue-tsc EXIT=0。

15.5 验证（`Temp/claude/e2e_gwas_20260804.py`，7 段全过 + 回归）

run_gwas：job GWAS/SUCCESS；bre_gwas_result n=32/m=200→200/bonf=2/fdr=2/qtl=2/input_hash 64 位/engine_version=1.0.0/threshold_bonf=sig/m_after_maf。
bre_gwas_snp：全字段（chromosome/position/neg_log10p/q_value）；MK0/MK1 均 Bonf 显著且为所在染色体（chr1/chr3）最小 p（MK0 p=2.3e-05、MK1 p=5.4e-05）。
QTL 定位：2 区间峰标记=MK0/MK1，source=gwas 落库且挂批次。
已知 QTL CRUD：create/update/list（source=known）全过。
MAS：面板 2 标记（favorable_dose=2/high）→ decision_preview marker 条件（min_hits=1）命中 16 株 + 无表型童期幼苗 1 株，低剂量株不命中。
门禁：dataset 无映射样本 → CustomException「无法映射」。
清理：finally FK 逆序自动清理。

回归：e2e_advanced_gblup.py + e2e_gblup_cv_20260804.py 复跑零回归（GBLUP/ssGBLUP CV accuracy 0.794）；openapi 核验 10 条 gwas/qtl/mas-panel 路径。

15.6 数据设计要点（避免 PC 吞噬 QTL 的实证教训）

标记数太少（如 20）且非 QTL 标记全为群轴共线时，标记矩阵秩塌缩，SVD 前 n_pc 个 PC 本身跨越因果标记 → 效应被 PC 吸收、SE 膨胀、无显著标记（实测 MK0 p=0.77）。
正确设计：2 群体结构（各 16 株）+ 200 标记，非 QTL 标记携带「群轴 + 组内独立伪随机变异」（PC1=群轴、PC2/3 与 QTL 标记低相关），QTL 标记剂量在群体内多重集一致（与群轴正交）→ PC 校正后效应保留、双 QTL Bonf 显著。
功效：n=32、m=200、QTL 效应 2.0 时 p~~1e-5（Bonf 阈值 2.5e-4 余量 10×）；n=24 则功效不足（p~~2.5e-4 擦线）。

十六、九缺口补齐：经典侧计算端点 + 分子侧严谨性 + 求解器核心（2026-08-04）

用户自 GWAS/QTL/MAS 闭环后重扫 12 项缺口，A1（S-等位）与 A4（G×R）已同日落地剔除，余 9 项拍板「全部补齐」，分三批独立 e2e + 回归。三批均 e2e 通过、回归零回归，后端重启 + openapi 核验 + HTTP smoke + 前端 vue-tsc EXIT=0。

16.1 批1 经典侧计算端点（纯计算不建表，`statistics/controller.py` + `service.py` + 前端 statistics/index.vue）

缺口	落地
A5 数据质量	`POST /statistics/data-quality`——`data_quality_report(trait_id, site_id?, tree_ids?)`：tree 级观测装配（同 run_ablup）+ 缺失率 + CV + IQR 与 MAD 稳健 z-score 双法异常标记，输出 `{trait, n_trees, missing_rate, cv, outliers, summary}`；前端「数据质量」对话框
A3 遗传增益	`POST /statistics/genetic-gain`——ΔG=k·r_g·σ_A：k 由 top_p 经 Acklam 有理近似 Φ⁻¹（纯 numpy 零 scipy）、r_g=批次 PA（√mean reliability）、σ_A=√h²·σ_P，逐轮 `{round, current_mean, ΔG_units, ΔG_pct_mean, next_mean, cumulative}`
A6 主动选配	`POST /statistics/mating-recommend`——S-等位硬过滤（复用 `cross_combination._s_compat_check`：none 剔除/half flag）+ 亲缘 A 惩罚 `score=w_ebv·mid_parent_EBV−w_kin·max(0,r−threshold)`，`{pairs:[{female, male, ebv_mean, r, s_compat, score, flags}]}`；计算端点不落库（用户拍板）

16.2 批2 分子侧严谨性（`gwas.py` / `genomic.py` / VCF 装配 / MAS 语义）

缺口	落地
B1 EMMAX	`gwas._emmax`：零模型 y=Xβ+u+e（u~N(0,σ²g·K)），方差分量复用 `genomic._profile_solve`；eigh 对角化 K=QΛQ' → V⁻¹=Q(σ²Λ+σ²eI)⁻¹Q'；逐标记 GLS t²→`fdist.f_pvalue`；run_gwas 后处理抽共享函数，GLM 逐字节不变；`method="emmax"`（gwas 1.1.0）
B2 SSR 多等位	VCF 按 ALT 数定 marker_type；`_allelic_from_gt` 每等位 0/1/2；3 处装配按 marker_type 分支 SSR 展开每等位一列；`build_g_matrix` 多等位 VanRaden 推广（genomic 1.2.0）
B3 QTL×E	`POST /statistics/gwas-qtl-x-e`：分环境 run_gwas 合并 QTL → stable（≥2 环境同号）/ env-specific / 异号 G×QTL 警示，计算端点不建表
B4 MAS 语义	`weld_mas_semantics.sql` 幂等 ADD COLUMN：mode/favorable_allele/haplotype_group；`_mas_hit_map` additive/dominance/recessive/allele/haplotype 五语义

16.3 批3 求解器核心（`blup.py`，ENGINE_VERSION 1.3.0）

A2 AR1×AR1 空间协方差 solve_spatial：e~N(0,σ²e·R)、R=AR1(ρ)⊗AR1(ρ)、R⁻¹ 纯 numpy eigh、REML 对 (h²,ρ) 坐标上升黄金搜索；run_ablup(spatial=True) → method=AR1×AR1/model_name=SPATIAL_*，ρ/σ²a/σ²e/h² 落 note；与 G×E/G×R 互斥、缺 row/col 坐标 409；spatial=False 逐字节不变。
A7 稀疏 A⁻¹+共轭梯度：_build_ainv_sparse（COO）+ _cg_solve（max_iter=800/tol=1e-9）；use_sparse = n_with_parents>0 and n>N_SPARSE(1000) 阈值分派 → "solver":"sparse-cg" + cg_iter；Hutchinson k=100（固定种子 20260804）估 PEV 对角 → "reliability_approx":True；收敛失败回退稠密；稠密路径（n≤1000）逐字节不变。

16.4 版本与验证

_DATA_VERSION v2.13；ENGINE_VERSION：blup 1.3.0 / genomic 1.2.0 / gwas 1.1.0。
批1 Temp/claude/e2e_data_mating_gain_20260804.py：data-quality 命中离群株 / ΔG 自洽 / mating-recommend 剔除不相容对 + 亲缘惩罚生效 / 无观测 409 门禁。
批2 Temp/claude/e2e_molrigor_20260804.py 五段：EMMAX 复现双 QTL + SSR 混合 GBLUP 全标记进入 + QTL×E stable/env-specific + dominance/haplotype 语义命中 + 门禁。
批3 Temp/claude/e2e_spatial_sparse_20260804.py 三段：AR1×AR1 ρ=0.9796/h²=0.0013/method 标签 + 稀疏路径 EBV 3.49e-12 / h² 0.00 / CG 7 折 / Hutchinson mean-rel Δ0.054（n=20 最坏，文档标注近似）+ 默认稠密路径引擎级 0 差（落库 4.92e-05 为 numeric(12,4)/numeric(6,4) Postgres 量化，非回归）。
回归：e2e_gwas（7 段）/e2e_advanced_gblup/e2e_gblup_cv/e2e_gxr/e2e_refine/e2e_corr_spatial 全绿；openapi 核验 4 新端点 + RunStatsIn.spatial/gxe/gxr + GwasRunIn/GwasQtlXEIn.method=emmax + MasPanelMarkerIn 三字段；HTTP smoke（data-quality trait 28、genetic-gain top_p=0.2 得 k=1.3998、409 门禁）；vue-tsc EXIT=0。

十七、十二项真缺口补齐：引擎三件 + 模块四件 + 底座五件（2026-08-05）

用户「全部补齐」后做全量现状盘点（2 个 Explore 代理 + 关键文件精读），发现总表大量「待建」标记过时——35 个 module_bre 后端模块 CRUD 全部齐全、数据字典四类已灌、描述统计/ANOVA 引擎已落地。真实缺口收敛为 12 件，用户拍板范围=只补这 12 件；移动端（V1.2）/品种登记 PVP（V3.0）/AI 三件套（V4.0）留波次不建。分三批独立 e2e + 回归，每批验收。三批均 e2e 通过、全量回归零回归，后端重启 + openapi 核验（631 路径）+ vue-tsc EXIT=0。完整台账见规格 §8.24–8.26。

17.1 批1 引擎三件（solver 扩展，独立新路径）

ssGWAS（scripts/breeding_stats/gwas.py，ENGINE_VERSION 1.2.0）：run_gwas method="ssgwas" 分支 → _ssgwas——genomic.build_g_matrix（blend 岭保正定）构 G → genomic.solve_gblup 全样本 GEBV û；Wang et al. 单步 GWAS MEM 对角近似：ê_j=(M_j'Z'G⁻¹û)/(2Σp_j(1−p_j))、Var(ê_j)=σ²u/(2Σp_j(1−p_j))，Wald t=ê/SE、df=n−2 → fdist.f_pvalue；共享 _finalize/_bh_qvalues/_cluster（GLM/EMMAX 逐字节不变）；门禁无基因型样本报错、G⁻¹ 岭兜底；服务端 method 透传 + 前端 gwas 运行对话框下拉加 ssgwas。
全 MT-BLUP 多变量 REML（scripts/breeding_stats/mtblup.py，ENGINE_VERSION 1.1.0）：solve_multi——m 性状 y 堆叠、X/Z 块对角、Var(u)=G0⊗A、Var(e)=diag(ve_i·I)；EM-REML 迭代（单性状 REML 初始、G0 非对角 0 → 迭代更新 G0/ve、特征值截断 + Higham 投影保正定、max_iter 兜底不收敛→converged=False+warning）；输出 G0 全元素 + r_g 矩阵 + n_iter/converged/warning；run_genetic_corr 加 full_mtblup=True 一次 m 性状给完整 G0（逐对 bivariate 路径保活）。
AR1×AR1 双参 ρ（scripts/breeding_stats/blup.py，ENGINE_VERSION 1.4.0）：solve_spatial(aniso=False)——R_ij=ρ_row^|Δrow|·ρ_col^|Δcol|、内层 _f_rho 拆 ρ_row/ρ_col 交替坐标上升；run_ablup(spatial=True, spatial_aniso=True) → method=AR1×AR1(aniso)、note 落 rho_row/rho_col；aniso=False 输出与 v1 逐字节一致（回归断言）；门禁/互斥/缺坐标逻辑不变。

17.2 批2 模块四件（标准 CRUD 五件套 + 前端 + 菜单翻转）

field_operation 农事操作 900051：bre_field_operation（tree_id/plot_id/op_type/op_date/op_detail/operator_id）；op_type 字典（施肥/喷药/修剪/灌溉/疏果/套袋/采收）bre_dict 灌入。
observation 通用观测 900050：bre_observation EAV 通用录入（可挂 plot 级、不强制 trait）；obs_type numeric/text/date。
breeding_report 育种报告 900075：bre_report CRUD + POST /report/generate（按 report_type 聚合 bre_prediction/bre_stability_result/bre_cv_result 成结构化报告 + doc_path）；前端列表 + 生成对话框。
analysis_dataset 分析数据集 900070：新表 bre_analysis_dataset（trait_codes/sample_ids/config jsonb + status，create_all + 幂等 weld 兜底）；CRUD +「查看性状值」跳 statistics trait-values 复用既有视图。
菜单翻转 + 文案清理：幂等 UPDATE component_path→module_bre/<name>/index、E 段按钮 900xxx；900014/900015/900021/900061/900063/900065 菜单 description 残留「待建」→ UPDATE 去除。

17.3 批3 底座五件

审计切面：bre_audit_log（16 列已建零实现）→ module_bre/audit/；base_crud.py 三写方法事务内 flush 后追加 CREATE 记录级 / UPDATE 字段级 diff（每变更字段一行）/ DELETE 记录级；settings.AUDIT_BRE_ENABLED + 模型 __bre_audit__ opt-in；批量导入会话标志抑制逐行、仅汇总 IMPORT 一条；GET /bre/audit/list|detail。
统一编号服务：app/utils/number_gen.py NumberGenService（前缀/日期/序列/回绕规则）+ pg_advisory_xact_lock 原子取号 + bre_sequence 表；迁移 4 处（cross_combination YY+3位 / tree 组合-序号 / selection_result clone_code 扩位 / seedling batch_no YP-…），行为格式保持。
超期预警定时任务：每日 job 按 selection_rule 扫描——树 N 年未决策（selection_result 无记录且定植超 N 年）/ pollen 批次过期（采集日+有效期）/ seed_lot 超期 → 写 bre_alert（alert_type/entity_type/entity_id/message/status/created_id）+ GET /bre/alert/list + 前端「预警中心」页。
备份容灾：backend/scripts/pg_backup.sh（pg_dump 自定义格式到 Temp/backup/ 按日期 + N 天轮转）+ pg_restore.sh；系统 job 每日 02:00（ap_scheduler 3 系统 job：operation 清理 Sun 03:00 / alert 扫描 08:37 / 备份 02:17）。
BrAPI + MIAPPE：module_bre/brapi/controller.py（app 根注册 prefix /brapi/v2，只读不建表）：germplasm/observationvariables/studies/observations/miappe 五端点，BrAPI 2.x metadata{pagination,status,datafiles}+result{data} 包裹、0 基分页；bre_germplasm → germplasmDbId/germplasmName/PUI/accessionNumber/commonCropName=Peach/genus=Prunus/species=persica/subtaxa；bre_trait → observationVariableDbId/trait/method/scale（scale.dataType 映射 + validValues）；observations 合并 bre_trait_observation + bre_observation（tree→germplasm join）。

17.4 版本与验证

_DATA_VERSION v2.14；ENGINE_VERSION：gwas 1.2.0（ssGWAS）/ mtblup 1.1.0（solve_multi）/ blup 1.4.0（aniso）/ genomic 1.2.0。
批1 Temp/claude/e2e_gaps_engines_20260804.py 3 组 PASS：ssgwas 复现已知 QTL（与 EMMAX 同数据集显著标记一致）+ solve_multi 3 性状 G0 半正定、r_g 与逐对 bivariate 同号量级 + aniso 双参 ρ 合理、aniso=False 与 v1 逐字节一致。
批2 Temp/claude/e2e_gaps_modules_20260805.py 15 组断言 PASS：四模块 CRUD + report generate 聚合 + 菜单翻转 + 文案清理。
批3 Temp/claude/e2e_gaps_base_20260804.py 19 ok / 0 fail：审计三操作（CREATE 记录级 / UPDATE 字段级 diff / DELETE 记录级）+ 导入抑制仅汇总 + 8-session 并发取号 seq 1-8 唯一 + 三类预警命中（树超期/花粉过期/种子超期）、无负例误报、幂等去重、resolve→不再重复 + 备份脚本执行成功 + pg_restore --list 含 bre_alert/bre_sequence/bre_audit_log/bre_analysis_dataset + BrAPI 分页数学/germplasm/variable/study/observation 映射。
回归：e2e_spatial_sparse（3 段）/e2e_gwas（7 段）/e2e_molrigor（5 段）/e2e_advanced_gblup（4 段）/e2e_gblup_cv（3 段）/e2e_refine（8 段）/e2e_gxr（4 段）/e2e_corr_spatial（3 段）全复跑零回归；其间修复 1 处回归——statistics.service._allelic_columns 的 B2 SSR 兜底对 SNP 标记误把多等位调用（如 "1/2"）当有效剂量 → 树 4 被误判基因型、破坏「非基因型株 GBLUP EBV=0」语义；修复：仅 marker_type 为空时走 SSR 每等位展开，SNP 标记 "1/2" 视为缺失（显式 SSR 分支不受影响，e2e_molrigor 全绿兜底）。
openapi：重启后端后核验 631 路径（5 brapi + /bre/breeding_report/report/generate + /bre/audit/list|detail|options + /bre/alert/list|detail|options|resolve 全在）；HTTP smoke（germplasm 37 / variables 71 / studies 3 / observations 107 / miappe 3 模板）；前端 vue-tsc --noEmit EXIT=0。

十八、桃育种业务流全面完善：业务数据链 + 统计算法 + 前端体验（2026-08-05）

用户要求「对现有功能，结合桃育种实际业务流程与需求，进行全面测试分析，并完善」。三路审计（双代理并行 + 数据层性状字典探测 + 独立 grep/read 验证）收敛真实缺口 10 项（业务数据链 1-6 / 统计算法 7 / 前端 8-10），拍板全部实施 + 两裁决：导入按钮维持隐藏（23+ 页显式隐藏，导入弹窗/处理器/后端端点完整保留）、采收入口走农事操作（op_type=harvest 结构化产量表单 + 同步统计引擎，非独立模块）。批A 业务数据链（A1-A6）/ 批B 统计算法（B1-B4）/ 批C 前端（C1-C4），分三批独立 e2e + 全量回归零回归，后端重启 + openapi 核验 + vue-tsc EXIT=0。完整台账见规格 §8.27。

18.1 批A 业务数据链（A1-A6）

A1 果实采收结构化入口（field_operation/{model,service,schema}.py）：bre_field_operation 加 yield_kg/fruit_count/avg_fruit_weight/marketable_rate 4 可空列（backend/sql/weld_busflow.sql ADD COLUMN IF NOT EXISTS 幂等，create_all 不建已有表新列）；service create/update 当 op_type=="harvest" 且 tree_id 非空且有产量数据 → 按 trait_code（single_tree_yield/fruit_number/avg_fruit_weight/marketable_rate）查 trait_id 同步写 bre_trait_observation（evaluate_year=op_date.year、trial_study_id 由 plot 继承），trait_code 缺失跳过不 409；plot 级采收只留 field_operation，不进树级统计。
A2 性状种子（backend/sql/bre_yield_phenology_traits.sql，ON CONFLICT(trait_code) DO UPDATE 幂等）：产量构成 5（单株产量/果数/均果重/好果率/裂果率 low）+ 物候 3 date 型（盛花期/果实成熟期/落叶期）+ 品质 3（可溶性固形物/可滴定酸 low/固酸比）+ 生长量 3（主干周长/树高/冠幅）+ 描述性 categorical 5（果形/茸毛/离核/果皮底色/着色类型，into_ebv=0）。
A3 种质级观测：bre_observation 加可空 germplasm_id（FK→bre_germplasm，weld ALTER + index）；observation service assert_parents_exist 扩展种质校验；前端表单种质选择器 + 搜索栏 germplasm 过滤。
A4 授粉→收种→种子处理补链：bre_seed_lot.pollination_id（FK→bre_pollination）+ bre_seed_treatment.seed_lot_id（FK→bre_seed_lot，weld ALTER）；前端 seed_lot 授粉选择器（按 combination 过滤）、seed_treatment 种子批次选择器。
A5 EAV 观测校验（observation + trait_observation create/update）：obs_type=numeric→parse float、obs_type=date→parse 日期，否则 409；trait 有 valid_min/valid_max 且 numeric → 越界 409；重复校验 同 (tree_id|plot_id|germplasm_id, trait_id, obs_year, obs_date) 已存在 → 409（精确到日，同日不同 trait / 不同日多次观测放行）。
A6 阶段自动设置 + 成株门禁：tree.service create 当 stage 为空 → 按 breeding_generation 推断（F 代杂种→juvenile、亲本/嫁接成株→evaluation）；trait_observation create 门禁 trait.stage=evaluation 而 tree.stage=juvenile → 409「童期树不可录成株性状」；juvenile 性状录童期树仍允许；不影响 decision_preview 的 marker 辅助选入（非观测路径）。

18.2 批B 统计算法（B1-B4）

B1 type-B 多环境遗传力（statistics/service.py）：_values_by_tree_env（按 trait_id + trial_study_id/evaluate_year 分环境聚合树→值）+ run_type_b_heredity 复用 mtblup.solve_bivariate 把环境当"性状"（phenos={"E1":{tree:v},"E2":{tree:v}} 同一系谱）精确 REML 估 r_g；method="calo" 备选（分环境 EBV 相关/√rel）；env_dim="site"|"year"；共有树 <2 → 409；落 bre_type_b_result（statistics/model.py 新表，镜像 GENCORR）+ controller POST /statistics/type-b-heredity + GET /type-b + GET /type-b/{id}；前端 type-B tab。
B2 correlation genetic 模式：correlation_matrix 加 mode="pheno"|"genetic"、g_method、year；pheno 分支逐字节不动；genetic 走新私有 _genetic_corr_matrix 逐对 mtblup.solve_bivariate 组装 G0（对角 1、非对角钳[-1,1]），不落库（对齐 data_quality 计算端点模式）；schema CorrelationIn 加 mode/g_method/year。
B3 selection_index 自动权重：auto_weights: bool=False → True 时权重=_trait_meta_map.default_h2（实测 h² 优先，兜底 0.1）、强制 use_h2=False（防双重相乘）、direction 由 _weighted_z_index asc 翻转处理；weights_json 记 "__auto":true；into_ebv=0 剔除进 dropped。
B4 UPGMA 聚类：run_cluster（trait_ids/entity_type(tree|clone)/mode(pheno|genetic)/distance(1-|r| 或 euclidean 标准化)/k）输入矩阵复用 _genetic_corr_matrix/correlation_matrix；UPGMA 纯 numpy（距离矩阵迭代合并，无 scipy）；输出 {clusters, merges, order}；controller POST /statistics/cluster（不落库）；前端 cluster 树状图 tab。

18.3 批C 前端（C1-C4，按用户裁决：不恢复导入按钮）

C1 观测录入增强：observation 页搜索栏加 plot/trial_study(站点)/germplasm 过滤（ObservationQueryParam 加 tree_id/plot_id/germplasm_id/trial_study_id）+ germplasm 表单（A3）；field_operation 页 op_type=harvest 动态显示产量结构化表单 + 表格 4 列。
C2 统计可视化 ECharts：echarts.ts 注册 HeatmapChart + VisualMapComponent；statistics/index.vue correlation 热图（mode 切换）+ gblup 可靠性热图/EBV 趋势折线（per-batch 聚合）+ type-B tab（热图+明细）+ cluster 树状图；图表生命周期（activeTab→resize、window resize、onBeforeUnmount dispose）。
C3 combination-funnel 前端入口：statistics 工具栏「组合得失漏斗」按钮 + 1080px 对话框调 GET /statistics/combination-funnel（后端已有、前端此前缺失）。
C4 stage_phenotype 容器同步：_shared/StageView.vue compMap 注册 Observation/FieldOperation，stage_phenotype/index.vue tabs 通用观测/农事操作翻真实页。

18.4 版本与验证

_DATA_VERSION v2.15（service.py:94）；引擎版本不变（mtblup/blup/gwas/genomic 本轮未改）。
批A Temp/claude/e2e_busflow_20260805.py 11 组断言 PASS（A1 采收同步 4 行观测/plot 级不写 + A2 性状种子齐全 + A3 种质观测回查 + A4 授粉→收种→处理全链路 + A5 非法/越界/重复 409 + A6 F1 自动 juvenile、童期录成株 409）。
批B Temp/claude/e2e_statsflow_20260805.py 15 组断言 PASS（type-B 矩阵对角 1/对称/r_g 范围/site·year 环境集不同/n_common 共有树/GET 回查 + correlation pheno 逐字节回归/genetic 对称对角 1/calo 回退 + index auto==手工 default_h2 权重/asc 翻转/into_ebv=0 剔除 + cluster 3 已知类还原/k 边界/clone 聚合）。
批C HTTP smoke Temp/claude/smoke_busflow_c_20260805.py 10 检查全过（observation 3 过滤对真实数据 n=1 全命中 + funnel n=21 + correlation pheno/genetic + type-b list + cluster POST + auto_weights）；vue-tsc --noEmit EXIT=0。
回归：11 套件全复跑零回归——e2e_spatial_sparse / e2e_gwas / e2e_molrigor / e2e_advanced_gblup / e2e_gblup_cv / e2e_refine / e2e_gxr / e2e_corr_spatial / e2e_gaps_engines / e2e_gaps_modules / e2e_gaps_base（其间同步 e2e_spatial_sparse 两处 data_version 断言 v2.14→v2.15，版本语义更新非回归）。
openapi：后端重启核验 /statistics/type-b-heredity、/type-b、/type-b/{id}、/statistics/cluster、correlation?mode/genetic、/selection-index auto_weights 全在；observation list 四过滤（tree/plot/germplasm/trial_study）经真实 HTTP 命中。

18.5 世代闭环修复：单株晋级同步落系谱（2026-08-05 跟进）

用户报告闭环断裂：selection_result/service._promote_tree_to_clone 晋升单株到品系（line/regional_trial/released）时仅 BreedingGermplasmCRUD.create(cultivar_name=clone_code) 建种质，未同步写 bre_pedigree → 新种质在统计引擎 _build_pedigree（statistics/service.py:299，按 bre_pedigree.child_code→germplasm.cultivar_name 匹配祖先）里查不到亲本，被当 founder，跨世代系谱链断裂：A-BLUP / 亲缘矩阵 / 选配近交规避跨代失效、遗传增益滚雪球效应归零。

修复（selection_result/service.py）：晋级到 _GERMPLASM_STAGES 且树未关联种质时，建 bre_germplasm 携带 generation/stage，并自动落一条 bre_pedigree：child_code=clone_code（品种名）、dam_id/sire_id=tree.dam_id/sire_id（为空回退组合 female_parent_id/male_parent_id）、combination_id、generation=tree.generation、remark「单株晋级自动落系谱（世代闭环）」；child_code 幂等查重（已存在不重复落）。附 combo=None 顶部初始化，消除"树已有 clone（ap/sp 晋级过）再晋级品系"路径的 UnboundLocalError 隐患。

引擎级验证（Temp/claude/e2e_pedigree_closure_20260805.py，11 组断言全过）：① 晋升 line → 建种质携带 generation/stage + 自动落谱（dam/sire/combination/generation 齐）；② _build_pedigree 对下一代树输出 g{晋升种质} 带 dam/sire（非 founder）；③ A 矩阵跨代恢复——两棵仅经晋升种质共享祖先的下一代树，亲缘 A[T2,T3]=0（修复前，gT1 当 founder）→ 0.125（修复后，血缘推导 2·¼·f(gT1,gA)=2·¼·¼）；A[gT1,gA]=0.5（亲子）佐证链条接通；④ tree.dam/sire 为空 → 组合亲本回退落谱；⑤ child_code 预置行不重复；⑥ 已有 clone（sp 晋级过）再晋级品系 → else 分支回退组合亲本落谱（combo=None 初始化防 UnboundLocalError 的回归用例）。

回归：e2e_batch_selection（晋级主线，含新建谱行被 combo CASCADE 清理无残留）/ e2e_gaps_base（19 ok）/ e2e_spatial_sparse / e2e_advanced_gblup / e2e_gaps_modules（15 组）全过零回归。

18.6 近交惩罚「静默关闭」修复：亲缘矩阵多源解析 + 显式告警（2026-08-05 跟进）

用户报告最隐蔽的坑：mating_recommend 的亲缘矩阵靠 _germplasm_pedigree（statistics/service.py）用 bre_pedigree.child_code 与种质 cultivar_name/accession_no 精确字符串匹配来建。一旦名称不完全一致（大小写/空格/代号），pedigree 返回空 → rmat={} → 所有配对 r=0 → kin_pen=max(0,0−thr)=0 → 近交规避整体失效，且无任何告警——用户以为系统在避近交，实际没避。用户提出三点修复方向：① 匹配失败显式告警；② 优先用种质实体自带 dam/sire 或 clone/tree 聚合，而非名称反查；③ 绝不静默 no-op。核实确认，并额外发现：候选既是 child 又是祖先时 g{id} 被重复追加 → blup.relationship_matrix 抛『系谱个体重复』→ 端点崩溃。

修复（statistics/service.py）——重写 _germplasm_pedigree 为多源级联（返回 (pedigree, coverage)，coverage={total,resolved,resolved_ids,founder,matched_rows,orphan_rows,fk_sources}）：

① 显式系谱（权威）：bre_pedigree.child_code 规范化（strip+casefold）命中 cultivar_name/accession_no 索引——保留手录系谱语义，并直接修复大小写/空格错配；
② FK 兜底：tree.germplasm_id == 该种质 的树 → 其 dam_id/sire_id 全集去重后唯一一致才采纳（升种质=升谱树自带种质级亲本，消除名称反查对代号错配的脆弱性）；多对歧义（trial 树挂冲突亲本）→ 视为无回退 founder，不武断选取；
③ founder。祖先以同级联 BFS 展开 + 去重（修复重复抛错崩溃 + 打通跨代系谱链）。

mating_recommend 新增显式告警：kinship_status=ok|partial|none + kinship_warning（none→「候选亲本均未解析到系谱…近交惩罚已禁用：所有配对 r 按 0 计」；partial→列未解析亲本名单；ok 但有孤儿行→「bre_pedigree 有 N 条 child_code 未匹配任何种质名称（孤儿记录），跨代亲缘可能低估」）+ 逐对 flags 加「亲缘未解析(r 按 0 计)」；返回体新增 kinship（resolved/founder/matched_rows/orphan_rows/fk_sources）。设计红线：FK 只做兜底、绝不覆盖显式系谱（A6 回归保真：trial 树 FK 挂 FM/MM 与显式系谱 dam=G0 冲突 → r(G0,G4)=0.5 保持）。

验证（Temp/claude/e2e_mating_kinship_20260805.py，14 组断言全过）：① FK 兜底恢复（无 ped 行升种质树直连 → r(GX,GA)=0.5，修复前为 0）；② 孤儿行告警（全解析 status=ok + orphan 警告）；③ 规范化匹配（child_code 大小写变体仍命中显式系谱）；④ 三代链不崩 + r(GX,GW)=0.5 / r(GA,GW)=0.25；⑤ 全 founder → status=none + 显式告警 + 逐对旗标；⑥ partial → 未解析亲本名单。回归：e2e_data_mating_gain（A6，r=0.5 保真）/ e2e_batch_selection / e2e_gaps_base 全过零回归。HTTP 核验：后端重启后 /bre/statistics/mating-recommend 真实数据 32/33 → kinship_status=none + kinship_warning 含「近交惩罚已禁用」+ kinship={resolved:0,founder:2,orphan_rows:2} + 逐对旗标（顺带暴露 2 条真实孤儿系谱行——数据质量信号）。

18.7 选配「亲本 EBV」回退逻辑方法学修复：direct 优先 + 子代测验降权 + 双侧去重（2026-08-05 跟进）

用户报告方法学错误：mating_recommend 旧实现对无直接 EBV 行（ABLUP/GBLUP 按树写、germplasm_id 为空）的候选种质，用**「其子代树 EBV 均值」回退代表该亲本育种值**。三条质疑核实成立：① 这是 progeny-test 值（子代世代预测值 ≈½亲本BV+共亲本渗入+孟德尔抽样），不是亲本自身育种值；② 同一子代树若双亲都缺直接 EBV，被等权计入 dam 与 sire 两侧，稀释严重；③ 跨组合混合无区分。会误导选配排序。用户提出修复方向：优先用亲本自身预测值；回退值必须显式标注「基于子代测验的近似」并降权参与打分。

修复（statistics/service.py mating_recommend）：

direct 优先：种质级 EBV 行（germplasm_id 直连）＝亲本自身预测值，无条件最优先；有 direct 的候选绝不被其子代树值污染（回退仅对 missing 集生效，杜绝树级 99.0 泄漏进亲本）。
回退显式标注 + 降权：新增 _EBV_SOURCE_FACTOR = {direct:1.0, progeny:0.5, missing:0.0}；打分改 mid=(f_a·ebv_a+f_b·ebv_b)/2、score=w_ebv·mid−w_kin·pen——progeny 近似按半权参与，绝不冒充亲本自身值、不掩盖 direct；missing 按 0 计（与旧行为一致，全缺失时排序不变）。
双侧等权稀释修复：子代树双亲均在 missing 集（如 FM×MM 双亲均无 direct）→ 剔除（该树均值无法归属，防止同值计入两侧）；仅单侧可归属的树才计入对应亲本。
跨组合辨别：回退亲本记 n_progeny（子代数）/n_combos（跨组合数），供调用方判断子代测验近似的稳健性。
显式可查，绝不静默降级：返回体新增 candidate_ebv（每候选 germplasm_id/name/value/source/n_progeny/n_combos，missing 的 value=None）+ ebv_source.coverage（direct/progeny/missing 计数）+ 逐对 flags 加「亲本EBV为子代测验近似(降权0.5)」/「亲本无EBV(按0计)」。

验证（Temp/claude/e2e_mating_ebv_20260805.py，5 组断言全过）：① candidate_ebv 来源可查——P0=direct/10.0（子代树值 99.0 未泄漏）、P1=progeny/8.0（n_progeny=3、n_combos=2）、P2/P3/P4=missing/None；② ebv_source.coverage={direct:1,progeny:1,missing:3}；③ 降权打分——P0×P1 ebv_mid=7.0=(1.0·10+0.5·8)/2（≠9.0 原始均值）+「子代测验近似」旗标、P0×P2 ebv_mid=5.0+「无EBV」旗标；④ 双侧去重——P3×P4 双亲均缺 → 子代树剔除 → source=missing、ebv_mid=0.0（旧代码会 progeny=7.0）；⑤ score 降序、榜首 P0×P1（加权 EBV 互补最高）。回归：e2e_data_mating_gain（A6 无 Prediction 行 → 全 missing → 排序不变）/ e2e_mating_kinship（ok=14）/ e2e_batch_selection / e2e_gaps_base（19 ok）全过零回归。HTTP 核验：后端重启后 /bre/statistics/mating-recommend 真实数据返回 candidate_ebv（12 候选全 source=missing/value=None）+ ebv_source.coverage={direct:0,progeny:0,missing:12} + 逐对旗标。

18.8 数据质量「离群值」方向语义错位修复：同向=极值候选（精英）/ 反向=疑似录入错误（2026-08-05 跟进）

用户报告语义错位：data_quality_report（§8.17①/§8.23① 的 A5 数据质量端点）旧实现用 IQR(Q1−1.5IQR/Q3+1.5IQR) 超界 + MAD 稳健 z-score(>3.5) 双通道把任何偏离分布的值都标为「离群株（疑似异常）」。但桃育种按选育目标选极端表型——果重/固酸比/可溶性固形物要高的、裂果率/病指要低的——正向偏离恰恰是育种家要选的精英单株（与高 EBV 高度相关），把精英候选标成「疑似录入错误」会诱导弃选、误导决策。用户提出修复方向：仅当偏离方向与选育目标相反才提示疑似录入错误；同向偏离标为「极值候选（精英）」。

修复（statistics/service.py data_quality_report）：

方向感知：trait_row = await self._numeric_trait(trait_id) 后取 direction = (trait_row.direction or "desc").lower()；desirable_high = direction != "asc"（desc/None → 高值优；asc → 低值优）。判定标准与 v2.3 性状方向标注链路一致，低优性状（裂果率/病指）反向侧为高值。
双通道分流：IQR/MAD 命中的株再按偏离侧分类——is_high = v > med；is_elite = is_high == desirable_high：同向偏离 → extreme_candidates（class="extreme_candidate"，side=high/low，极值候选·精英）；反向偏离 → outliers（class="outlier"，疑似录入错误）。两表互斥，精英绝不进错误表。
返回体：新增 direction、extreme_candidates（tree_id/value/z/side/class/reasons）、summary.n_extreme_candidates；summary.has_warning/n_outliers/outlier_rate 语义收紧为疑似录入错误计数（不再把精英株计入告警）。is_high = v > med 而非 >0，中位对称稳健。
前端（statistics/index.vue 数据质量 tab）：选育方向指示条（高值优 desc / 低值优 asc）+ 双表——「极值候选（精英）」success 标签表 + 「疑似录入错误」danger 标签表；hint 说明同向=精英/反向=错误；无错误时绿色 info alert「未发现疑似录入错误」而非黄色警告。

验证（Temp/claude/e2e_data_mating_gain_20260804.py [1] 17 株断言全过）：15 正常树 + 精英树（{PREFIX}-HI，值 16.0，G3）+ 错误树（{PREFIX}-LO，值 2.0，G3），direction=desc——精英树进 extreme_candidates（class=extreme_candidate/side=high）且不在 outliers；错误树进 outliers（class=outlier/side=low）；n_trees=17、n_extreme_candidates=1、n_outliers=1、missing_rate=0。回归：e2e_mating_kinship（ok=14）/ e2e_batch_selection / e2e_gaps_base（19 ok）全过零回归。HTTP 核验：后端重启后 POST /bre/statistics/data-quality 对 asc 裂果率（bB_DIR5668）与 desc 果重（dA_DIR5668）两真实性状返回 direction/extreme_candidates/outliers/summary.n_extreme_candidates 全部正确——真实数据无极端偏离 → 双表空（无误报）。

18.9 ΔG 投影假设声明 + 工程健壮性打磨：note 假设 + spatial 缺坐标降级 + numpy 收敛（2026-08-05 跟进）

用户报告两点，均非功能 bug（核实确认后拍板落地）：① genetic_gain（§8.23① A3 遗传增益端点）的 next_pheno_mean = pheno_mean ± dg 隐含「环境均值恒定」假设——若年际气候漂移，投影会偏；属投影演示性质，应显式标注假设。② 工程健壮性细节——spatial 模型要求所有观测树都有 row/col，否则整批 ValueError（门禁合理但无「剔除缺坐标者继续」的优雅降级）；data_quality_report/genetic_gain 函数体内重复 import numpy；多处 numpy 计算未利用托管 venv 向量化优势。

修复（statistics/service.py + statistics/index.vue）：

① ΔG 投影假设显式声明：genetic_gain 返回体新增 note 静态常量——投影假设环境均值恒定（未计入年际气候漂移与栽培措施变化）；ΔG=k·r_g·σ_A 仅含遗传增益分量，next_pheno_mean 为投影演示值而非实测预测。（同性状/同数据重跑不变，探针断言稳定）。前端 gain tab 在描述区后、轮次表前展示 el-alert type="info" 提示假设边界。
② spatial 缺坐标优雅降级：run_ablup(spatial=True) 坐标收集循环把 row_no/col_no 为空的观测树记入 missing_coord_ids，剔除其表型但保留系谱——blup.solve_spatial 本就对所有个体（含无表型）输出 EBV，故缺坐标株 EBV 仍由系谱预测；剔除数显式写入批次 note「缺坐标剔除N株表型(EBV由系谱预测)」；仅当全部观测树都缺坐标（coords 空）才整批 409（提示先在单株录入填行号/列号）。input_hash 随剔除后的表型子集计算（同数据可复现）。设计红线：缺坐标仅剔除该株表型、绝不剔除系谱——系谱是空间 EBV 的预测基础。
③ numpy 工程清理：data_quality_report/genetic_gain 及另 5 处（genetic_corr/selection_index/bivariate/genetic/type-B/UPGMA）函数体内重复 import numpy 全部收敛为模块级单次 import numpy as np（service.py:24）；data_quality_report 逐株 flag 循环改 numpy 布尔掩码向量化——z_robust_all = np.where(mad>1e-9, 0.6745·(a−med)/mad, 0)、iqr_flag_all = (a<q1−1.5iqr)|(a>q3+1.5iqr)、z_flag_all = |z_robust|>3.5，flagged_idx = np.nonzero(iqr|z)[0] 一次性定位命中株，输出逐字节不变（精英/错误分流逻辑不变）。

验证（Temp/claude/e2e_spatial_sparse_20260804.py 降级场景断言全过）：5 株（前 4 株 2×2 网格带 row/col + 第 5 株 row_no=None）观测 [10.0,10.5,11.0,11.5,9.0] → method=AR1×AR1、train_n=4、note 含「缺坐标剔除1株」、5 株全部有 EBV 行（缺坐标株由系谱预测）；全缺坐标场景仍整批 409 且报错含 row_no/col_no 数据需求。A6 探针 [2] 新增 note 断言：note 含「环境均值恒定」且两性状稳定一致。回归：e2e_spatial_sparse / e2e_data_mating_gain / e2e_mating_kinship（ok=14）/ e2e_batch_selection / e2e_gaps_base（19 ok）五套零回归。vue-tsc EXIT=0。HTTP 核验：后端重启后 POST /bre/statistics/genetic-gain（真实性状 dA_DIR5668）返回 note（含「环境均值恒定」）；POST /bre/statistics/data-quality 返回 direction: asc、双表空无误报。

18.10 A–F 六项功能级缺口·批1 父本验证 + 近交衰退：一致性校验 + F→表型回归（2026-08-05 跟进）

用户全模块 grep 实证 A–F 六项功能级缺口（「有无/深度」问题，非正确性 bug），逐项复核确认 + 拍板「全部六项分批落地」。批1 = A 父本验证（pollination 花粉来源一致性 / tree 显式亲本警示 / cross_combination 自交门禁）+ C 近交衰退（_DATA_VERSION v2.22）。

A 父本验证（consistency，不落库）：

A1 pollination 花粉来源父本一致性（pollination/service.py 新增 _validate_pollen_parent）：批次 pollen_lot.male_tree_id 声明采集父本树时，授粉声明 male_tree_id 须一致，否则 409「花粉批次 {lot_code} 采集自父本树 {X}，与授粉声明父本树 {Y} 不一致，请确认花粉来源」；批次无采集父本（混合/外地采集）或授粉未声明父本 → 放行。create/update 统一在 _validate_pollen_window 后调用（update 取 existing 回退）。
A2 tree 显式亲本 vs 组合父母本警示（tree/service.py _resolve_parents 改返回 (dam, sire, warning)）：显式 dam/sire 与组合 female/male_parent 不一致时聚合「显式母本与组合母本不一致；显式父本与组合父本不一致（以显式为准）」；warning 不阻断（tree 可独立建，武断 409 会误伤）；tree/schema.py 加只读 warning 字段（仅返回体，不落库）。
A3 cross_combination 同质自交门禁（cross_combination/service.py _check_parent_roles 角色解析后追加）：female_parent_id == male_parent_id → 409「母本与父本同为「{名}」，自交组合请确认」；create/update 生效亲本统一触发（与既有 S-等位 409 语义一致不冲突）。

C 近交衰退分析（statistics/ 三件套 + 前端，计算端点不建表）：

POST /statistics/inbreeding-depression（InbreedingDepressionIn：trait_id/trait_code + year/trial_study_id 可选 + min_n=10）——inbreeding_depression：tree 系谱（t{tree_id} 个体 + g{germplasm_id} founder）→ blup.relationship_matrix 取 F=A_ii−1；关键洞见：inbreeding dict 仅含 F>0，非近交树须从 individuals 默认 F=0 兜底，否则非近交株被排除出回归；trait 树级表型 select(obs.tree_id, func.avg(value_numeric)).group_by(tree_id) 聚合（按 year/trial_study_id 可选过滤）→ 交集树 → 纯 numpy np.linalg.lstsq 线性回归 phenotype ~ F。返回 {sufficient, reason, n_obs, mean_F, max_F, direction, regression:{intercept, slope, r2, t_slope, depression_rate, has_depression, interpretation}, high_inbreeding:[{tree_id, tree_no, F, value}]}；has_depression = slope<0 且 t_slope≤−1.645（单侧 95% 大样本近似）；high_inbreeding 按 F 降序取前 10；n<min_n 优雅降级 sufficient=False + reason（不 409）。
前端「亲缘/近交」tab 加「近交衰退（F → 表型）」区：trait select + year input + 运行；el-alert（insufficient=warning / has_depression=error / 无衰退=success）+ el-descriptions + high_inbreeding 表。修 vue-tsc TS2322：el-alert :type 无 danger 合法值，改 'error'。

验证：Temp/claude/e2e_parent_validation_20260805.py 10 断言全过——A1 不一致 409（含「不一致」）/一致放行/混合批次放行/update 同门禁；A2 双侧警示（含「以显式为准」、dam/sire=显式）/单侧仅父本/一致无警示/update 警示；A3 create/update 同质 409（含「自交」）。Temp/claude/e2e_inbreeding_depression_20260805.py 4 断言全过——12 树（6×F=0 + 6×F=0.5 自交）衰退性状 y=100−60F+ε → slope≈−60/t 显著负/r²>0.9/has_depression=true/depression_rate<0/max_F≈0.5/mean_F≈0.25/high_inbreeding 前 6 全为 S-自交 F=0.5、后 4 F=0；无衰退 y≈100 → slope≈0/「未检出」；min_n=20 → insufficient 含「12 棵」「≥20」；trait_id=99999999 → 409。回归：e2e_spatial_sparse（v2.22 断言同步）/ e2e_statsflow / e2e_data_mating_gain / e2e_mating_kinship / e2e_batch_selection / e2e_gaps_base 六套零回归。vue-tsc EXIT=0。HTTP 核验：后端重启后 POST /bre/statistics/inbreeding-depression（真实稀疏数据）返回 code=0、sufficient=false、n_obs=2、reason「同时具备系谱近交系数 F 与表型的树仅 2 棵（需 ≥10）」、mean_F/max_F/regression=null、high_inbreeding=[]。

18.11 A–F 六项功能级缺口·批2 GS 家系 CV + 试验设计深度：家系阻塞折 + RCBD 生成/区组 ANOVA（2026-08-05 跟进）

A–F 六项缺口批2 = B GS 家系 CV（深度：随机分层 → 家系阻塞折）+ F 试验设计深度（RCBD 生成 + 设计基 ANOVA）。批1 已落地 §18.10（v2.22）；本批 _DATA_VERSION v2.23。

B GS 家系 CV（genomic.py + statistics/service.py + 前端）：

引擎 genomic.kfold_cv_genomic 加 split: str = "random" + family_of: dict[str, str] | None = None：split="random" → 现有 round-robin bin_of = {c: i % k} 逐字节不变（回归零变化）；split="family" → 照 blup.kfold_cv 的 sire 家系留出模式——fam_of = {ind: (family_of or {}).get(ind, ("self", ind))}（无家系个体自成一族）→ fams 去重 → rng.shuffle(fams) → fam_bin = {f: i % k} → bin_of = {c: fam_bin[fam_of[c]]}，同家系个体同折（防亲缘泄漏高估准确度）；家系数 < 折数 k → 折叠为 n_families 折 + warning「家系数 {n} < 请求折数，折叠为 {k} 折（family-blocked）」；单家系（n_families<2）→ folds=[] + warning「可验证个体仅构成 1 个家系，无法家系阻塞交叉验证（请改用随机分层）」。输出加 n_families（逐键对齐 blup.kfold_cv）。
服务 run_cv 加 split="random"|"family" 透传（controller/schema，job params_json 记 split）：GS 分支 split=="family" 时用既有 ped_rows（select 顺序 id/dam_id/sire_id/trial_study_id/rootstock_id/female_parent_id/male_parent_id/combination_id/clone_id/germplasm_id）构建 family_of = {f"t{tid}": f"s{s}"}（s = sire if sire is not None else cm，sire 缺失回退组合 male_parent）；落库 CvResultModel.note 记 split=family · n_families={N}（+ 引擎 warning 拼接）。
前端「交叉验证」tab runCv 参数区加 split 下拉（random=随机分层/family=家系阻塞）+ 结果表 n_families 列。

F 试验设计深度（trial_study_entry/model.py + weld_trial_study_entry.sql + statistics/ 三件 + anova.py + 前端）：

F1 RCBD 生成器：bre_trial_study_entry 加可空 block_no integer（model 列 block_no: Mapped[int | None] + sql/weld_trial_study_entry.sql ALTER TABLE ... ADD COLUMN IF NOT EXISTS，create_all 只建新表故 weld 幂等兜底）；新端点 POST /statistics/trial-design（TrialDesignIn：trial_study_id + design_type="rcbd" + seed 可选）——trial_design：db.get(TrialStudyModel) 409、design_type≠rcbd 409、block_count=study.block_count or 1、按 entry_number 取参试条目（空 409「无参试条目」）→ random.Random(seed) 洗牌 + round-robin 分进区组（均分 + 组内随机 = 田间布局）→ update(...).values(block_no=case(block_of, value=TrialStudyEntryModel.id, else_=None)) 批量落库 + flush；返回 {trial_study_id, design_type, block_count, seed, n_entries, blocks:{str(b): [entry_number…]}}。
F2 设计基 ANOVA：anova.solve_rcbd(rows)（rows={"group","block","value"}）RCBD 双因素 Type I 顺序（X1→Xg→Xgb dummy 矩阵：SS_group=rss(X1)−rss(Xg)、SS_block=rss(Xg)−rss(Xgb)、SS_error=rss(Xgb)，纯 numpy + fdist.f_pvalue），输出含 f_block/p_block/groups/blocks/warning（<2 组合或 <2 区组 ValueError；df_error≤0 → warning「区组设计过饱和」）；anova.solve 单因素逐字节不变。run_anova 加 block: bool=False：block=False → 原单因素路径不变；block=True → 查 bre_tree.block_no 组 rows、过滤空 block、<2 区组 → 409「区组数据不足：需 ≥2 个区组（请先运行 /statistics/trial-design 生成设计并落库 block_no）」，method=ANOVA/H2/RCBD。
前端 statistics ANOVA tab 重构：顶部「生成 RCBD 设计」工具条（trial_study select + seed input + warning button）+ 设计区组表 + trait select + year + el-checkbox anovaBlock「RCBD 区组校正」+ 提交；结果加 n_blocks/f_block/p_block 条件 v-if + 区组均值表。statistics.ts 加 trialDesign() + TrialDesignResult。

验证：

Temp/claude/e2e_trial_design_20260805.py 5 组断言全过——[1] RCBD 生成（block_count=3/n_entries=9/3 区组×3 均分/9 条目齐全/seed·design_type 回显）；[2] block_no 落库核验（紧随首次生成避免复现覆盖；落库区组集合==返回设计集合）；[1b] seed=42 复现同一设计 / seed=43 异动；[3] block=False → method=ANOVA/H2、无 f_block/n_blocks/blocks 键（单因素逐字节不变）；[4] block=True → method=ANOVA/H2/RCBD、n_blocks=3、ss_block>0、f_block>1、p_block 存在、区组均值随 +3/0/−3 递减；[5] 空研究点 409「无参试条目」。
Temp/claude/e2e_gs_family_cv_20260805.py 5 组断言全过——[1] 5 家系×3 全同胞 k=3 → method=KFCV/GBLUP、note「split=family · n_families=5」、家系阻塞折 n_test=[3,6,6]；[2] k=5 → 每折恰 1 家系 n_test 全 3；[3] random k=3 → note 无 split=family、n_test=[5,5,5]（随机分层回归零变化）；[4] 引擎级 6 家系<请求 8 → 折叠 6 折 + warning；[5] 单家系 → folds=[] + warning。注：探针树创建曾漏 db.add_all([fm, mm]) 致 germplasm.id=None → 组合父母本全空 → sire 全空 → n_families=15，补 add 后修正为 5（服务侧代码位置核实无误）。
回归：e2e_gblup_cv / e2e_statsflow / e2e_spatial_sparse / e2e_busflow / e2e_mating_kinship / e2e_gaps_base / e2e_molrigor 七套零回归。vue-tsc EXIT=0。HTTP 核验：后端重启后 POST /bre/statistics/trial-design + POST /bre/statistics/anova/run（block=true）经真实端点返回。

18.12 A–F 六项功能级缺口·批3 OCS 最优贡献选择 + MABC 标记辅助回交：投影梯度求解器 + 前景/背景选择工作流（2026-08-05 跟进）

A–F 六项缺口批3（收官）= D OCS 最优贡献选择 + E MABC 标记辅助回交。批1 §18.10（v2.22）、批2 §18.11（v2.23）；本批 _DATA_VERSION v2.24。两端点纯计算不落库（对齐 data_quality 惯例）；前端同批交付（选配推荐 tab OCS 运行区 + 独立回交 MABC tab，vue-tsc EXIT=0）。

共享 helper 抽取 _candidate_ebv_map（statistics/service.py:3429-3531）：

mating_recommend 内联 EBV 解析块原样抽取为 _candidate_ebv_map(prediction, tree_ids) → {germplasm_id → ebv}：prediction batch ABLUP/GXEBLUP/GXRBLUP/GBLUP/ssGBLUP 全支持；direct germplasm_id 先取，缺失走 progeny 子代均值并 _EBV_SOURCE_FACTOR={direct:1.0, progeny:0.5, missing:0.0} 降权；返回 ebv_map/source/status/warning/cover/n_progeny/n_combos/ebv_mid。
「双亲均缺直接 EBV → 子代树剔除（双侧去重）」规则随抽取原样保留——经 transcript 抽取前内联块 old_string 实证该规则已存在于抽取前代码（v2.19 方法论），非抽取回归；e2e_mating_ebv [4] P3×P4=0.0 权威验证、e2e_audit_fix_20260804 ④ 已同步语义。
OCS 端点复用 _candidate_ebv_map（candidate germplasm 直接取）+ mating_recommend 保留原内联调用（行为不变）——mating 回归 14/14 零变化证明抽取无副作用。

D OCS 最优贡献选择（POST /statistics/ocs）：

_proj_simplex：欧氏投影到单纯形（numpy sort/arange 解析投影，无 scipy），_solve_ocs 投影梯度 + 回溯线搜索：max Σc_i·ebv_i − λ·c'Ac，s.t. Σc=n_select、c≥0；A 由 _germplasm_pedigree + blup.relationship_matrix rmat 组装（对角=1、非对角候选对 r，覆盖<100% → kinship_status="partial" + warning）。
输出：contributions（c 降序 + ebv/source/可选 n_progeny/n_combos）、mean_ebv、avg_kinship（c'Ac）、kinship_quad、vs_top_n（同 n 贪心 top-n 对照：mean_ebv 相当 + kinship_reduction，量化 OCS 亲缘控制价值）、ebv_source/kinship_status/kinship_warning。
门禁：空候选 / n_select>候选数 / λ<0 → 409。

E MABC 标记辅助回交（POST /statistics/mabc-progress）：

前景选择：复用 _mas_hit_map/_mas_marker_hit（additive/dominance/recessive/allele/haplotype 五语义），foreground_pass = 命中 ≥ foreground_min_hits（stage 无关、童期幼苗即可）。
背景基因组恢复率：background 面板逐标记候选 vs 轮回亲本「纯合剂量一致」比例（_pure_homologous：候选纯合且等位∈轮回亲本等位集；杂合不计），标记均值 = 恢复率 %（round 2）。
回交代建议：_BC_LADDER=["F1","BC1","BC2","BC3","BC4","BC5"] + _MABC_GENERATIONS={"F1","BC1","BC2","BC3"}；晋级 / 再回交 / 补测后判定 / 前景未通过四分支 reason；recommended 前景通过按恢复率降序（None 排尾）。
门禁：空候选 / 空前景或背景面板 / generation∉_MABC_GENERATIONS / background_target∉(0,100] / 轮回亲本不存在 → 409。

验证：

Temp/claude/e2e_ocs_20260805.py 17 断言全过——[1] Σc=3、c≥0、coverage=direct 5/5、c 降序、最高=A；[2] mean_ebv 与 vs_top_n 相当 + kinship_reduction=0.0398 + kinship_quad≈4.641；[3] λ↑（0→0.5→1→10）→ avg_kinship 单调非增（1.0→0.5157→0.3211→0.2685）；[4] λ=0 退化=贪心 top-n（满额投最高 EBV 单亲）；[5] A 缺失 → kinship_status=partial + warning；[6] 三 409。清理干净。
Temp/claude/e2e_mabc_20260805.py 23 断言全过——[1] 前景 5 pass/1 fail；[2] 恢复复算 100/75/75/0；[3] reason 晋级 BC2/再回交/前景未通过；[4] recommended 恢复率降序 [100,100,100,75,0]；[5] 童期 C6 前景通过+晋级；[6] 轮回亲本缺背景基因型 → None + warning；[7] 六 409。清理干净。
回归：e2e_molrigor / e2e_gwas / e2e_mating_kinship（14/14）/ e2e_mating_ebv / e2e_gblup_cv / e2e_statsflow / e2e_spatial_sparse / e2e_busflow / e2e_gaps_base / e2e_b8_seed_lot / e2e_prediction_rigor / e2e_audit_fix 全套零回归（_candidate_ebv_map 抽取 + mating 语义双核对）。vue-tsc EXIT=0。HTTP 核验：后端重启后 POST /bre/statistics/ocs（最小正例）+ POST /bre/statistics/mabc-progress（成功 + 空面板 409 + 非法 generation 409）经真实端点返回。环境性 b34（G1 门禁）为探针脆弱非本批回归。

18.13 近交衰退两处正确性修复：方向感知检测 + 深层系谱近交系数（2026-08-05 跟进）

用户实证复查 inbreeding_depression（v2.22，§18.10）两处缺陷，本会话核实成立后修复：① 方向盲目判据——无条件 slope<0 且 t≤−1.645 判衰退，对「越低越好」的 asc 性状（如病指）F↑→指标↑=恶化却误报「未检出」；② 浅层近交系数——系谱只取树级 dam/sire 把每个引用种质当 founder，未走深层系谱，多世代项目（半同胞共享祖亲）低估 F（OCS/mating 已用 _germplasm_pedigree 深层解析，故仅近交衰退受影响）。版本仍 v2.24（正确性修复不升版，避免批3 版本断言连锁）。

① 方向感知检测（statistics/service.py inbreeding_depression）：

读 direction（此前读取未用）得 desirable_high = direction != "asc"；
高优性状（desc/None）衰退 = slope<0 且 t≤−1.645；低优性状（asc）衰退 = slope>0 且 t≥+1.645；
interpretation 方向化——asc 衰退「F 每升 0.1，{trait} 表型平均上升（恶化） …%」/ 未达显著「斜率偏正…」/ 未检出「F 对表型无**上升（恶化）**影响」。对齐 data_quality_report 既有 desirable_high 方向语义。

② 深层系谱近交系数：

系谱构建改复用 _germplasm_pedigree（bre_pedigree 名称反查 + tree FK 兜底 + BFS 祖先展开，与 OCS/mating 同源）展开全部被引用种质祖先 + 树节点 + 未解析种质 founder 兜底（软删引用不悬空）；_germplasm_pedigree 本体零改动。
多世代半同胞共享祖亲 → F 正确 >0（旧浅层把 G7/G8 当 founder → F=0 低估）。

验证：

Temp/claude/e2e_inbreeding_depression_20260805.py 6 组断言全过——原 [1] 衰退 / [2] 无衰退 / [3] 样本不足保持，新增 [4] asc 病指（12 树同 F 结构 y=10+40F → slope=+40、t 显著正、has_depression=true、文案含「上升（恶化）」、高近交前 6 仍 F=0.5 自交株；旧判据误报未检出）+ [5] 深层系谱 F（P→G7/G8 tree FK 升谱、6 候选树 dam=G7 sire=G8 半同胞近交 + 6 对照 F=0，y=100−60F → max_F=0.125/mean_F=0.0625、slope≈−61、has_depression=true、高近交前 6 全为 H 半同胞株；旧浅层 F=0）+ [x] trait 不存在 409 保持。清理干净（26 树 48 观测 + 4 性状全删）。
回归：e2e_ocs / e2e_mabc / e2e_mating_ebv / e2e_mating_kinship / e2e_statsflow / e2e_spatial_sparse / e2e_gs_family_cv / e2e_trial_design / e2e_parent_validation / e2e_batch_selection / e2e_gaps_base / e2e_gaps_engines / e2e_gaps_modules 全套零回归。vue-tsc EXIT=0（前端仅提示文案方向化一行）。HTTP 核验沿用批3（后端未重启）。

18.14 分子亲本验证（孟德尔一致性）+ 试验设计深度（增广 + α-格子）（2026-08-05，v2.25）

用户实证复查指出两处遗留缺口，本会话核实全部成立：① genotype_call 对 mendelian/parentage 零命中（仅有 fingerprint_check 无性系混杂/标签互换检测）；② trial_design 仅 RCBD。α-格子范围用户拍板：平方格子（v=k²，闭式构造，平衡可证）+ 一般 v 贪心回退（balance_warning 诚实标注）。_DATA_VERSION v2.25，同步 3 处探针版本断言（e2e_prediction_rigor / e2e_spatial_sparse / e2e_statsflow）。

批4-A 孟德尔/亲本一致性检验（genotype_call/service.py mendelian_check(dataset_id, compat_threshold=0.98) + controller.py GET /bre/genotype_call/mendelian/check，镜像 fingerprint/check 模式，纯计算不落库）：

数据解析（跨数据集）：子代样本 = GenotypeSampleModel.source_type=="tree" 且 source_id∈dataset → tree 集合；声明亲本 = tree.dam_id/sire_id→germplasm（两亲皆空 → no_declared_parents + reason「未声明亲本」）；亲本基因型 = source_type=="germplasm" 样本跨数据集解析（同数据集优先，否则其他数据集最低 id 兜底）——探针验证子代样本 D1、亲本样本 D2 跨数据集解析成功；亲本声明但无 germplasm 基因型 → missing_parent_genotype（不 409，reason 标注「母本/父本」缺哪个）。
孟德尔规则：逐标记 _allele_set（"/" 分割去空白/缺失）得子代/母本/父本等位集；子代等位集 ⊆ dam∪sire 并集即兼容（union 规则）；任亲本空白/缺失 → 非信息位点不计分母。单株兼容率 = 兼容/信息位点，flag = rate < compat_threshold（0.98 对齐 fingerprint）。
输出：{dataset_id, compat_threshold, trees_checked, trees_flagged, trees_no_parents, trees_missing_parent_genotype, summary{informative_markers/incompatible_markers}, trees:[{tree_id, tree_no, dam, sire, status, informative_markers, compatible, incompatible, compatibility_rate, flag, incompatible_markers:[{marker_id, allele, dam, sire}], reason?}]}；数据集无样本 → 零值返回 summary=None（不 409）。

批4-B 试验设计深度（statistics/service.py trial_design 分派 rcbd/augmented/alpha；rcbd 路径逐字节不变；schema.py TrialDesignIn 加 check_germplasm_ids: list[int]=[] / block_size: int|None / reps: int|None，extra="ignore"）：

augmented（增广）：对照 check_germplasm_ids 须为参试条目种质 id 子集（否则 409「对照种质不在参试条目中」）、至少 1 对照 + 1 新品系（否则 409「增广设计需至少 1 个对照种质」）；对照每区组重复（anchors，check_reps=block_count）、新品系 rng.shuffle + round-robin 均分区组（不重复）；对照条目 block_no 不落库（None）、新品系落 1..block_count。输出加 checks:[{entry_number,germplasm_id}]/n_new_entries/n_checks/check_reps。
alpha（α-格子）：block_size=k（v%k==0 否则 409「α-格子条目数 {v} 须能被 block_size {k} 整除」；k 缺省 v 完全平方自动 k=√v，否则 409「α-格子需指定 block_size（当前 {v} 条目非完全平方）」）；reps=r（缺省平方 k+1/一般 s；r<2 → 409「α-格子重复数需 ≥2」；平方 r>k+1 → 409「完全平方格子（v={v}=k²）重复数最多 {r_full}」）。平方 v=k² → 闭式格子：rng.shuffle 打标 (x,y)，rep m∈{0..k} 直线 y≡m·x+(b−1) mod k（m=k=竖列），完全格子 r=k+1 任一对至多同块一次 λ≤1；k 素数（_is_prime）完全平衡 balance_warning=False，非素数 → balance_warning=True（保守告警，可分解不保证平衡）。非平方 v → 贪心可分解构造：逐 rep 贪心填 s 块×k，used_pairs 集避免同块对重复，卡死则余下允许复用 + balance_warning=True；rng(seed) 确定性。block_no 复合编码 rep*100+block（rep 1..r、block 1..k）落库。
探针抓出的真 bug：平方分支初版 block_no 编码 m*100+b（0-based m）致 rep1 落库 b（1..3）与贪心分支/文档的 rep*100+block 不一致 → 修正 (m+1)*100+b（401/402…）。探针 [2] 落库断言由 301/302 → 401/402 验证。

验证：

Temp/claude/e2e_mendelian_check_20260805.py 8 断言全过——跨数据集解析（子代 D1/亲本 D2）：T1 全 0/1 唯 M5=2/2（亲本均无该等位）→ informative=5/compatible=4/incompatible=1/rate=0.8/flag + incompatible_markers[0]={M5,2/2,dam=0/0,sire=1/1}；T2 全兼容 rate=1.0/flag=false；T3 双亲空 → no_declared_parents + reason；T4 dam=G3 无基因型 → missing_parent_genotype + reason「母本」不 409；summary informative=10/incompatible=1；D3 空数据集零值 summary=None 不 409。清理干净（call→sample→marker→dataset→tree→germ→combo→target 全删）。
Temp/claude/e2e_trial_design_ext_20260805.py 19 断言全过——[1] augmented 12 条目 3 对照×3 区组：n_new=9/n_checks=3/check_reps=3、新品系 block_no∈{1,2,3} 不重复、对照 block_no=None、checks 结构；[2] v=9=k² k=3 素数 r=4 完全格子：4 rep×3 块×3 条、每 rep 覆盖 9、任一对至多同块一次（maxλ≤1 恰 36 对）、balance_warning=False、block_no 复合编码落库；[3] 部分 r=3 仍平衡；[4] v=16 k=4 非素数 r=5 + balance_warning=True；[5] v=12 一般贪心 s=4/r 缺省=s + block_no 落库；[6] 四 409（对照非条目子集/增广无对照/v 不被 k 整除/非平方缺 block_size）。清理干净（entry→study→trial→germ→combo→target 全删）。
回归：rcbd 由 e2e_trial_design_20260805.py 回归零变化兜底；全量套件 e2e_molrigor / e2e_gwas / e2e_mating_kinship / e2e_mating_ebv / e2e_gblup_cv / e2e_statsflow / e2e_spatial_sparse / e2e_gs_family_cv / e2e_batch_selection / e2e_ocs / e2e_mabc / e2e_gaps_base / e2e_gaps_engines / e2e_gaps_modules / e2e_prediction_rigor / e2e_inbreeding_depression / e2e_parent_validation 全套零回归。vue-tsc EXIT=0。HTTP 核验：后端重启（PID 更换）后 GET /bre/genotype_call/mendelian/check?dataset_id=999999 → 200 零值结构；POST /bre/statistics/trial-design augmented/alpha → 409「该研究点无参试条目」（分派+参数链路通）、design_type=latin → 409「暂不支持设计类型 latin（可用: rcbd=随机完全区组、augmented=增广、alpha=α-格子）」。
方法学保留：mendelian_check 与 fingerprint_check 互补（样本一致性 vs 子代-亲本孟德尔规则）；augmented 对照 anchoring + alpha 平衡性显式告警与 RCBD 随机化并存；亲本基因型缺失/双亲空归状态不 409（数据现状透明化）。

18.15 批5 区组随机效应 ABLUP（N3）+ 孟德尔检验落库/隔离/进报告（N1）+ 统计引擎全量数值校验（N2）（2026-08-05，v2.26）

用户实证复查提出三项，本会话逐项核实全部成立，用户拍板范围：① N3（中-高，真实断点）——trial_design 已给增广/α-格子落库 block_no 不完全区组结构，但 run_ablup 只把 block_no 当空间竞争协变量网格 key，未作随机效应（service.py:651）→ 用户选「显式 block 开关」；② N1（中）——mendelian_check 只读不落库、不进数据质量报告、不自动隔离可疑树，错配亲本仍污染系谱 → 用户选「断开错误亲本链」；③ N2（中）——run_gblup/ssGBLUP、genetic_corr、type_b、run_cluster、stability 等大体量新模块只有结构性断言，缺逐文件数值真值校验 → 用户选「全量统计引擎」。_DATA_VERSION v2.25→v2.26（同步 3 处探针版本断言：e2e_prediction_rigor / e2e_spatial_sparse×2 / e2e_statsflow）；blup.ENGINE_VERSION 1.4.0→1.5.0。

批5-A（N3）：ABLUP 区组随机效应：

引擎 blup.py：solve 加 block: dict|None 分派 _solve_block(pedigree, phenotypes, *, fixed, covariate, block_of, record_map, tol)（镜像 _solve_gxe，blup.py:1006-1205）——Z₂ 按 block_of: {记录id: 区组水平} 分组（G×E 的 (g,e) 复合键退化为单区块水平），剖面 REML 坐标上升估 (σ²a/σ²e, σ²block/σ²e)、MME、PEV 可靠性；输出键 sigma_block/block_ratio/block_effects/n_blocks、factor_label=「区组」；区组方差收敛到 0 / 无系谱 / 未收敛三警告。ENGINE_VERSION → 1.5.0。
服务 run_ablup：新参 block: bool=False。互斥并入 L491-494：block 与 gxe/gxr（共用 Z₂ 槽）409、block 与 spatial（残差结构与第二随机效应槽）409。新分支：读 select(TreeModel.id, TreeModel.block_no) → block_of={f"t{tid}": int(blk)}；无 block_no 的树降级剔除表型保留系谱（镜像 spatial 缺坐标降级，note 记剔除数）；len(set(block_of))<2 → 409「区组数据不足：需 ≥2 个区组（请先运行 /statistics/trial-design 生成设计并落库 block_no）」；method="ABLUP-BLOCK"、model_name 前缀 ABLUP_BLOCK_、note_payload 含 sigma_block/block_ratio/n_blocks/warning；accuracy 按 block 树均值可靠性。
Schema/控制器/前端：RunAblupIn 加 block: bool=False；controller /ablup/run 透传；前端 statistics「多环境 GxE」tab 加 blockEnabled 复选框 + 互斥 watch（block↔gxe/gxr/spatial）+ payload.block + 成功文案/说明三元。
探针 Temp/claude/e2e_ablup_block_20260805.py 3 批次落库全过——[1] 3 区组×5 株已知 σ²block>0 → method/n_blocks/σ²block/block_ratio + EBV 独立矩阵解一致；[2] 单区组 409；[3] 无 block_no 409；[4] block+gxe/block+spatial 409 互斥；[5] 部分缺 block_no 降级剔除 + note 含剔除数；[6] 全收敛数据无区组归零警告。

批5-B（N1）：孟德尔检验落库 + 自动隔离 + 进数据质量报告：

新表（create_all 自动建）：MendelianCheckModel→bre_mendelian_check（dataset_id/compat_threshold/计数/summary_json/data_version/input_hash/engine_version/note）+ 子表 MendelianCheckTreeModel→bre_mendelian_check_tree（FK check_id CASCADE；tree_id/dam_id/sire_id/status/信息位点/兼容/不兼容/rate/flag/reason/incompatible_markers_json）；TreePedigreeExclusionModel→bre_pedigree_exclusion（tree_id 唯一、reason/source_type="mendelian"/source_check_id/created_id）。
服务：mendelian_check 纯计算核心抽共享 _compute_mendelian(dataset_id, compat_threshold)（GET 预览与 POST 逐字节同源）；新 run_mendelian_check 计算→落库主表+每树子行→自动隔离：flag=true 树 upsert bre_pedigree_exclusion，本次未 flag 但此前隔离（同 dataset 范围）删除隔离行（注册表=最新检验结论、可逆）。
控制器：新 POST /bre/genotype_call/mendelian/check/run（Auth module_bre:genotype_call:edit，写操作），GET 只读预览保留。
进数据质量报告：data_quality_report 加可选 dataset_id，提供时追加 mendelian 段（最新 bre_mendelian_check 计数 + flagged 树列表 + 当前隔离状态）；flagged>0 → summary.has_warning=True；无检验记录 → mendelian: None。DataQualityIn 加 dataset_id 透传。
系谱消费方断开亲本链（共享 _excluded_tree_ids() 读注册表，树级 dam/sire 置 None + note）：_build_pedigree（genetic_corr/index/type_b/gblup/ssgblup/gwas）、run_ablup 内联系谱循环、inbreeding_depression、kinship_matrix、run_cv、_germplasm_pedigree（树→种质亲本链）。GBLUP/ssGBLUP 基因型样本不过滤（错配是亲本声明非基因型）。
前端：genotype_call 孟德尔对话框主按钮改 POST mendelianCheckRun（展示 check_id + 隔离树数 + 新类型）；statistics「数据质量」tab 加 dataset 选择器 + mendelian 段（flag 计数 alert + 隔离树表）。
探针 Temp/claude/e2e_mendelian_persist_20260805.py ok=19 fail=0——[1] 落库（主表行/计数/子表行/check_id）；[2] 隔离生效 + EBV 断开（隔离树与声明亲本亲缘=0）；[3] 再跑未 flag → 隔离行清除（可逆）；[4] data_quality_report(dataset_id) mendelian 段 + has_warning=True、无检验 None；[5] run_ablup note 含隔离剔除数、genetic_corr 亲缘=0；[6] GET 只读预览 8 断言零回归。

批5-C（N2）：统计引擎全量数值真值校验（Temp/claude/e2e_stats_numerics_20260805.py，ok=101 fail=0）：

14 个引擎段 + 4 服务端点段全过：blup.solve 普通（独立 V⁻¹ BLUP≡MME + 网格 REML 表面一致）、_solve_gxe（MME 恒等 + 方差分解）、_solve_block（MME 恒等 + 区组效应恢复）、solve_spatial(_aniso)（R 重构 + MME 恒等 + ρ_row/ρ_col 恢复）、build_g_matrix（手算 VanRaden method2）、solve_gblup（MME 恒等 + 可靠性公式）、_build_h（教科书 H⁻¹ 含 Christensen 缩放 + 岭）、ssGBLUP MME 恒等 + 非基因型株 EBV≠0、solve_bivariate（完全正相关 r_g→1 / 独立 r_g≈0）、solve_multi（已知 G0 恢复 + PSD）、finlay_wilkinson（独立 OLS）、ammi（解析 2×2 SVD）、solve_rcbd（手算 SS/MS/F）、_solve_diallel（手算 GCA/SCA）、_proj_simplex/_solve_ocs/_selection_intensity、服务端 run_cluster（UPGMA 首次合并=最小距离对）、genetic_gain（ΔG=k·r_g·σ_A 复算）、data_quality_report（IQR/MAD 手算边界）、kinship_matrix（3 节点 A 手算）。
探针自身两处 fixture 缺陷修复（引擎本体零缺陷）：① A8.4 独立性状 r_g 假收敛 -0.99 / A9 G0 恢复不可靠——根因是 4 创始人+10 子代低 h²（h²≈0.43）小样本 REML 面平坦/近边界（单性状 ve 塌缩、EM 起点被毒化），换高遗传力（va=[4,3,2.5]、ve=[0.5,0.4,0.35]，h²≈0.87-0.9）+ 高真相关（0.95/0.90/0.85）+ 10 全同胞家系×3 株（n=54，24 创始人）良态设计 → r_g 恢复误差 ≤0.06（11.1s 收敛）；② B4.2 硬编码 tree_id==4（fixture 树真实自增 id 5664 非 4）→ 改 trees[3]（值 9.0 精英株）。逐项核实 EM-REML/M-step/固定点/MME/剖面均教科书正确，非引擎 bug 不误报。
runtime 约束记录：solve_multi 3 性状 n≥100 时每次迭代 MME solve+inv 0.7s（n=100）超 2 分钟，数值探针 fixture 保持 n≤54。

验证：

三新探针（e2e_ablup_block / e2e_mendelian_persist / e2e_stats_numerics）全过；27 套件全量回归零回归（含 e2e_mendelian_check / e2e_trial_design / e2e_trial_design_ext / e2e_gxe / e2e_gxr / e2e_molrigor / e2e_gwas / e2e_mating_kinship / e2e_mating_ebv / e2e_gblup_cv / e2e_statsflow / e2e_spatial_sparse / e2e_gs_family_cv / e2e_batch_selection / e2e_ocs / e2e_mabc / e2e_gaps_base / e2e_gaps_engines / e2e_gaps_modules / e2e_prediction_rigor / e2e_inbreeding_depression / e2e_parent_validation / e2e_advanced_gblup / e2e_corr_spatial）。
vue-tsc EXIT=0（前端 statistics/statistics.ts/genotype_call/index.vue 类型检查通过）。
HTTP 核验（后端重启）：POST /bre/genotype_call/mendelian/check/run、POST /bre/statistics/data-quality（dataset_id）mendelian 段、POST /bre/statistics/ablup/run（block=True / block+gxe 409）、POST /bre/statistics/ocs。
备份镜像 Temp/claude/backup_block_mendelian_numerics_20260805/（18 文件按相对路径，收尾补 2 文件 → 20：更新版 e2e_gaps_engines_20260804.py + http_v226.py）。
方法学保留：block 与 gxe/gxr 共用 Z₂ 槽故互斥（同一数据既跨环境又跨区组时用户二选一）；孟德尔隔离可逆（数据修正/阈值提高再 run 自动解除）；N2 探针与既有结构性探针互补（真值段独立 numpy 实现对照，fixture 良态设计避开小样本 REML 退化区）。

批5 跟进（2026-08-05，收尾）：

回归首轮抓 1 处探针陈旧断言（非引擎回归）：e2e_gaps_engines_20260804.py:141 断言 blup.ENGINE_VERSION == "1.4.0"，批5 已升 1.5.0 → 改断言 1.5.0 复跑通过（与批5 三处 _DATA_VERSION 同步同类机械性版本断言更新）。27 套件全量回归最终全部 exit=0。
HTTP 核验完成（Temp/claude/http_v226.py，后端重启后真实端点，ok=14 fail=0）：POST /bre/genotype_call/mendelian/check/run 200（check_id + isolated=1）；GET /bre/genotype_call/mendelian/check 只读预览零回归；POST /bre/statistics/data-quality（trait+dataset_id）mendelian 段 flagged=1 + summary.has_warning=True；POST /bre/statistics/ablup/run（block=True）200 → prediction method=ABLUP-BLOCK、model_name 前缀 ABLUP_BLOCK_、note 含 sigma_block/n_blocks=2；block+gxe / block+spatial 均 409（Z₂/残差互斥文案）；POST /bre/statistics/ocs 200（contributions 4 条和=2）。fixture 运行后自动清理（bre_mendelian_check/tree/pedigree_exclusion 0 残留）。
核验前需换新 token：dpb_token.txt 旧 token 过期（401「认证已失效」）→ 经 POST /system/auth/login（super/123456）刷新（登录在 /system 前缀，不在 /bre）。

18.16 批6 规划↔目标↔试验可追溯性闭环：plan/target/trial 三 FK + trace 端点 + 双删除守卫（2026-08-05，v2.27）

用户全代码库 grep 实证可追溯性缺口成立：bre_plan 是彻底孤立的根表（零传入外键，bre_trial 无 plan_id/target_id，无 project/program 表）。用户拍板「加试验挂目标」最小双链：bre_target.plan_id + bre_trial.plan_id（双链），另加 bre_trial.target_id（试验挂目标）。_DATA_VERSION v2.26→v2.27（statistics/service.py:97 + genotype_call/service.py:45；5 处探针版本断言同步：e2e_prediction_rigor:102 / e2e_spatial_sparse:175+229 / e2e_statsflow:174 / e2e_mendelian_persist:207）。

DB：新 backend/sql/weld_plan_trace.sql（幂等 ALTER 三列 + FK，已应用验证）：bre_target.plan_id FK→bre_plan、bre_trial.plan_id FK→bre_plan、bre_trial.target_id FK→bre_target，均可空（历史孤目标/独立试验不受影响，可追溯性渐进式）。
target 三件套：TargetModel.plan_id + relationship；schema plan_id 透传；get_list outerjoin 解析 plan_name；create 父校验（plan_id 不存在 → 409，None 跳过）；delete assert_no_children（有 combo 子 → 409）。
trial 三件套：TrialModel.plan_id/target_id + 双 relationship；schema 双字段透传；get_list 解析 plan_name+target_name；create 双父校验（不存在 → 409，None 跳过）；delete assert_no_children（有 trial_study 子 → 409）。
plan trace 端点：新 trace(plan_id) 服务方法 + GET /bre/plan/trace/{id}——{plan, targets:[{…,n_combinations,n_trees,combinations:[{…,trees}]}], trials:[{…,target_name,n_trial_studies,n_trees,trial_studies:[{…,trees}]}], totals}；组合/试验点软删过滤；孤目标不入链；不存在计划 409；plan.delete assert_no_children（有 target/trial 子 → 409）。
前端：target/trial 表单「所属计划/目标」select（res.data.data ?? []）+ 表格/详情列；plan 页「追溯」行操作弹窗（ElCollapse 目标链/试验链 + ElTags）。
探针 Temp/claude/e2e_plan_trace_20260805.py 17 断言全过（目标链/试验链/totals/软删过滤/孤目标不入链/三父校验 409/双删除守卫 409/标签解析），自清理（含 bre_target 审计行）。
审计探针根治（本批排查修复）：e2e_audit_20260805.py 残留检查原 entity_id.in_(CREATED_TARGET_IDS) 未限定 entity_type，而 entity_id 按实体表各自序列非全局唯一（breeding_target_id_seq 推进到 691 后，target id 与既有 bre_cross_combination(669/685)/bre_germplasm(675) 审计行撞 id → 间歇误报「仍有残留 id=…」）→ 残留检查限定 entity_type=='bre_target'（与 clean() 删除范围一致），连续 5 轮 13/13 稳定。

验证：新探针 17/17 + 全量回归零回归（60 套件，含批5 三探针零变化）+ vue-tsc EXIT=0。HTTP 核验（后端重启，Temp/claude/http_v227.py）：GET /bre/plan/trace/{id}、target/trial create 带 plan_id/target_id、三父校验 409、双删除守卫 409。备份镜像 Temp/claude/backup_plan_trace_20260805/（按相对路径）。

18.17 批7 统计引擎全量十模块 golden 复查·系谱键空间错位修复（2026-08-05，v2.28）

用户质疑「GBLUP/ssGBLUP、genetic_corr、type_b、cluster、stability、OCS、MABC、inbreeding_depression、trial_design、mendelian 这批新建模块还没逐一数值校验（golden-test 缺失）。历史上 G–L 的静默失效都是靠校验才暴露的」。拍板「全量十项逐一复查」。复查确认 8/10 已 golden（GBLUP/ssGBLUP、cluster、stability、OCS、MABC、inbreeding_depression、trial_design、mendelian 既有探针已具严格数值断言），type_b 与 genetic_corr 补齐 golden 缺口——审计深处抓到真 bug 就地修 + 探针加回归。_DATA_VERSION v2.27→v2.28（statistics/service.py:97 + genotype_call/service.py:45 同步；4 处探针版本断言同步：e2e_spatial_sparse:175+229 / e2e_statsflow:174 / e2e_prediction_rigor:102 / e2e_mendelian_persist:207）。

根因（THE BUG）：服务层把 int tree_id 表型键 传给 mtblup.solve_bivariate，而 _build_pedigree 系谱用 str "t{tree_id}"。blup.solve 的鲁棒逻辑（L382-385）把系谱外个体自动并入 base（视作无关 founder）→ 系谱被静默丢弃。平衡数据（同株跨环境提供协方差）掩盖；分裂家系数据（无同株跨环境、全同胞链跨站点桥接）暴露——int 键 → r_B/r_g 锁死 ±0.99（平剖面端点假收敛、假阴性负相关）。run_ablup 正确（L1020 phenos_keyed={f"t{tid}": v}），四个 mtblup 消费路径受影响。

修复：新增共享 helper _tree_individual_keys(d)（service.py:163，{tree_id:值}→{"t{tree_id}":值}）收口四个调用点——_genetic_corr_matrix（L2214）/ _smith_hazel_index mtblup 分支（L2754）/ run_genetic_corr（L5122，喂 solve_multi 与 solve_bivariate，类型注解同步改 dict[str, dict[str, float]]）/ run_type_b_heredity（L5294）。

探针 Temp/claude/e2e_rg_golden_20260805.py ok=21 fail=0——20 founder（10 母×10 父）、10 全同胞家系×3 同胞=30 株、3 站点、高遗传力良态设计（VA=4.0/VE=0.5，h²≈0.89，与批5-N2 良态设计经验一致）；tY 分裂家系（站1=同胞0,1/站2=同胞2/站3=全株，真 r_B=0.8）+ tA/tB/tC 平衡（真 r_g AB=0.95、AC=BC=0）+ tS1/tS2 分裂家系（真 r_g=0.8）：

[P0 诊断] solve_bivariate 直接调用：str 键恢复 r_B=0.7+、int 键锁死 −0.99（RED 实证）；
[P1 type_b golden] 服务端点 r_B(1,2)>0.5 + n_common=0（三站无共有树、靠全同胞系谱桥接——系谱生效的直接证据）+ 全正 min>0.3；
[P2 correlation golden] r_g(A,B)>0.65、|r_g(AC/BC)|<0.4、判别间隙>0.3、h²∈(0,1)；
[P2b discriminator] r_g(S1,S2)>0.5（分裂家系无共有树，RED 下锁死 −0.99）。

探针自身缺陷修复：_simulate 初版 int 键 vs 观测循环 str 键 KeyError（统一 str 键）、种子扫描键错位（E0/E1/E2 vs E1/E2/E3 查键致 p2 空）、P2 间隙阈值过紧（r_g(B,C)=0.374 高抽样波动，阈值 0.4→0.3 重校准）、死 _build_ainv 占位行删除、exit-code 通道 bug（return ok==0 and fail==0 恒假，改 fail==0，断言 21/21 本就全过）。

验证：新探针 21/21 + e2e_statsflow（B1/B2，单家系 fixture 对键 bug 不敏感，15 断言零变化）+ e2e_advanced_mtblup（r_g=0.99/n_common=4/smith-hazel mtblup）回归通过 + 全量回归零回归（batches 1–3 + final，60 套件，含版本断言同步）+ vue-tsc EXIT=0。HTTP 核验（后端重启，Temp/claude/http_v228.py）：POST /statistics/type-b-heredity（分裂家系 r_B(1,2)>0.5 + n_common=0 + data_version=v2.28）、POST /statistics/genetic-corr/run（tS1,tS2 分裂家系 r_g>0.5 + 平衡 tA,tB r_g>0.65）。备份镜像 Temp/claude/backup_keyspace_20260805/（按相对路径）。方法学保留：四个 mtblup 消费路径统一 str 键对齐系谱；探针 fixture 高遗传力 + 分裂家系结构保证判别力；run_ablup 正确路径不受影响。

18.18 回归基建：run_regression.py 统一回归 + 高风险模块正式 tc 套件（ssGBLUP/OCS/MABC/孟德尔）（2026-08-05，测试基建，不 bump 版本）

用户对批7 提出三点质疑，逐项核实全部成立，拍板「两者都要」——先建统一回归脚本把所有探针纳入（立即止血），再抽正式 tc 套件。纯测试基建，无后端代码改动，_DATA_VERSION 保持 v2.28：

全库 test_bre_*_tc.py（08-03）只覆盖「数据建链/导入导出/多波次」，对 GBLUP/ssGBLUP、OCS、MABC、近交衰退、试验设计、孟德尔检验这些新建分析模块零命中（full_tc 的 correlation 只是 GET 200 冒烟）；

19:55 改动（批7）未补 golden 测试——批7 探针建在 Temp/claude 一次性目录、无统一回归脚本；

风险：新模块若算偏（ssGBLUP 的 H⁻¹ 拼接、OCS 投影梯度收敛）会当「正常结果」输出——正是当年 G/I 静默失效的同款隐患（int-key bug 即活证据）。

统一回归脚本 run_regression.py（仓库根）：glob Temp/claude/e2e_*.py（排除 e2e_probe* 探查工具）+ backend/scripts/test_bre_analysis_*_tc.py = 63 测试；顺序串跑不并发（历史 RC=124 机器争用超时前科）；每测试独立子进程（cwd=os.path.dirname(p)、timeout=1800s）完整输出写 Temp/claude/regression_logs/<name>.log，控制台回显尾部 + EXIT；EXIT 汇总任一失败整体 exit≠0（供交付流程判断）；DPB_PYTHON 环境变量覆盖解释器（须 dpb env python，基础 miniconda 缺 PEP 695 generics SyntaxError）；sys.stdout.reconfigure(encoding="utf-8") 防 GBK 崩溃；过滤器 python run_regression.py gwas ocs；--keep-logs 保留日志。验证：全量 58/59 通过，唯一失败 gaps_engines 批量卡死（10 分钟无输出）单跑 RC=0 确认通过——机器争用非探针问题。

4 个正式 tc 套件（backend/scripts/，TestClient 走真实 API + lifespan，URL 带 /api/v1/bre/... 前缀，登录 super/123456 form）——高风险模块必测，fixture 自带清理：

test_bre_analysis_ssgblup_tc.py ok=14 fail=0：GBLUP vs ssGBLUP 同 fixture（5 株表型 + 基因型数据集：树0/1/3 直连、树2 名称兜底、树4 全多等位无有效剂量）。H⁻¹ 拼接判别核心——非基因型株（树4）GBLUP EBV=0 / ssGBLUP EBV≠0（若 H⁻¹=A⁻¹+[0;G⁻¹−A22⁻¹] 拼接错，非基因型亲属 EBV 为 0 或爆炸）；h²∈(0,1)、5 条 EBV、全部有限。
test_bre_analysis_ocs_tc.py ok=23 fail=0：8 种质（F1/F2/F3/D/E + A/B 全同胞 + C 半同胞）EBV 全 direct。Σc=3/c≥0/coverage direct 5/最高贡献 A≈1.419、vs_top_n mean_ebv 9.7667/avg_kinship 0.5556/c'Ac≈4.641、λ↑→avg_kinship 单调非增 [1.0,0.5157,0.3211,0.2685]、λ=0 满额投 A、kinship_status=partial+告警 D/E、n_select>候选/空候选→409、λ<0→422（schema 层 Pydantic ge=0 拦截）。
test_bre_analysis_mabc_tc.py ok=24 fail=0：轮回亲本 + 6 候选（C6 童期）、前景 F1/F2 + 背景 M1-M4。前景命中/背景恢复率 100/75/0 复算、回交建议（晋级 BC2/再回交/维持）降序、童期 C6 晋级、轮回亲本无基因型 warning、target 越界→422（le=100 schema 校验）、其余 409。
test_bre_analysis_mendelian_tc.py ok=9 fail=0：P1/P2 全 0/1→T1、P3/P4 全 0/0→T2（5 标记）。POST /bre/genotype_call/mendelian/check/run（下划线 genotype_call，非连字符）落库 + T2 flag 进隔离注册表 bre_pedigree_exclusion（source=mendelian/source_check_id）+ 阈值 0.0 重跑可逆（隔离行清除）+ GET 只读预览零回归；data_version=v2.28 落库。

tc 套件关键教训（写进探针防再犯）：

HTTP 语义差异：schema 层 Pydantic 校验（ge/le 约束）拦截 → 422；服务层 CustomException → 409（e2e 直调只见 409，tc 走 HTTP 见 422）——断言错误码须按路径定；
Mapper 注册：PlantingModel 等 relationship 引用 UserModel，tc 套件必须显式 from app.api.v1.module_system.user.model import UserModel 注册，否则 SQLAlchemy InvalidRequestError: expression 'UserModel' failed to locate a name；
时序验证：孟德尔 tc 的隔离注册表断言必须在 run1 落库后、run2（阈值 0.0 清除）之前验证，否则必然 n=0 假失败；
启动残留预清理：_wipe() 按前缀清残留（防上次进程被杀/建 fixture 中途失败留下 uq_bre_trait_code 等唯一键脏数据），套件可重复跑。

验证：4 个 tc 套件 EXIT=0（14/23/24/9）+ 全量回归 58/59（gaps_engines 单跑确认）。备份镜像 Temp/claude/backup_test_rigor_20260805/（root/run_regression.py + backend/scripts 4 tc 套件）。交付流程：凡改动统计引擎/业务链后端代码，跑 python run_regression.py（dpb env 解释器）全量回归 EXIT=0 后方可交付；新 tc 套件命名 test_bre_analysis_<模块>_tc.py 由驱动自动纳入。

18.19 回归基建 2：分析模块 tc 补齐（5 套）+ pytest 接入 + 本机 CI stage（2026-08-05，测试基建，不 bump 版本）

用户对 §18.18 的 4 套 tc 认可后，继续补齐 5 个静默失效风险较低但属相关性/回归/生成器类的分析模块（genetic_corr / type_b_heredity / inbreeding_depression / trial_design / run_stability），并把 v8 验收标准定为「CI 跑通 pytest 全绿」。两条硬约束：① 基于真实 PostgreSQL 16 + Redis（工程无 SQLite，tc 全部在真实 PG+Redis 实跑）；② 不做 GitHub Actions / 不登录 GitHub（全工程无 git 仓库，GitHub Actions 云端本机用不上）——CI stage 落地为本机驱动脚本 run_ci.py。纯测试基建，无后端代码改动，_DATA_VERSION 保持 v2.28。

补齐 5 套 tc（backend/scripts/，TestClient 真实 API + -X utf8 + _wipe() 残留预清理 + 自带清理）：

test_bre_analysis_genetic_corr_tc.py ok=19：平衡 3 性状（VA=4/VE=0.5，真 r_g AB=0.95/AC=BC=0，h²≈0.89）——matrix_json 对角 1/对称/r_g(AB)>0.65/|r_g(AC,BC)|<0.4/判别间隙>0.3/h²∈(0,1)；分裂家系判别 tS1（测同胞 0/1）+tS2（测同胞 2）：r_g(S1,S2)>0.5 且 n_common=0（无共有树，全同胞系谱桥接生效；rng 消耗序敏感性——S1/S2 用独立种子 SEED_S=3（扫描 0-39 验证 r≈0.99）解耦自探针 tY-first 顺序）；409×3。
test_bre_analysis_type_b_tc.py ok=18：3 站点分裂家系（站1=同胞0/1×20 株/站2=同胞2×10/站3=全株×30）：3 环境 envs_json 20/10/30、r_B(1,2)/r_B(1,3)/r_B(2,3)>0.5、min>0.3、n_common=0；复刻探针 tY-first rng 消耗序 → r=0.990；409×3（坏 trait/env_dim/method）。
test_bre_analysis_inbreeding_tc.py ok=44：12 树（6×F=0 + 6 自交 dam==sire F=0.5），y=100−60F+ε → slope<−40/t<−3/r²>0.9/has_depression=true/高 F 前 6 自交株；无衰退 slope≈0 未检出；方向感知 asc 病指 y=10+40F slope>30（上升=指数型）；deep 系谱 GP→G7/G8→H 树 F=0.125（mean_F≈0.0625）；min_n=20 insufficient（"12 棵"/"≥20"）不 409；409+422。
test_bre_analysis_trial_design_tc.py ok=25：增广 12 条目（9 新品系+3 对照）——新品系 3 区组×3 条不重复、对照 block_no=None 不落库（check_reps=3）；α-格子平方 v=9 k=3 r=4（λ≤1、每 rep 可分解、warn=False）/ 部分 r=3 仍平衡 / v=16 k=4 非素数 warn=True / 一般 v=12 贪心（r 缺省=s=4）；block_no=rep*100+block 复合编码 DB 读回（TestClient 退出后单一 asyncio.run 防嵌套 loop）；409×4；教训：α-格子 r=4 会 case() 整表覆写 block_no——部分 r=3 重跑须在 r=4 之前，否则 DB 读回是部分态。
test_bre_analysis_stability_tc.py ok=16：3 组合×3 站点 cell means C0=[0,6,12]/C1=[2,5,8]/C2=[4,4,4] → FW b≈2.0/1.0/−0.0、flag_stable C1=True 其余 False（|b−1|≤2se）、r²≈1（常量响应基因型 r²=None 合法）；AMMI n=9、rank 按 ASV 升序、IPC1 占比 1.0≥IPC2、ss_interaction=36>0；engine_version 落库断言；year 维度 + 409×2（坏 methods/gxe_env）。

pytest 包装层 backend/tests/test_stat_analysis_tc.py：9 套 tc 各一个 pytest 测试（@pytest.mark.pg + parametrize），subprocess 顺序串跑真实脚本（镜像 run_regression 契约：DPB_PYTHON 覆盖、-X utf8、timeout=1800）。环境控制关键——包装层不 import 任何 app 模块（防 conftest sqlite 污染）；subprocess env 显式构建：剥掉 conftest 注入的 DATABASE_TYPE/DATABASE_NAME/POOL_SIZE/MAX_OVERFLOW/CAPTCHA_ENABLE，置 ENVIRONMENT=dev/DATABASE_TYPE=postgres/PYTHONPATH=backend/PYTHONUTF8=1，再并入从 backend/env/.env.dev 解析的真实连接值（TC_CI_* 可覆盖验证 skipif 路径）。skipif 探测：asyncpg 连 PG + redis.asyncio ping；protocol=2 必须显式——redis-py 7.x 默认 RESP3，本机 WSL redis-server 版本较老 hello 报 ResponseError，与 app.core.database.redis_connect（Redis.from_url(...protocol=2)）对齐即通；任一失败 pytest.skip。pyproject.toml 注册 pg marker（消 PytestUnknownMarkWarning）；conftest.py 加 collect_ignore_glob=["../scripts/test_*.py"] 防收集 import 独立脚本污染 sqlite 环境。

本机 CI stage run_ci.py（仓库根）：step 0 探测真实 PG16+Redis（asyncpg + redis.asyncio protocol=2，失败给明确指引并 exit≠0）；step 1 pytest -m pg（dpb python + -X utf8，cwd=backend）跑 9 套；step 2 汇总 EXIT=0 →「✅ CI 全绿」；日志写 Temp/claude/ci_logs/。与 run_regression 并存（run_regression=手动全量回归 / run_ci=验收门）。

验证：5 套逐个 EXIT=0（19+18+44+25+16=122 断言）；pytest -m pg 9 passed（真实 PG+Redis，146s，含既有 4 套零回归）；skipif 路径（TC_CI_DB_PORT=1 指错端口）9 skipped 不红、无 unknown-marker 警告、scripts 未被收集（88 collected/79 deselected/9 pg）；run_ci.py EXIT=0「CI 全绿」；run_regression.py test_bre_analysis glob 自动纳入 9 套。备份镜像 Temp/claude/backup_analysis_tc2_20260805/。交付流程：v8 验收 = python run_ci.py EXIT=0（或 cd backend && pytest -m pg 全绿）；改动统计引擎/业务链后端仍跑 python run_regression.py 全量。

18.20 O2–O4 统计方法学广度：幼年–成年遗传相关 + 非线性基因组预测 + 约束选择指数（2026-08-05，v2.29）

用户系统核对统计引擎能力后确认三项 P2 方法学缺口（均零命中、不影响当前业务正确性，属统计方法库广度），拍板「O2–O4 先落地」+ 两项决策：① O4 用经典 Kempthorne–Nordskog =0 闭式解（纯 numpy 不迭代）；② 前后端同步扩展。方法学扩展 → _DATA_VERSION v2.28 → v2.29、genomic.ENGINE_VERSION 1.3.0 → 1.4.0。无新表：O2 复用 bre_type_b_result（env_dim 自由字段）、O3 复用 bre_prediction/bre_prediction_value（method 标签扩展）、O4 复用 bre_selection_index（result_json 已含 extra）。

O2 幼年–成年遗传相关（env_dim="stage"）：_values_by_tree_env（service.py:324）加 stage 分支——coalesce(obs.stage, TraitModel.stage) 分组（观测缺省继承 bre_trait.stage）、group_by 含 coalesce 表达式、同树同阶段多次观测取均值；run_type_b_heredity env_dim 校验扩 ("site","year","stage")。发育阶段当"环境"→ 逐对 mtblup.solve_bivariate REML 精确估幼-成遗传相关 r_g（>0.5 表示童期可借力成株、早期间接选择有效）。前端 Type-B 页签 env_dim 下拉加「stage=发育阶段(幼/成)」。

O3 非线性基因组预测（genomic 1.4.0）：

solve_rrblup（service 5774 分派）：岭回归逐标记 y=μ+Xu+e，u=(Xc'Xc+λI)⁻¹Xc'yc，λ 由剖面 REML σa²/σe² 定（σu²=σa²/c、c=2Σp(1-p)），EBV=Xc·u+μ —— 与 GBLUP 数学对偶（G=XcXc'/c 时闭式解 ĝ=G(G+λa·I)⁻¹yc+μ 逐位吻合，探针 1.42e-13）；输出 marker effects（GBLUP 无的解释能力）+ PEV 可靠性近似。
solve_bayesb：BayesB Gibbs 可变选择——δ_j~~Bernoulli(1−π)+方差尺度混合、σ²j~~inv-χ²(df_s+1,(df_s·scale0+u_j²)/(df_s+1))、σe²~inv-χ²(df_e+m,...)，numpy.random.default_rng(seed) 确定性（MLOps 铁律：同 seed 两次 EBV 逐位一致）；π 默认 0.95、稀疏 QTL 场景取 0.7 更贴合 30% QTL 真值。
kfold_cv_genomic 加 dosage/markers 分派：rrblup/bayesb 折内走对应求解器（实证 CV）；run_cv GS 分支透传 seed + genotypes + markers，method_name=KFCV/RRBLUP·KFCV/BayesB。
run_gblup method 扩 ("gblup","ssgblup","rrblup","bayesb") + seed 透传，rrblup/bayesb 从 _gather_gblup_inputs dosage 构 X → asyncio.to_thread 引擎，落 PredictionModel(method=RRBLUP/BayesB) + PredictionValueModel（EBV/rel/pa/rank）、engine_version=1.4.0。前端 GBLUP/CV 页签 method radio 加 RRBLUP/BayesB + seed 输入。

O4 约束选择指数（restricted 闭式解 + economic weights）：

_smith_hazel_index 加 restricted_traits/economic_weights。受限时 Kempthorne-Nordskog Lagrange 闭式投影：C（第 j 行=第 j 个受限性状单位向量）、M = C'(C·G·P⁻¹·G·C')⁻¹·C·G·P⁻¹·G、b = P⁻¹·G·(I−M)·a → 约束 C·G·b=0 ⇔ 受限性状 ΔG=0（纯 numpy pinv，不迭代）。对照旧公式 M=C'(C·P⁻¹·C')⁻¹·C·P⁻¹ 实测 ΔG=4.46 不满足 → 修正必要（e2e O4-1c 断言锁定）。
economic_weights 直接作 a（绝对尺度、不归一化统计权重、未列性状按 0 不进聚合基因型），可与 restricted 叠加；direction=asc 仍翻转 a[i]（b=P⁻¹Ga 线性于 a → 保证该性状 b 相对下降，(P⁻¹G)₀₀>0 保号，非必 sign flip——tc 断言用严格下降）。
extra 落 restricted/constraint_mode=ΔG=0/economic + warnings；method 校验扩 ("zsum","smith_hazel","restricted")、缺 restricted_traits 409、restricted_traits ⊆ cols（越界 409）、economic_weights 性状 ⊆ tmap。落库 method=SI_RES。前端指数页 method radio 加 restricted + restricted_traits 多选 + 每性状经济权重输入。

顺手修复（tc 暴露的既有缺口）：cv_detail 折明细 dict 缺 cv_result_id（CvFoldOut 必填字段）→ 任意 GET /cv/{id} 400（既有 tc 均未触达该端点，静默失效风险同款）；补 "cv_result_id": cv_id 后 rrblup/bayesb CV 详情可查。

验证：e2e_o234_20260805.py 探针 19 断言（O3 对偶逐位 1.42e-13 + marker effects + BayesB 可复现 + kfold 5 折；O4 受限 ΔG=0 机器精度 + 旧公式失败 + economic asc 翻转；O2 真实 PG 16 树 r_g=0.6145）；正式 tc test_bre_analysis_o234_tc.py ok=41 fail=0（TestClient 真实 API + golden：O2 env_dim=stage r_g=0.8995/n_common=12/双阶段 12 株/data_version=v2.29；O3 落库 method+engine_version 1.4.0/bayesb 同 seed 两次逐位一致/rrblup·GBLUP EBV 相关 1.000/CV 折数=5/非法 method 409；O4 restricted b_受限=0.0/economic desc>0·asc<0/缺 restricted_traits 409）+ TC_SCRIPTS 注册第 10 套 + 全量回归零回归（61 e2e + 10 tc）+ run_ci.py EXIT=0「CI 全绿」。备份镜像 Temp/claude/backup_o234_20260805/。

十、文件清单与备份

新增/修改文件（2026-08-03）

文件	说明
`backend/app/api/v1/module_bre/statistics/service.py`	G×E 引擎 + 异步任务 + 门禁（含 `blup.solve` 传参）
`backend/app/api/v1/module_bre/statistics/model.py`	`StatisticsJobModel`（job_type/status/error_msg/result_ref）
`Temp/claude/e2e_gxe_20260803.py`	G×E e2e 探针（5 场景）

新增/修改文件（2026-08-04）

文件	说明
`backend/sql/weld_trait_direction.sql`	幂等 ALTER 三列
`backend/sql/bre_trait_seed.sql`	种子数据含三新列（43 行）
`backend/app/api/v1/module_bre/trait/model.py` / `schema.py` / `service.py`	三字段透传 + 批量导入导出兼容
`backend/app/api/v1/module_bre/statistics/service.py`	方向翻转 + into_ebv 剔除 + default_h2 兜底 + 排行/对比方向修复
`backend/app/api/v1/module_bre/statistics/controller.py`	`selection_only` query 参数
`frontend/web/src/api/module_bre/statistics.ts`	`listTraits` 带 selection_only
`frontend/web/src/views/module_bre/statistics/index.vue`	selTraits 解耦 + asc 角标
`frontend/web/src/views/module_bre/trait/index.vue`	三字段表单/表格/详情/搜索
`frontend/web/src/views/module_bre/selection_rule/index.vue`	规则 JSON 说明
`Temp/claude/e2e_direction_20260804.py`	方向标注 e2e 探针（7 组）

新增/修改文件（2026-08-04 无性系级指数）

文件	说明
`backend/app/api/v1/module_bre/statistics/schema.py`	`SelectionIndexIn.aggregate`（clone 默认 / tree）+ 文件头补 UTF-8 编码声明
`backend/app/api/v1/module_bre/statistics/controller.py`	selection_index 透传 `data.aggregate`
`backend/app/api/v1/module_bre/statistics/service.py`	`_clone_units` 可靠加权聚合 + 自株退化；zsum/Smith-Hazel 改单元 key 排名；`apply_selection` 按遗传实体写（clone_id + 溯源株 + 系内N株）+ 幂等晋升建 clone
`frontend/web/src/api/module_bre/statistics.ts`	`selectionIndex` data 加 `aggregate`
`frontend/web/src/views/module_bre/statistics/index.vue`	聚合粒度 radio + clone 结果列
`Temp/claude/e2e_clone_index_20260804.py`	无性系级指数 e2e 探针（6 组）

新增/修改文件（2026-08-04 配合力交配设计）

文件	说明
`backend/sql/weld_combining_design.sql`	幂等 ALTER：`bre_cross_combination` / `bre_combining_ability` 加 `design_type`
`backend/app/api/v1/module_bre/cross_combination/model.py` / `schema.py` / `service.py`	`design_type` 字段 + create/update 校验归一化 + 导出/导入/模板兼容
`backend/scripts/breeding_stats/combining.py`	`solve(rows, design_type)` 按设计分支：双列 model A / line_tester+NCIII model B（双因素、顺序 ANOVA、角色重叠/NCIII 门禁、gca_se）
`backend/app/api/v1/module_bre/statistics/controller.py` / `schema.py` / `service.py`	`run_combining` 透传 design_type + 按设计过滤 + 落库 + `anova.gca_se`
`frontend/web/src/api/module_bre/statistics.ts` / `cross_combination.ts`	design_type 类型透传
`frontend/web/src/views/module_bre/statistics/index.vue` / `cross_combination/index.vue`	运行对话框设计选择 + 结果分显示 + CRUD 四处支持
`Temp/claude/e2e_combining_design_20260804.py`	配合力交配设计 e2e 探针（5 组）

新增/修改文件（2026-08-04 统计严谨·预测完整性与 MLOps 复现性）

文件	说明
`backend/sql/weld_prediction_rigor.sql`	幂等 ALTER：`bre_prediction_value.pa` + `bre_prediction.data_version/input_hash/engine_version`
`backend/sql/weld_rootstock.sql`	幂等 ALTER：`bre_rootstock.dwarf_class/compatibility`
`backend/app/api/v1/module_bre/statistics/model.py` / `schema.py`	`pa`/`data_version`/`input_hash`/`engine_version` 字段 + OutSchema 透出
`backend/app/api/v1/module_bre/statistics/service.py`	`_DATA_VERSION="v2.7"`；PA 落库 + 批次真 PA；输入哈希（确定性序列化）；germplasm_id 回填；Calo 相关校正（`rel_by_trait` + `g_corr`/`g_note`）；`covariate="competition"`（Chebyshev 邻域 + G×E 泛化 + 无坐标报错）
`backend/scripts/breeding_stats/blup.py`	`ENGINE_VERSION="1.0.0"`
`backend/app/api/v1/module_bre/rootstock/model.py` / `schema.py` / `service.py`	`dwarf_class`/`compatibility` 字段 + 导入导出/模板下拉
`frontend/web/src/api/module_bre/statistics.ts`	指数批次表/EBV 行类型加 `germplasm_id`/`pa`
`frontend/web/src/views/module_bre/statistics/index.vue`	批次表新列 + 协变量 radio（无/crop_load/competition）
`frontend/web/src/api/module_bre/rootstock.ts`	Rootstock 类型加两字段
`frontend/web/src/views/module_bre/rootstock/index.vue`	两字段全量（常量/搜索/表格/详情/表单）
`Temp/claude/e2e_prediction_rigor_20260804.py`	②③④ e2e 探针（4 组）
`Temp/claude/e2e_rootstock_20260804.py`	⑤ e2e 探针
`Temp/claude/e2e_corr_spatial_20260804.py`	①⑥ e2e 探针（3 组）
`backend/sql/weld_combination_funnel.sql`	幂等建 `v_combination_funnel`（六级聚合普通 VIEW）
`backend/app/api/v1/module_bre/statistics/service.py` / `controller.py`	`combination_funnel()` 查视图 + `GET /statistics/combination-funnel`
`Temp/claude/e2e_combination_funnel_20260804.py`	组合得失漏斗 e2e 探针（3 组）

新增/修改文件（2026-08-04 分子育种建数据能力）

文件	说明
`backend/sql/weld_molecular.sql`	幂等补 `bre_genotype_sample.sample_name` + (dataset_id, sample_name) 索引
`backend/sql/bre_menu.sql`	900210-900213 切真实页面 + F 段按钮 900700-900799 + 角色关联
`backend/app/api/v1/module_bre/marker/`	五件套（marker_name UNIQUE 校验、CRUD/导入导出/模板）
`backend/app/api/v1/module_bre/genotype_dataset/`	五件套（v1.4 规划表首次建服务）
`backend/app/api/v1/module_bre/genotype_sample/`	五件套（dataset FK 校验 + dataset_name 透出）
`backend/app/api/v1/module_bre/genotype_call/`	五件套 + `import_vcf` + `fingerprint_check` 两个专属端点
`backend/app/api/v1/module_bre/__init__.py`	注册 4 组路由
`frontend/web/src/api/module_bre/marker.ts`	MarkerAPI
`frontend/web/src/api/module_bre/genotype_dataset.ts`	GenotypingDatasetAPI
`frontend/web/src/api/module_bre/genotype_sample.ts`	GenotypeSampleAPI
`frontend/web/src/api/module_bre/genotype_call.ts`	GenotypeCallAPI + VCF/指纹接口与结果类型
`frontend/web/src/views/module_bre/marker/index.vue`	标记 CRUD 页
`frontend/web/src/views/module_bre/genotype_dataset/index.vue`	数据集 CRUD 页
`frontend/web/src/views/module_bre/genotype_sample/index.vue`	样本 CRUD 页（dataset 下拉）
`frontend/web/src/views/module_bre/genotype_call/index.vue`	分型 CRUD 页 + 导入 VCF / 指纹检测对话框
`Temp/claude/e2e_molecular_20260804.py`	分子育种 e2e 探针（CRUD/唯一键/父级/指纹/VCF/幂等）

新增/修改文件（2026-08-04 精修项四连发：DUS 数据能力 + stage 感知 + k-fold CV + 公平性报告）

文件	说明
`backend/sql/weld_refine.sql`	幂等 ALTER：`bre_prediction.stage varchar(16)` + COMMENT
`backend/sql/bre_dus_seed.sql`	UPOV TG/53 桃描述符 15 条种子（trait_code LEFT JOIN 解析 trait_id，ON CONFLICT DO NOTHING）
`backend/sql/bre_menu_refine.sql`	900230 切真实页 + G 段按钮 900800-900808 + 角色关联
`backend/app/api/v1/module_bre/dus/`	五件套 ×3 资源（descriptor 9 端点含导入导出模板 / test 9 / observation 6），注册 `/bre/dus_test/*`
`backend/app/api/v1/module_bre/statistics/model.py`	`PredictionModel.stage` + `CvResultModel` + `CvFoldModel`（create_all 建表）
`backend/app/api/v1/module_bre/statistics/schema.py`	`PredictionOut.stage` + `CvRunIn/CvResultOut/CvFoldOut` + `SelectionIndexIn/DecisionPreviewIn.stage`
`backend/app/api/v1/module_bre/statistics/service.py`	`_trait_meta_map` 取 stage；`run_ablup` 落 stage；`run_cv/list_cv/cv_detail`；`fairness_report`；`selection_index/decision_preview` stage 过滤 + `stage_warning`/`skipped_stage`
`backend/app/api/v1/module_bre/statistics/controller.py`	`/statistics/cv/run` `/statistics/cv` `/statistics/cv/{id}` `/statistics/fairness` + 指数/决策 stage 透传
`backend/scripts/breeding_stats/blup.py`	`kfold_cv`：sire 家系分层留出 + 逐折 try/except + 留出 EBV 系谱预测
`frontend/web/src/api/module_bre/dus.ts`	三组 API + 类型
`frontend/web/src/api/module_bre/statistics.ts`	`runCv/listCv/cvDetail/fairnessReport` + `listTraits` 补 stage
`frontend/web/src/views/module_bre/dus/index.vue`	单页三 tab（描述符模板/DUS 测试/观测录入）
`frontend/web/src/views/module_bre/statistics/index.vue`	「交叉验证」「公平性报告」双 tab + 指数/决策 stage 三态 + `stage_warning` ElAlert
`Temp/claude/e2e_refine_20260804.py`	精修项四连发 e2e 探针（4 组，ABLUP/GXE CV + 2 site 公平性）

新增/修改文件（2026-08-04 六项能力完善：MT-BLUP + GBLUP/ssGBLUP + DUS 特异性 + AMMI/FW 稳定性 + MLOps 重训 + stage 拆分）

文件	说明
`backend/sql/weld_advanced.sql`	幂等 ALTER：`bre_prediction.is_active` + `bre_trait_observation.stage` + `bre_dus_test.analysis_json`（jsonb）+ COMMENT
`backend/app/api/v1/module_bre/statistics/model.py`	`PredictionModel.is_active` + `GeneticCorrResultModel` + `StabilityResultModel`（create_all 建 2 新表）
`backend/app/api/v1/module_bre/statistics/schema.py`	`GeneticCorrIn/GeneticCorrResultOut/StabilityRunIn/StabilityResultOut/GblupRunIn` + `SelectionIndexIn.g_method` + `RunStatsIn.stage` + `PredictionOut.is_active/stage`
`backend/app/api/v1/module_bre/statistics/service.py`	`run_genetic_corr/list/detail`、`run_stability/list/detail`、`run_gblup/list_genotyping_datasets`、`model_drift/retrain/activate`、`run_ablup(stage)`、`_gather_digest_inputs`、`_smith_hazel_index(g_method)`；修复未定义 `tid`、retrain 不激活新批次
`backend/app/api/v1/module_bre/statistics/controller.py`	6 组新端点（genetic-corr×3 / stability×3 / gblup×2 / model drift·retrain·activate×3）+ 透传 g_method/stage
`backend/app/api/v1/module_bre/dus/service.py`	`distinctness` 求解器 + `test_distinctness`/`distinctness_report`（落 analysis_json + conclusion 自动建议）
`backend/app/api/v1/module_bre/dus/controller.py` / `schema.py`	`POST/GET /bre/dus_test/distinctness/{test_id}` + `DusTestOutSchema.analysis_json`
`backend/app/api/v1/module_bre/trait_observation/model.py` / `schema.py` / `service.py`	`stage` 字段（model 列 + create/update/out schema 透传 + 导入/导出映射，schema 暴露为收尾补丁）
`backend/scripts/breeding_stats/mtblup.py`	`solve_bivariate`（成对双性状 REML，ENGINE_VERSION=1.0.0）
`backend/scripts/breeding_stats/genomic.py`	`build_g_matrix`/`solve_gblup`/`solve_ssgblup`（ENGINE_VERSION=1.0.0；修复 V 块用 H 协方差）
`backend/scripts/breeding_stats/stability.py`	`finlay_wilkinson`/`ammi`（ENGINE_VERSION=1.0.0；修复完美拟合 flag_stable）
`backend/scripts/breeding_stats/fdist.py`	`f_icdf`（二分反解）+ `t_crit`
`backend/scripts/breeding_stats/blup.py`	`ENGINE_VERSION="1.1.0"`
`frontend/web/src/api/module_bre/statistics.ts`	三 tab 组 API + modelDrift/Retrain/Activate + g_method/stage 类型
`frontend/web/src/views/module_bre/statistics/index.vue`	「遗传相关 MT-BLUP」「稳定性 AMMI/FW」「基因组选择 GBLUP」三 tab + stage 三态 + g 矩阵来源 radio + 当前版本标签/漂移/重训/回滚按钮
`frontend/web/src/views/module_bre/dus/index.vue`	测试行「特异性判定」对话框
`frontend/web/src/api/module_bre/tree_evaluation.ts` / `views/module_bre/tree_evaluation/index.vue`	观测表单「观测阶段」下拉（juvenile/evaluation，写入每条观测 stage）
`Temp/claude/e2e_advanced_stability.py` / `stage.py` / `mtblup.py` / `gblup.py` / `dus.py` / `mlops.py`	6 组 e2e 探针（运行后自动清理）
`doc/桃育种系统模块扩展需求规格.md`	v2.10 版本行 + §8.18 台账
`doc/桃育种系统模块扩展需求规格.v2.10.md`	冻结快照
`doc/桃育种系统统计引擎实施记录.md`	§十一六项能力完善 + 文件清单/备份/复跑
`doc/桃育种系统规划对照总表.md`	header ⑨ + EBV/分子行更新

新增/修改文件（2026-08-04 田间试验精度补强：砧木×接穗随机互作 G×R）

文件	说明
`backend/scripts/breeding_stats/blup.py`	`_solve_gxe` 加 `factor_label/factor_name` 参数（仅喂警告文案，默认保 G×E 不变）+ 公开 `solve()` 透传 + ENGINE_VERSION 1.2.0
`backend/app/api/v1/module_bre/statistics/schema.py`	`RunStatsIn.gxr`
`backend/app/api/v1/module_bre/statistics/controller.py`	run_ablup 透传 gxr
`backend/app/api/v1/module_bre/statistics/service.py`	`run_ablup(gxr)`：互斥门禁 + job_type=GXR + `elif gxr:` 分支（rootstock 剥离/门禁三件套/GXRBLUP/note σ²gxr）+ 克隆坍缩系谱上移共享 + `_DATA_VERSION` v2.10
`frontend/web/src/api/module_bre/statistics.ts`	`RunStatsPayload.gxr`
`frontend/web/src/views/module_bre/statistics/index.vue`	G×R 复选框 + 互斥 watcher + fmtGxeNote σ²gxr 分支 + 批次表 v-if
`Temp/claude/e2e_gxr_20260804.py`	e2e 探针（4 组断言，运行后自动清理）
`doc/桃育种系统模块扩展需求规格.md`	v2.11 版本行 + §8.19 台账
`doc/桃育种系统模块扩展需求规格.v2.11.md`	冻结快照
`doc/桃育种系统统计引擎实施记录.md`	§十二 G×R 落地 + 文件清单/备份/复跑
`doc/桃育种系统规划对照总表.md`	header ⑩ + EBV/田间试验精度行补 G×R

新增/修改文件（2026-08-04 基因组选择实证严谨性：GS 专用 k-fold CV）

文件	说明
`backend/scripts/breeding_stats/genomic.py`	抽取 `_build_h`（缺失基因型补 base）+ 新增 `kfold_cv_genomic`（掩蔽留出 pearson/RMSE，输出对齐 blup.kfold_cv）+ ENGINE_VERSION 1.1.0
`backend/app/api/v1/module_bre/statistics/service.py`	`_gather_gblup_inputs` 提取（run_gblup↔GS CV 复用）；`run_cv` 加 `dataset_id/method/maf_min` + GS 分支（与 gxe/ABLUP 互斥）+ engine_version 按分支 + `_DATA_VERSION` v2.11
`backend/app/api/v1/module_bre/statistics/schema.py`	`CvRunIn.dataset_id/method/maf_min`
`backend/app/api/v1/module_bre/statistics/controller.py`	run_cv 透传三参
`frontend/web/src/api/module_bre/statistics.ts`	`CvRunPayload.dataset_id/method/maf_min`
`frontend/web/src/views/module_bre/statistics/index.vue`	CV tab mode radio（ABLUP/GS）+ dataset/method/MAF + 隐藏 G×E + submitCv 按 mode
`Temp/claude/e2e_gblup_cv_20260804.py`	GS CV e2e 探针（3 组：GBLUP/ssGBLUP 正例 + 门禁，运行后自动清理）
`doc/桃育种系统模块扩展需求规格.md`	v2.12 版本行 + §8.20 台账
`doc/桃育种系统模块扩展需求规格.v2.12.md`	冻结快照
`doc/桃育种系统统计引擎实施记录.md`	§十三 GS k-fold 落地 + 文件清单/备份/复跑
`doc/桃育种系统规划对照总表.md`	header ⑪ + EBV/GS 行补「GS k-fold 实证验证」

新增/修改文件（2026-08-04 现代桃育种领域覆盖：S-allele + 抗病/需冷量性状）

文件	说明
`backend/sql/bre_disease_chilling_traits.sql`	5 条 numeric trait 种子（3 抗病 0-5 级病情指数 + 需冷量 h + 需热量 GDD，into_ebv=1、direction=asc，幂等 ON CONFLICT）
`backend/app/api/v1/module_bre/germplasm/model.py`	`s_alleles` 列（String(32)，Sf=自交亲和型）
`backend/app/api/v1/module_bre/germplasm/schema.py`	Create/Update 加 `s_alleles`（Out 继承 Create）
`backend/app/api/v1/module_bre/cross_combination/schema.py`	`CrossCombinationOutSchema.s_compat`（可选派生字段）
`backend/app/api/v1/module_bre/cross_combination/service.py`	`_parse_s_alleles`/`_s_compat_check`/`_check_s_compat` + create/update 校验（Sf 放行、共享 2→409、共享 1→半兼容警示）
`frontend/web/src/api/module_bre/germplasm.ts`	`GermplasmForm/GermplasmTable.s_alleles?`
`frontend/web/src/views/module_bre/germplasm/index.vue`	表单加 S-等位基因输入 + 导出列
`frontend/web/src/views/module_bre/cross_combination/index.vue`	包装 createApi/updateApi 展示 `s_compat` 警示
`Temp/claude/e2e_s_allele_20260804.py`	S-allele 兼容校验探针（纯函数 8 例 + service 层 5 组，运行后自动清理）
`doc/桃育种系统模块扩展需求规格.md`	v2.13 版本行 + §8.21 台账
`doc/桃育种系统模块扩展需求规格.v2.13.md`	冻结快照
`doc/桃育种系统统计引擎实施记录.md`	§十四落地 + 文件清单/备份/复跑
`doc/桃育种系统规划对照总表.md`	header ⑫ + 相关行补「S-allele 兼容 + 抗病/需冷量性状字典」

新增/修改文件（2026-08-04 GWAS/QTL/MAS 标记辅助选择闭环）

文件	说明
`backend/scripts/breeding_stats/gwas.py`	GWAS 求解器（GLM+PC：SVD 群体结构 + `fdist.f_pvalue` p 值 + Bonferroni/BH-FDR + QTL 合并 + 岭回归共线兜底，ENGINE_VERSION=1.0.0，纯 numpy）
`backend/sql/weld_gwas.sql`	幂等 `CREATE TABLE IF NOT EXISTS`：bre_gwas_result/bre_gwas_snp/bre_qtl/bre_mas_panel/bre_mas_panel_marker（5 新表兜底）
`backend/sql/bre_menu.sql`	§6d：`sys_menu 900214` component_path 翻转为 `module_bre/gwas/index`
`backend/app/api/v1/module_bre/statistics/model.py`	`GwasResultModel`/`GwasSnpModel`/`QtlModel`/`MasPanelModel`/`MasPanelMarkerModel`
`backend/app/api/v1/module_bre/statistics/schema.py`	`GwasRunIn/GwasResultOut/GwasSnpOut/QtlIn/QtlOut/MasPanelIn/MasPanelOut/MasPanelMarkerIn/MasPanelSetMarkersIn`
`backend/app/api/v1/module_bre/statistics/controller.py`	gwas×3 + qtl×5 + mas-panel×4 端点（复用 `module_bre:statistics:*` 权限）
`backend/app/api/v1/module_bre/statistics/service.py`	`_gather_gwas_inputs` + `run_gwas/list_gwas/gwas_detail` + qtl/mas_panel CRUD + `mas_panel_set_markers` + `_mas_hit_map` + decision_preview marker 条件 + `_DATA_VERSION` v2.12
`frontend/web/src/api/module_bre/gwas.ts`	runGwas/listGwas/gwasDetail + Qtl/MasPanel/MasPanelMarker API
`frontend/web/src/views/module_bre/gwas/index.vue`	三 tab（GWAS 结果 Manhattan/QQ 裸 echarts + QTL 定位 + MAS 面板）+ 运行对话框
`Temp/claude/e2e_gwas_20260804.py`	GWAS/QTL/MAS 闭环探针（7 段断言，运行后自动清理；含数据设计要点避免 PC 吞噬 QTL）
`doc/桃育种系统模块扩展需求规格.md`	v2.14 版本行 + §8.22 台账
`doc/桃育种系统模块扩展需求规格.v2.14.md`	冻结快照
`doc/桃育种系统统计引擎实施记录.md`	§十五落地 + 文件清单/备份/复跑
`doc/桃育种系统规划对照总表.md`	header ⑬ + 900214 行「GWAS/QTL 已落地」

新增/修改文件（2026-08-04 九缺口补齐：经典侧计算端点 + 分子侧严谨性 + 求解器核心）

文件	说明
`backend/app/api/v1/module_bre/statistics/controller.py`	`POST /data-quality` + `POST /genetic-gain` + `POST /mating-recommend` + `POST /gwas-qtl-x-e`
`backend/app/api/v1/module_bre/statistics/service.py`	`data_quality_report`/`genetic_gain`/`mating_recommend`/`qtl_x_e` + `_allelic_from_gt`/装配 marker_type 分支 + `_DATA_VERSION` v2.13
`backend/app/api/v1/module_bre/statistics/schema.py`	4 新端点入参出参 + `RunStatsIn.spatial` 等
`backend/scripts/breeding_stats/blup.py`	`solve_spatial`（AR1×AR1，ENGINE_VERSION 1.3.0）+ `_build_ainv_sparse`/`_cg_solve`/Hutchinson（N_SPARSE=1000 阈值分派稀疏-CG 路径，稠密路径逐字节不变）
`backend/scripts/breeding_stats/gwas.py`	`_emmax` + 后处理抽共享 `_bh_qvalues`/`_finalize`/`_cluster`（GLM 逐字节不变，ENGINE_VERSION 1.1.0）
`backend/scripts/breeding_stats/genomic.py`	`build_g_matrix` 多等位 VanRaden 推广（ENGINE_VERSION 1.2.0）
`backend/app/api/v1/module_bre/genotype_call/service.py`	VCF 导入按 ALT 数定 `marker_type`（ssr/snp）
`backend/sql/weld_mas_semantics.sql`	幂等 ADD COLUMN：bre_mas_panel_marker.mode / favorable_allele / haplotype_group
`frontend/web/src/views/module_bre/statistics/index.vue`	数据质量/遗传增益/选配 3 入口 + spatial 复选框
`frontend/web/src/api/module_bre/statistics.ts`	3 新端点 + spatial 参数
`frontend/web/src/views/module_bre/gwas/index.vue`	method 下拉（gwas/emmax）+ QTL×E tab + 面板标记编辑器三控件（xeForm 类型断言修复 vue-tsc）
`frontend/web/src/api/module_bre/gwas.ts`	`GwasQtlXEIn` + method 枚举
`Temp/claude/e2e_data_mating_gain_20260804.py`	批1 探针（数据质量/遗传增益/选配，运行后自动清理）
`Temp/claude/e2e_molrigor_20260804.py`	批2 探针（EMMAX/SSR/QTL×E/MAS 语义，运行后自动清理）
`Temp/claude/e2e_spatial_sparse_20260804.py`	批3 探针（AR1×AR1/稀疏-CG/Hutchinson，运行后自动清理）
`doc/桃育种系统模块扩展需求规格.md`	v2.15 版本行 + §8.23 台账（+ 补 v2.13 缺失版本行）
`doc/桃育种系统模块扩展需求规格.v2.15.md`	冻结快照
`doc/桃育种系统统计引擎实施记录.md`	§十六落地 + 文件清单/备份/复跑
`doc/桃育种系统规划对照总表.md`	header ⑭ + EBV/ABLUP 行、GWAS/QTL/MAS 行补注

新增/修改文件（2026-08-05 十二项真缺口补齐：引擎三件 + 模块四件 + 底座五件）

文件	说明
`backend/scripts/breeding_stats/blup.py`	`solve_spatial` 加 `aniso`（ρ_row/ρ_col 双参，ENGINE_VERSION 1.4.0）
`backend/scripts/breeding_stats/mtblup.py`	`solve_multi` 全多变量 EM-REML（ENGINE_VERSION 1.1.0）
`backend/scripts/breeding_stats/gwas.py`	`_ssgwas` 单步 GWAS MEM 对角近似（ENGINE_VERSION 1.2.0）
`backend/app/api/v1/module_bre/statistics/service.py`	`full_mtblup=True` 模式 + `_DATA_VERSION` v2.14 + `_allelic_columns` SSR 兜底限定空 marker_type（回归修复）
`backend/app/api/v1/module_bre/field_operation/{model,crud,service,controller,schema}.py`	农事操作 900051 五件套
`backend/app/api/v1/module_bre/observation/{model,crud,service,controller,schema}.py`	通用观测 900050 五件套
`backend/app/api/v1/module_bre/breeding_report/{model,crud,service,controller,schema}.py`	育种报告 900075 五件套 + `POST /report/generate`
`backend/app/api/v1/module_bre/analysis_dataset/{model,crud,service,controller,schema}.py`	分析数据集 900070 五件套 + 新表 bre_analysis_dataset
`backend/app/api/v1/module_bre/audit/{model,crud,service,controller,schema}.py`	审计切面 + `GET /bre/audit/list
`backend/app/api/v1/module_bre/alert/{model,crud,service,controller,schema,job}.py`	超期预警 + `GET /bre/alert/list
`backend/app/api/v1/module_bre/brapi/controller.py`	BrAPI 2.x /brapi/v2 五只读端点 + MIAPPE
`backend/app/utils/number_gen.py`	NumberGenService + pg_advisory_xact_lock 原子取号
`backend/app/api/v1/module_bre/sequence/model.py`	bre_sequence 表
`backend/app/api/v1/module_bre/{cross_combination,tree,selection_result,seedling}/service.py`	4 处编号迁移（YY+3位/组合-序号/clone_code 扩位/batch_no YP-…）
`backend/app/core/ap_scheduler.py`	3 系统 job（cleanup Sun 03:00 / alert 08:37 / backup 02:17）
`backend/app/utils/backup_job.py`	每日备份 job 包装 pg_backup.sh（Git Bash + MSYS 路径）
`backend/scripts/pg_backup.sh` / `pg_restore.sh`	pg_dump 自定义格式 + N 天轮转 / 恢复脚本
`backend/app/init_app.py`	brapi_router 根注册（/brapi/v2 非 /bre 前缀）
`backend/sql/weld_*.sql`（op_type 字典/菜单翻转/文案清理/bre_alert/bre_sequence/bre_analysis_dataset）	幂等 weld 兜底
`frontend/web/src/views/module_bre/{field_operation,observation,breeding_report,analysis_dataset,alert}/index.vue`	4 新模块页 + 预警中心
`frontend/web/src/api/module_bre/{field_operation,observation,breeding_report,analysis_dataset,alert}.ts`	5 新 API
`frontend/web/src/views/module_bre/statistics/index.vue`	spatial aniso 复选框 + gwas method=ssgwas 下拉
`Temp/claude/e2e_gaps_engines_20260804.py`	批1 探针（ssgwas/solve_multi/aniso，运行后自动清理）
`Temp/claude/e2e_gaps_modules_20260805.py`	批2 探针（四模块 CRUD + report generate + 菜单翻转，运行后自动清理）
`Temp/claude/e2e_gaps_base_20260804.py`	批3 探针（审计/编号并发/预警/备份/BrAPI，运行后自动清理）
`Temp/claude/regress_logs/`	全量回归日志（8 旧探针 + 3 批探针）
`doc/桃育种系统模块扩展需求规格.md`	v2.16 版本行 + §8.24/8.25/8.26 台账
`doc/桃育种系统模块扩展需求规格.v2.16.md`	冻结快照
`doc/桃育种系统统计引擎实施记录.md`	§十七落地 + 文件清单/备份/复跑
`doc/桃育种系统规划对照总表.md`	header ⑮ + 相关行补注 + 过时「待建」标记修正

新增/修改文件（2026-08-05 桃育种业务流全面完善：批A 业务数据链 + 批B 统计算法 + 批C 前端）

文件	说明
`backend/app/api/v1/module_bre/field_operation/model.py`	4 采收列 yield_kg/fruit_count/avg_fruit_weight/marketable_rate
`backend/app/api/v1/module_bre/field_operation/{service,schema}.py`	harvest 结构化产量同步 `bre_trait_observation`（A1）+ 表单 4 字段
`backend/app/api/v1/module_bre/observation/model.py`	germplasm_id 可空 FK（A3）
`backend/app/api/v1/module_bre/observation/{service,schema}.py`	种质校验 + EAV 校验（A5）+ 4 查询过滤 tree/plot/germplasm/trial_study + germplasm 表单字段
`backend/app/api/v1/module_bre/seed_lot/{model,schema}.py`	pollination_id FK（A4）
`backend/app/api/v1/module_bre/seed_treatment/{model,schema}.py`	seed_lot_id FK（A4）
`backend/app/api/v1/module_bre/tree/service.py`	create 阶段自动设置（A6，breeding_generation→juvenile/evaluation）
`backend/app/api/v1/module_bre/trait_observation/service.py`	EAV 校验（numeric/date parse + valid_min/max + 重复）+ 成株性状门禁（A5/A6）
`backend/app/api/v1/module_bre/statistics/service.py`	`_values_by_tree_env` + `run_type_b_heredity`（B1）+ `_genetic_corr_matrix`（B2）+ `auto_weights`（B3）+ `run_cluster`（B4）+ `_DATA_VERSION` v2.15
`backend/app/api/v1/module_bre/statistics/controller.py`	POST /type-b-heredity + GET /type-b + GET /type-b/{id} + POST /cluster + correlation mode/g_method/year 透传
`backend/app/api/v1/module_bre/statistics/schema.py`	TypeBIn/Out + CorrelationIn mode/g_method/year + SelectionIndexIn auto_weights + ClusterIn
`backend/app/api/v1/module_bre/statistics/model.py`	`bre_type_b_result` 新表（TypeBResultModel）
`backend/sql/weld_busflow.sql`	A1/A3/A4 四处 ALTER ADD COLUMN IF NOT EXISTS + index（幂等）
`backend/sql/bre_yield_phenology_traits.sql`	A2 产量/物候/品质/生长量/描述性状种子 19 条（ON CONFLICT 幂等）
`frontend/web/src/plugins/echarts.ts`	注册 HeatmapChart + VisualMapComponent
`frontend/web/src/api/module_bre/statistics.ts`	type-b/cluster/correlation mode/funnel/auto_weights 类型
`frontend/web/src/api/module_bre/observation.ts`	ObservationPageQuery 四过滤 + ObservationForm germplasm_id
`frontend/web/src/api/module_bre/field_operation.ts`	FieldOperationTable/Form 四采收字段
`frontend/web/src/views/module_bre/observation/index.vue`	plot/站点/germplasm 过滤 + germplasm 表单（C1）
`frontend/web/src/views/module_bre/field_operation/index.vue`	harvest 结构化表单/表格 4 列（C1）
`frontend/web/src/views/module_bre/statistics/index.vue`	correlation/gblup 热图折线 + type-B tab + cluster 树状图 + funnel 对话框（C2/C3）
`frontend/web/src/views/module_bre/stage_phenotype/index.vue`	tabs 通用观测/农事操作翻真实页（C4）
`frontend/web/src/views/module_bre/_shared/StageView.vue`	compMap 注册 Observation/FieldOperation（C4）
`Temp/claude/e2e_busflow_20260805.py`	批A 探针（A1-A6，11 组断言，运行后自动清理）
`Temp/claude/e2e_statsflow_20260805.py`	批B 探针（B1-B4，15 组断言，运行后自动清理）
`Temp/claude/smoke_busflow_c_20260805.py`	批C HTTP smoke（10 检查，不建数据）
`doc/桃育种系统模块扩展需求规格.md`	v2.17 版本行 + §8.27 台账
`doc/桃育种系统模块扩展需求规格.v2.17.md`	冻结快照
`doc/桃育种系统统计引擎实施记录.md`	§十八落地 + 文件清单/备份/复跑
`doc/桃育种系统规划对照总表.md`	header ⑯ + 相关行补注

新增/修改文件（2026-08-05 世代闭环：单株晋级落系谱）

文件	说明
`backend/app/api/v1/module_bre/selection_result/service.py`	`_promote_tree_to_clone` 建种质时同步落 `bre_pedigree`（child_code=品种名、dam/sire=tree.dam/sire 回退组合 female/male_parent_id、combination_id、generation，child_code 幂等）+ 种质携带 generation/stage + `combo=None` 初始化防 UnboundLocalError
`Temp/claude/e2e_pedigree_closure_20260805.py`	世代闭环探针（11 组断言，运行后自动清理）
`Temp/claude/cleanup_pedigree_test.py`	前缀清理脚本（幂等，探针残留兜底）

新增/修改文件（2026-08-05 近交惩罚静默关闭修复：亲缘矩阵多源解析）

文件	说明
`backend/app/api/v1/module_bre/statistics/service.py`	重写 `_germplasm_pedigree` 多源级联（① 规范化名称反查显式系谱 → ② tree FK 兜底唯一一致 → ③ founder；BFS 祖先展开去重；返回 (pedigree, coverage)）；`mating_recommend` 加 kinship_status/kinship_warning/kinship + 逐对「亲缘未解析(r 按 0 计)」旗标
`Temp/claude/e2e_mating_kinship_20260805.py`	近交惩罚静默关闭修复探针（14 组断言，运行后自动清理）

新增/修改文件（2026-08-05 EBV 回退方法学修复：direct 优先 + 子代测验降权）

文件	说明
`backend/app/api/v1/module_bre/statistics/service.py`	`mating_recommend` EBV 回退重写——direct 优先（有 direct 绝不被树级值污染）；回退显式标注 progeny + `_EBV_SOURCE_FACTOR` 降权 0.5 参与打分（`mid=(f_a·ebv_a+f_b·ebv_b)/2`）；双亲均缺直接值的子代树剔除（防双侧等权重复计）；记 n_progeny/n_combos；返回体加 `candidate_ebv` + `ebv_source.coverage` + 逐对旗标
`Temp/claude/e2e_mating_ebv_20260805.py`	EBV 回退方法学修复探针（5 组断言，运行后自动清理）

新增/修改文件（2026-08-05 数据质量离群值方向语义错位修复：同向=精英 / 反向=疑似错误）

文件	说明
`backend/app/api/v1/module_bre/statistics/service.py`	`data_quality_report` 方向感知分流——取 `trait_row.direction`（desc/None→`desirable_high=True` 高值优；asc→False）；IQR/MAD 命中的株按偏离侧双通道分类（`is_high=v>med`、`is_elite=is_high==desirable_high`）：同向→`extreme_candidates`（class=extreme_candidate）/ 反向→`outliers`（class=outlier）；返回体加 `direction` + `extreme_candidates` + `summary.n_extreme_candidates`；`has_warning/n_outliers/outlier_rate` 语义收紧为疑似录入错误计数
`frontend/web/src/views/module_bre/statistics/index.vue`	数据质量 tab 改双表——「极值候选（精英）」success 标签表 + 「疑似录入错误」danger 标签表 + 选育方向指示条 + 无错误绿色 info alert（提示文案改方向语义）
`Temp/claude/e2e_data_mating_gain_20260804.py`	A6 探针 [1] 扩展——17 株（15 正常 + 精英高值 16.0 + 错误低值 2.0）：精英进 extreme_candidates/class=extreme_candidate/side=high 且不在 outliers；错误进 outliers/class=outlier/side=low；n_extreme_candidates=1

新增/修改文件（2026-08-05 ΔG 投影假设声明 + 工程健壮性打磨：note 假设 + spatial 缺坐标降级 + numpy 收敛）

文件	说明
`backend/app/api/v1/module_bre/statistics/service.py`	① `genetic_gain` 返回体加 `note` 投影假设声明（环境均值恒定/演示值）；② `run_ablup(spatial=True)` 缺坐标株记 `missing_coord_ids` → 剔除表型保留系谱（EBV 由系谱预测）、剔除数写批次 note「缺坐标剔除N株表型(EBV由系谱预测)」、全缺才整批 409、`input_hash` 用剔除后子集；③ 模块级 `import numpy as np`（:24）+ 移除 7 处局部 import；`data_quality_report` 逐株 flag 循环改 numpy 布尔掩码向量化（输出逐字节不变）
`frontend/web/src/views/module_bre/statistics/index.vue`	gain tab 描述区后、轮次表前加 `el-alert type="info"` 展示 `gainData.note`（投影假设边界）
`Temp/claude/e2e_spatial_sparse_20260804.py`	spatial 探针新增强健降级场景——5 株（4 株 2×2 网格 + 1 株无坐标）：method=AR1×AR1/train_n=4/note 含剔除标注/5 株均有 EBV 行；全缺坐标仍整批 409；trait 清理含 tD_{P}
`Temp/claude/e2e_data_mating_gain_20260804.py`	A6 探针 [2] 加 note 断言——含「环境均值恒定」且两性状稳定一致

新增/修改文件（2026-08-05 A–F 六项功能级缺口·批1 父本验证 + 近交衰退）

文件	说明
`backend/app/api/v1/module_bre/pollination/service.py`	A1 `_validate_pollen_parent`（create/update 统一：批次采集父本≠授粉父本 409，混合/未声明放行）
`backend/app/api/v1/module_bre/tree/service.py`	A2 `_resolve_parents` 改返回 `(dam, sire, warning)` + create/update 返回体 warning（以显式为准，不阻断）
`backend/app/api/v1/module_bre/tree/schema.py`	`warning: str
`backend/app/api/v1/module_bre/cross_combination/service.py`	A3 `_check_parent_roles` 同质自交 409（create/update 生效亲本统一）
`backend/app/api/v1/module_bre/statistics/schema.py`	`InbreedingDepressionIn`（trait_id/trait_code + year/trial_study_id + min_n）
`backend/app/api/v1/module_bre/statistics/controller.py`	`POST /bre/statistics/inbreeding-depression`
`backend/app/api/v1/module_bre/statistics/service.py`	`inbreeding_depression`（F=A_ii−1 + 树级表型均值 → numpy lstsq 回归，F=0 兜底）+ `_DATA_VERSION` v2.22
`frontend/web/src/api/module_bre/statistics.ts`	`inbreedingDepression` API
`frontend/web/src/views/module_bre/statistics/index.vue`	亲缘/近交 tab 近交衰退区（trait/year + el-alert + el-descriptions + 高 F 株表；el-alert `'error'` 修复 TS2322）
`Temp/claude/e2e_parent_validation_20260805.py`	批1-A 父本验证探针（10 断言，运行后自动清理）
`Temp/claude/e2e_inbreeding_depression_20260805.py`	批1-C 近交衰退探针（4 断言，运行后自动清理）
`doc/桃育种系统模块扩展需求规格.md`	v2.22 版本行 + §8.32 台账
`doc/桃育种系统模块扩展需求规格.v2.22.md`	冻结快照
`doc/桃育种系统统计引擎实施记录.md`	§18.10 落地 + 文件清单/备份/复跑
`doc/桃育种系统规划对照总表.md`	header ⑳ + 相关行补注

新增/修改文件（2026-08-05 A–F 六项功能级缺口·批2 GS 家系 CV + 试验设计深度）

文件	说明
`backend/scripts/breeding_stats/genomic.py`	B `kfold_cv_genomic` 加 `split="random"
`backend/app/api/v1/module_bre/statistics/schema.py`	`AnovaIn.block`（RCBD 区组校正开关）+ `TrialDesignIn`（trial_study_id/design_type/seed）
`backend/app/api/v1/module_bre/statistics/controller.py`	`POST /bre/statistics/trial-design` + run_anova 透传 block
`backend/app/api/v1/module_bre/statistics/service.py`	`run_cv` 加 split 透传 + GS family_of 构建 + note 记 n_families；`trial_design` RCBD 生成器（random.Random(seed) 洗牌 + case() 批量落库）；`run_anova` 加 block 分支（solve_rcbd）；`_DATA_VERSION` v2.23
`backend/scripts/breeding_stats/anova.py`	F2 `solve_rcbd`（RCBD 双因素 Type I 顺序，SS_group/SS_block/SS_error + f_block/p_block + 区组均值；solve 单因素逐字节不变）
`backend/app/api/v1/module_bre/trial_study_entry/model.py`	F1 `block_no` 列（可空 integer）
`backend/sql/weld_trial_study_entry.sql`	F1 `ALTER TABLE bre_trial_study_entry ADD COLUMN IF NOT EXISTS block_no integer`（幂等）
`frontend/web/src/api/module_bre/statistics.ts`	`runAnova` 加 block + `trialDesign()` + `TrialDesignResult`
`frontend/web/src/views/module_bre/statistics/index.vue`	ANOVA tab 重构（生成 RCBD 设计工具条 + 设计区组表 + anovaBlock checkbox + 区组均值/block 结果 v-if）
`Temp/claude/e2e_trial_design_20260805.py`	批2-F 探针（5 组断言，运行后自动清理）
`Temp/claude/e2e_gs_family_cv_20260805.py`	批2-B 探针（5 组断言，运行后自动清理）
`doc/桃育种系统模块扩展需求规格.md`	v2.23 版本行 + §8.33 台账
`doc/桃育种系统模块扩展需求规格.v2.23.md`	冻结快照
`doc/桃育种系统统计引擎实施记录.md`	§18.11 落地 + 文件清单/备份/复跑
`doc/桃育种系统规划对照总表.md`	header ㉒ + 相关行补注

新增/修改文件（2026-08-05 A–F 六项功能级缺口·批3 OCS 最优贡献选择 + MABC 标记辅助回交）

文件	说明
`backend/app/api/v1/module_bre/statistics/service.py`	D `_proj_simplex`/`_solve_ocs` + `ocs`（投影梯度，A=pedigree+rmat 组装，vs_top_n 对比）；共享 helper `_candidate_ebv_map` 抽取（mating_recommend 内联原样提取，direct/progeny 降权 0.5/双侧去重保留）；E `_pure_homologous` + `mabc_progress`（前景 `_mas_hit_map` + 背景恢复率 + `_BC_LADDER` 晋级建议）；`_DATA_VERSION` v2.24
`backend/app/api/v1/module_bre/statistics/controller.py`	`POST /bre/statistics/ocs` + `POST /bre/statistics/mabc-progress`
`backend/app/api/v1/module_bre/statistics/schema.py`	`OcsIn`（candidate_germplasm_ids/n_select/lam/prediction_id）+ `MabcIn`（candidate_tree_ids/foreground_panel_ids/background_panel_ids/recurrent_parent_tree_id/foreground_min_hits/generation/background_target）均 extra="ignore"
`frontend/web/src/api/module_bre/statistics.ts`	`ocs()` + `mabcProgress()` API
`frontend/web/src/views/module_bre/statistics/index.vue`	「选配推荐」tab OCS 运行区（n_select + λ 滑杆 + contribution 表 + vs_top_n 对比）+ 独立「回交 MABC」tab（面板/轮回亲本/候选树 + 参数 + 逐株结果 + recommended 降序表）
`Temp/claude/e2e_ocs_20260805.py`	批3-D OCS 探针（17 断言，运行后自动清理；λ 梯度/退化/partial 告警/三 409）
`Temp/claude/e2e_mabc_20260805.py`	批3-E MABC 探针（23 断言，运行后自动清理；前景/背景复算/reason/童期/六 409）
`doc/桃育种系统模块扩展需求规格.md`	v2.24 版本行 + §8.34 台账
`doc/桃育种系统模块扩展需求规格.v2.24.md`	冻结快照
`doc/桃育种系统统计引擎实施记录.md`	§18.12 落地 + 文件清单/备份/复跑
`doc/桃育种系统规划对照总表.md`	header ㉓ + 相关行补注

新增/修改文件（2026-08-05 近交衰退两处正确性修复：方向感知 + 深层系谱）

文件	说明
`backend/app/api/v1/module_bre/statistics/service.py`	`inbreeding_depression` 方向感知检测（`desirable_high=direction!="asc"`，asc 衰退=slope>0 且 t≥+1.645，interpretation 方向化）+ 深层系谱 F（复用 `_germplasm_pedigree` BFS + 树节点 + 未解析 founder 兜底；`_germplasm_pedigree` 本体零改动）
`frontend/web/src/views/module_bre/statistics/index.vue`	近交衰退提示文案方向化（「高优性状显著负斜率 / 低优性状(如病指)显著正斜率 = 近交衰退」）
`Temp/claude/e2e_inbreeding_depression_20260805.py`	批1-C 近交衰退探针扩展 4→6 组断言（新增 [4] asc 病指方向感知 + [5] 深层系谱 F 多世代；原 [1][2][3][x] 保持）
`doc/桃育种系统模块扩展需求规格.md`	§8.35 跟进台账
`doc/桃育种系统统计引擎实施记录.md`	§18.13 跟进 + 文件清单/备份/复跑

新增/修改文件（2026-08-05 分子亲本验证 + 试验设计深度·批4）

文件	说明
`backend/app/api/v1/module_bre/genotype_call/service.py`	`mendelian_check`（子代 vs 声明亲本 union 规则、跨数据集亲本基因型解析、no_declared_parents/missing_parent_genotype 状态、incompatible_markers 明细）+ `_allele_set` 复用 + import TreeModel
`backend/app/api/v1/module_bre/genotype_call/controller.py`	`GET /bre/genotype_call/mendelian/check`（Auth `module_bre:genotype_call:query`，Query dataset_id + compat_threshold=0.98，镜像 fingerprint/check）
`backend/app/api/v1/module_bre/statistics/service.py`	`trial_design` 分派 rcbd/augmented/alpha（rcbd 逐字节不变）+ `_trial_design_augmented`（对照 anchoring/新品系 round-robin/对照 block_no 不落库）+ `_trial_design_alpha`（平方闭式格子 + 一般贪心可分解 + `_is_prime` + balance_warning + block_no 复合编码）+ `_DATA_VERSION` v2.25
`backend/app/api/v1/module_bre/statistics/schema.py`	`TrialDesignIn` 加 `check_germplasm_ids: list[int]=[]` / `block_size: int\|None` / `reps: int\|None`（extra="ignore"）+ design_type 描述改 rcbd/augmented/alpha
`backend/app/api/v1/module_bre/statistics/controller.py`	trial_design 透传三新参 + summary 更新「RCBD/增广/α-格子(落库 block_no)」
`frontend/web/src/api/module_bre/genotype_call.ts`	`mendelianCheck()` + `GenotypeCallMendelianParams/Result/Tree/IncompatMarker` 类型
`frontend/web/src/views/module_bre/genotype_call/index.vue`	工具栏「孟德尔/亲本一致性」按钮 + FaDialog（dataset select + compat_threshold + summary 计数 + trees 表 tree_no/dam/sire/informative/rate/flag/incompatible_markers 展开）
`frontend/web/src/api/module_bre/statistics.ts`	`trialDesign` design_type 枚举扩 augmented/alpha + check_germplasm_ids/block_size/reps + `TrialDesignResult` 加 checks/n_new_entries/n_checks/check_reps/block_size/reps/balance_warning + blocks 联合类型
`frontend/web/src/views/module_bre/statistics/index.vue`	DESIGN_TYPE_LABELS 补增广/α-格子 + 条件参数（augmented 对照多选 / alpha block_size+reps）+ α-格子平衡性 el-alert + alpha 块渲染「重复{rep}·块{blk}」
`Temp/claude/e2e_mendelian_check_20260805.py`	批4-A 探针（8 断言：跨数据集解析/alien 等位/rate/状态/空数据集零值，运行后自动清理）
`Temp/claude/e2e_trial_design_ext_20260805.py`	批4-B 探针（19 断言：增广/平方格子/部分 r/非素数告警/一般贪心/四 409，运行后自动清理）
`doc/桃育种系统模块扩展需求规格.md`	v2.25 版本行 + §8.36 台账
`doc/桃育种系统统计引擎实施记录.md`	§18.14 落地 + 文件清单/备份/复跑
`doc/桃育种系统规划对照总表.md`	相关行补注（分子育种 mendelian + 试验设计行增广/α-格子）

新增/修改文件（2026-08-05 批5 区组随机效应 + 孟德尔落库隔离 + 统计引擎数值校验）

文件	说明
`backend/scripts/breeding_stats/blup.py`	`solve` 加 `block` 参数分派新 `_solve_block`（区组第二随机效应，镜像 `_solve_gxe`）+ `ENGINE_VERSION` 1.5.0
`backend/app/api/v1/module_bre/statistics/service.py`	`run_ablup` block 开关 + block 分支（block_no 读取/降级剔除/≥2 区组 409）+ 互斥（block×gxe/gxr/spatial）+ `data_quality_report` dataset_id 可选 + mendelian 段 + `_excluded_tree_ids` 系谱消费方断链（_build_pedigree/run_ablup/inbreeding/kinship/cv/_germplasm_pedigree）+ `_DATA_VERSION` v2.26
`backend/app/api/v1/module_bre/statistics/schema.py`	`RunAblupIn.block` + `DataQualityIn.dataset_id`
`backend/app/api/v1/module_bre/statistics/controller.py`	run_ablup block 透传 + data-quality dataset_id 透传
`backend/app/api/v1/module_bre/genotype_call/model.py`	`MendelianCheckModel`→`bre_mendelian_check` + `MendelianCheckTreeModel`→`bre_mendelian_check_tree`（FK CASCADE）
`backend/app/api/v1/module_bre/genotype_call/service.py`	纯计算核心抽共享 `_compute_mendelian` + 新 `run_mendelian_check`（落库 + flag upsert 隔离/未 flag 清除，可逆）
`backend/app/api/v1/module_bre/genotype_call/controller.py`	新 `POST /bre/genotype_call/mendelian/check/run`（Auth edit，GET 只读预览保留）
`backend/app/api/v1/module_bre/tree/model.py`	`TreePedigreeExclusionModel`→`bre_pedigree_exclusion`（tree_id 唯一）
`frontend/web/src/api/module_bre/statistics.ts`	`RunAblupPayload.block` + `DataQualityPayload.dataset_id`
`frontend/web/src/api/module_bre/genotype_call.ts`	`mendelianCheckRun` + `GenotypeCallMendelianRunResult`（check_id/isolated/cleared）
`frontend/web/src/views/module_bre/statistics/index.vue`	GxE tab block 开关 + 互斥 + 数据质量 tab dataset 选择器 + mendelian 段（flag alert + 隔离树表）
`frontend/web/src/views/module_bre/genotype_call/index.vue`	孟德尔对话框主按钮改 POST run + check_id/隔离树数展示
`Temp/claude/e2e_ablup_block_20260805.py`	批5-A 探针（6 场景：已知 σ²block 恢复/409 门禁/互斥/降级/无归零警告）
`Temp/claude/e2e_mendelian_persist_20260805.py`	批5-B 探针（ok=19 fail=0：落库/隔离断开 EBV/可逆清除/data-quality 段/只读零回归）
`Temp/claude/e2e_stats_numerics_20260805.py`	批5-C 探针（ok=101 fail=0：全量统计引擎逐段 ground-truth 真值）
`doc/桃育种系统模块扩展需求规格.md`	v2.26 版本行 + §8.37 台账
`doc/桃育种系统统计引擎实施记录.md`	§18.15 落地 + 文件清单/备份/复跑
`doc/桃育种系统规划对照总表.md`	相关行补注（孟德尔落库隔离 + block 随机效应 + 统计引擎数值校验）

新增/修改文件（2026-08-05 批6 规划↔目标↔试验可追溯性闭环）

文件	说明
`backend/sql/weld_plan_trace.sql`	幂等 ALTER 三列 + FK：bre_target.plan_id、bre_trial.plan_id、bre_trial.target_id（均可空）
`backend/app/api/v1/module_bre/target/model.py`	`TargetModel.plan_id` + relationship
`backend/app/api/v1/module_bre/target/schema.py`	`TargetCreateSchema/TargetUpdateSchema.plan_id` 透传
`backend/app/api/v1/module_bre/target/service.py`	get_list outerjoin 解析 `plan_name` + create 父校验（坏 plan_id 409）+ delete assert_no_children
`backend/app/api/v1/module_bre/trial/model.py`	`TrialModel.plan_id`/`target_id` + 双 relationship
`backend/app/api/v1/module_bre/trial/schema.py`	双字段透传
`backend/app/api/v1/module_bre/trial/service.py`	get_list 解析 `plan_name`+`target_name` + create 双父校验 + delete assert_no_children
`backend/app/api/v1/module_bre/plan/service.py`	新 `trace(plan_id)`（目标链/试验链/软删过滤/totals）+ delete assert_no_children
`backend/app/api/v1/module_bre/plan/controller.py`	新 `GET /bre/plan/trace/{id}`
`frontend/web/src/api/module_bre/plan.ts`	`PlanTrace` 类型 + `getPlanTrace`
`frontend/web/src/api/module_bre/target.ts`	`getTargetOptions`
`frontend/web/src/views/module_bre/target/index.vue`	「所属计划」select + 表格/详情列
`frontend/web/src/views/module_bre/trial/index.vue`	「所属计划/目标」select + 表格/详情列
`frontend/web/src/views/module_bre/plan/index.vue`	「追溯」行操作弹窗（ElCollapse 目标链/试验链）
`Temp/claude/e2e_plan_trace_20260805.py`	批6 探针（17 断言：目标链/试验链/totals/软删/孤目标/父校验/删除守卫/标签解析）
`Temp/claude/e2e_audit_20260805.py`	残留检查限定 `entity_type=='bre_target'`（跨表撞 id 误报根治）
`doc/桃育种系统模块扩展需求规格.md`	v2.27 版本行 + §8.38 台账
`doc/桃育种系统统计引擎实施记录.md`	§18.16 落地 + 文件清单/备份/复跑
`doc/桃育种系统规划对照总表.md`	㉖批6 可追溯性闭环补注

新增/修改文件（2026-08-05 批7 统计引擎全量十模块 golden 复查·系谱键空间错位修复）

文件	说明
`backend/app/api/v1/module_bre/statistics/service.py`	新增共享 helper `_tree_individual_keys`（int→`"t{id}"` 对齐系谱键空间）+ 四个调用点收口（`_genetic_corr_matrix`/`_smith_hazel_index` mtblup 分支/`run_genetic_corr`/`run_type_b_heredity`）+ `_DATA_VERSION` v2.28
`backend/app/api/v1/module_bre/genotype_call/service.py`	`GENOTYPE_DATA_VERSION` v2.28
`Temp/claude/e2e_rg_golden_20260805.py`	批7 探针（ok=21 fail=0：type_b 分裂家系 golden + correlation 平衡 golden + 分裂家系 discriminator + str/int 键诊断；含 exit-code 通道修复 `fail==0`）
`Temp/claude/e2e_spatial_sparse_20260804.py`	版本断言 v2.27→v2.28（×2）
`Temp/claude/e2e_statsflow_20260805.py`	版本断言 v2.27→v2.28
`Temp/claude/e2e_prediction_rigor_20260804.py`	版本断言 v2.27→v2.28
`Temp/claude/e2e_mendelian_persist_20260805.py`	版本断言 v2.27→v2.28
`Temp/claude/http_v228.py`	批7 HTTP 核验（type-b-heredity 分裂家系 r_B>0.5/n_common=0 + genetic-corr/run 分裂家系 r_g>0.5 + 平衡 r_g>0.65）
`doc/桃育种系统模块扩展需求规格.md`	v2.28 版本行 + §8.39 台账
`doc/桃育种系统统计引擎实施记录.md`	§18.17 落地 + 文件清单/备份/复跑
`doc/桃育种系统规划对照总表.md`	㉗批7 系谱键空间错位修复补注

新增/修改文件（2026-08-05 回归基建：统一回归 + 高风险模块 tc 套件，无后端代码改动）

文件	说明
`run_regression.py`	统一回归驱动：顺序串跑 Temp/claude/e2e_.py（排除 e2e_probe）+ backend/scripts/test_bre_analysis_*_tc.py = 63 测试，每测试独立子进程 log 到 regression_logs/，EXIT 汇总；DPB_PYTHON 覆盖解释器；utf-8 reconfigure 防 GBK；过滤器 + --keep-logs
`backend/scripts/test_bre_analysis_ssgblup_tc.py`	正式 tc 套件（ok=14）：GBLUP/ssGBLUP H⁻¹ 拼接判别——非基因型株 GBLUP EBV=0 / ssGBLUP EBV≠0（算偏当正常输出的同款隐患判别）
`backend/scripts/test_bre_analysis_ocs_tc.py`	正式 tc 套件（ok=23）：OCS 投影梯度 golden（Σc/c≥0/λ 单调/c'Ac/λ=0 退化/409+422）
`backend/scripts/test_bre_analysis_mabc_tc.py`	正式 tc 套件（ok=24）：MABC 前景/背景恢复率/晋级/童期 C6/422+409
`backend/scripts/test_bre_analysis_mendelian_tc.py`	正式 tc 套件（ok=9）：孟德尔 POST run 落库/隔离注册表/阈值 0.0 可逆/GET 零回归（URL 下划线 genotype_call + 启动残留预清理 _wipe + 隔离验证时序）
`Temp/claude/backup_test_rigor_20260805/`	备份镜像（root/run_regression.py + backend/scripts 4 tc 套件最新修复版）

新增/修改文件（2026-08-05 回归基建 2：分析模块 tc 补齐 + pytest 接入 + run_ci，无后端代码改动）

文件	说明
`backend/scripts/test_bre_analysis_genetic_corr_tc.py`	正式 tc 套件（ok=19）：平衡 3 性状 r_g 判别 + 分裂家系 r_g(S1,S2)>0.5 且 n_common=0（独立种子 SEED_S=3）
`backend/scripts/test_bre_analysis_type_b_tc.py`	正式 tc 套件（ok=18）：Type-B 3 站点分裂家系 r_B>0.5 且 n_common=0（复刻 tY-first rng 序 → 0.990）+ 三 409
`backend/scripts/test_bre_analysis_inbreeding_tc.py`	正式 tc 套件（ok=44）：近交衰退方向感知（衰退/无/上升）+ deep 系谱 F=0.125 + min_n insufficient + 422/409
`backend/scripts/test_bre_analysis_trial_design_tc.py`	正式 tc 套件（ok=25）：增广（对照 block_no=None 不落库）+ α-格子（平方 λ≤1/非素数告警/一般贪心）+ block_no=rep*100+block DB 读回 + 四 409
`backend/scripts/test_bre_analysis_stability_tc.py`	正式 tc 套件（ok=16）：AMMI/FW b 斜坡 + flag_stable + ASV rank + engine_version 落库 + year 维度 + 二 409
`backend/tests/test_stat_analysis_tc.py`	pytest 包装层：9 套 tc @pytest.mark.pg + subprocess 串跑 + skipif 探测真实 PG16+Redis（protocol=2）+ env 显式构建（剥 conftest 污染、解析 .env.dev、TC_CI_* 覆盖）
`backend/pyproject.toml`	`[tool.pytest.ini_options]` 注册 `pg` marker（消 PytestUnknownMarkWarning）
`backend/tests/conftest.py`	加 `collect_ignore_glob=["../scripts/test_*.py"]` 防 pytest 收集独立脚本污染 sqlite 环境
`run_ci.py`	本机 CI stage：step 0 探测 PG16+Redis（失败指引+exit≠0）→ step 1 `pytest -m pg` → step 2 EXIT=0「CI 全绿」，日志 Temp/claude/ci_logs/
`Temp/claude/backup_analysis_tc2_20260805/`	备份镜像（root/run_ci.py + backend/scripts 9 tc 套件 + backend/tests/test_stat_analysis_tc.py + pyproject/conftest diff）

新增/修改文件（2026-08-05 O2–O4 统计方法学广度，v2.29）

文件	说明
`backend/scripts/breeding_stats/genomic.py`	ENGINE_VERSION 1.4.0：`solve_rrblup`（岭回归逐标记 + marker effects + 对偶）+ `solve_bayesb`（BayesB Gibbs，确定性 seed 可复现）+ `kfold_cv_genomic` dosage/markers 分派 rrblup/bayesb
`backend/app/api/v1/module_bre/statistics/service.py`	`_values_by_tree_env` env_dim=stage 分支（`coalesce(obs.stage, TraitModel.stage)` 分组）+ `run_type_b_heredity` env_dim 校验扩 stage + `run_gblup` method 扩 rrblup/bayesb + seed 透传 + `run_cv` GS 分支 dosage/seed 透传 + `_smith_hazel_index` restricted 投影（Kempthorne-Nordskog 闭式解）/economic_weights + `selection_index` 透传 + `cv_detail` 补 `cv_result_id`（顺手修复）+ `_DATA_VERSION` v2.29
`backend/app/api/v1/module_bre/statistics/schema.py`	TypeBIn.env_dim 描述扩 stage + GblupRunIn/CvRunIn method 描述扩 rrblup/bayesb + seed + SelectionIndexIn.method 描述扩 restricted + `restricted_traits`/`economic_weights`
`backend/app/api/v1/module_bre/statistics/controller.py`	run_gblup 透传 seed + selection_index 透传 restricted_traits/economic_weights
`backend/app/api/v1/module_bre/genotype_call/service.py`	`GENOTYPE_DATA_VERSION` v2.29
`frontend/web/src/views/module_bre/statistics/index.vue`	Type-B env_dim 下拉加 stage + GBLUP/CV method radio 加 RRBLUP/BayesB + seed 输入 + 指数页 restricted 单选/restricted_traits 多选/每性状经济权重输入 + SI_RES 结果表与警示
`frontend/web/src/api/module_bre/statistics.ts`	selectionIndex/runGblup/runCv method 类型扩 + restricted_traits/economic_weights/seed
`backend/scripts/test_bre_analysis_o234_tc.py`	正式 tc 套件第 10 套（ok=41）：O2 stage 幼成相关 / O3 rrblup+bayesb 落库与对偶可复现 / O4 restricted+economic
`backend/tests/test_stat_analysis_tc.py`	TC_SCRIPTS 注册 `("o234", "test_bre_analysis_o234_tc.py")`（9 → 10 套）
`Temp/claude/e2e_o234_20260805.py`	O2–O4 e2e 探针（19 断言，纯计算 golden + 真实 PG）
`Temp/claude/backup_o234_20260805/`	备份镜像（后端 service/schema/controller/genomic + 前端 vue/ts + tc + e2e）

备份（无 git，批量编辑前手动镜像）

2026-08-03 引擎改动 → Temp/claude/backup_gxe_20260803/
2026-08-04 方向改动（13 文件，按相对路径镜像）→ Temp/claude/backup_direction_20260804/
2026-08-04 规范文档 → Temp/claude/backup_docs_20260804/ + doc/桃育种系统模块扩展需求规格.v2.2.md（旧版本快照）
2026-08-04 无性系级指数改动（controller/schema/service/statistics.ts/index.vue/e2e）→ Temp/claude/backup_clone_index_20260804/
2026-08-04 配合力交配设计改动（13 文件，按模块相对路径镜像）→ Temp/claude/backup_combining_design_20260804/
2026-08-04 统计严谨·MLOps 复现性改动（weld SQL×2 + statistics 三件套 + blup.py + rootstock 三件套 + 前端四文件 + 三探针）→ Temp/claude/backup_rigor_20260804/
2026-08-04 组合得失漏斗改动（weld_combination_funnel.sql + statistics service/controller + e2e）→ Temp/claude/backup_combination_funnel_20260804/
2026-08-04 分子育种改动（weld SQL + bre_menu.sql + module_bre 四模块五件套 + __init__.py + 前端四 api 四页面 + e2e）→ Temp/claude/backup_molecular_20260804/
2026-08-04 精修项四连发改动（DUS 模块六件套 + statistics 四件套 + blup.py + weld/种子/菜单 SQL×3 + 前端 dus/statistics 两页两 api + e2e_refine）→ Temp/claude/backup_refine_20260804/
2026-08-04 六项能力完善改动（weld_advanced.sql + statistics 四件套 + dus 六件套 + trait_observation 三件套 + mtblup/genomic/stability/fdist/blup 求解器 + 前端 statistics/dus/tree_evaluation 三页四 api（含 trait_observation.ts）+ 六探针 + 文档四件，37 文件）→ Temp/claude/backup_advanced_20260804/
2026-08-04 砧木×接穗随机互作改动（blup.py + statistics 三件套 + 前端 statistics.ts/index.vue + e2e_gxr）→ Temp/claude/backup_gxr_20260804/
2026-08-04 基因组选择实证严谨性改动（genomic.py + statistics 三件套 + 前端 statistics.ts/index.vue + e2e_gblup_cv + 文档三件）→ Temp/claude/backup_gblup_cv_20260804/
2026-08-04 现代桃育种领域覆盖改动（germplasm 三件套 + cross_combination 二件套 + bre_disease_chilling_traits.sql + 前端 germplasm/cross_combination 两页 + germplasm.ts + e2e_s_allele + 文档三件 + 规格快照 v2.13）→ Temp/claude/backup_s_allele_traits_20260804/
2026-08-04 GWAS/QTL/MAS 闭环改动（gwas.py + weld_gwas.sql + statistics 四件套 + bre_menu.sql + 前端 gwas.ts/index.vue + e2e_gwas + 文档三件 + 规格快照 v2.14）→ Temp/claude/backup_gwas_20260804/
2026-08-04 九缺口补齐改动（blup/gwas/genomic + statistics 四件套 + genotype_call + weld_mas_semantics.sql + 前端 statistics/gwas 两页两 ts + e2e×3 + 文档三件 + 规格快照 v2.15）→ Temp/claude/backup_complete_20260804/
2026-08-05 十二项真缺口补齐改动（批1 blup/mtblup/gwas 引擎 + statistics；批2 field_operation/observation/breeding_report/analysis_dataset 四模块五件套 + 前端四页四 ts；批3 audit/alert/brapi/sequence 模块 + number_gen + ap_scheduler + backup_job + pg_backup/pg_restore.sh + init_app + weld SQL 多枚 + 前端 alert 页/statistics；e2e×3 + 文档三件 + 规格快照 v2.16）→ Temp/claude/backup_gaps3_20260804/
2026-08-05 桃育种业务流全面完善改动（批A field_operation/observation/seed_lot/seed_treatment/tree/trait_observation + weld_busflow.sql + bre_yield_phenology_traits.sql；批B statistics service/controller/schema/model + bre_type_b_result；批C echarts.ts + statistics/observation/field_operation 三 ts + statistics/observation/field_operation/stage_phenotype/StageView 五 vue；e2e×2 + smoke + 文档三件 + 规格快照 v2.17）→ Temp/claude/backup_busflow3_20260805/
2026-08-05 世代闭环改动（selection_result/service.py 晋级落谱 + 探针）→ Temp/claude/backup_pedigree_closure_20260805/
2026-08-05 近交惩罚静默关闭修复改动（statistics/service.py 亲缘多源解析 + 探针）→ Temp/claude/backup_kinship_20260805/
2026-08-05 EBV 回退方法学修复改动（statistics/service.py 打分降权 + 探针）→ Temp/claude/backup_ebv_20260805/
2026-08-05 数据质量离群值方向语义修复改动（statistics/service.py 方向分流 + 前端 statistics/index.vue 双表 + A6 探针 + 文档三件 + 规格快照 v2.20）→ Temp/claude/backup_dq_semantics_20260805/
2026-08-05 ΔG 投影假设 + 工程健壮性打磨改动（statistics/service.py note 假设 + spatial 降级 + numpy 收敛向量化 + 前端 statistics/index.vue gain alert + spatial/A6 探针 + 文档三件 + 规格快照 v2.21）→ Temp/claude/backup_dq_robust_20260805/
2026-08-05 回归基建改动（run_regression.py + backend/scripts 4 tc 套件，无后端代码改动）→ Temp/claude/backup_test_rigor_20260805/
2026-08-05 A–F 六项缺口·批1 父本验证 + 近交衰退改动（pollination/tree/cross_combination service + tree schema + statistics 三件套 + 前端 statistics.ts/index.vue + e2e×2 + 文档三件 + 规格快照 v2.22）→ Temp/claude/backup_parent_validation_20260805/
2026-08-05 A–F 六项缺口·批2 GS 家系 CV + 试验设计深度改动（genomic.py + anova.py + statistics 三件套 + trial_study_entry model + weld_trial_study_entry.sql + 前端 statistics.ts/index.vue + e2e×2 + 文档三件 + 规格快照 v2.23）→ Temp/claude/backup_gs_family_trial_design_20260805/
2026-08-05 A–F 六项缺口·批3 OCS + MABC 改动（statistics service/controller/schema 三件套 _candidate_ebv_map 抽取 + ocs + mabc_progress + 前端 statistics.ts/index.vue OCS 运行区 + MABC tab + e2e×2 + 文档三件 + 规格快照 v2.24）→ Temp/claude/backup_ocs_mabc_20260805/
2026-08-05 近交衰退正确性修复改动（statistics/service.py 方向感知 + 深层系谱 + 前端 statistics/index.vue 提示文案 + e2e_inbreeding_depression 扩展 + 文档二件规格/实施记录）→ Temp/claude/backup_inbreeding_fix_20260805/
2026-08-05 分子亲本验证 + 试验设计深度·批4 改动（genotype_call 二件套 mendelian_check + statistics 三件套 trial_design augmented/alpha 分派 + 前端 genotype_call/statistics 两页两 ts + e2e×2 + 文档三件规格/实施记录/对照总表，14 文件按相对路径镜像）→ Temp/claude/backup_mendelian_design_20260805/
2026-08-05 批5 区组随机效应 + 孟德尔落库隔离 + 统计引擎数值校验改动（blup.py + statistics 四件套 + genotype_call 三件套 + tree/model.py + 前端 statistics/genotype_call 两页两 ts + 三探针 + 文档三件，18 文件按相对路径镜像）→ Temp/claude/backup_block_mendelian_numerics_20260805/
2026-08-05 批6 规划↔目标↔试验可追溯性闭环改动（weld_plan_trace.sql + target 三件套 + trial 三件套 + plan 二件套 + 前端 plan/target/trial 三页三 ts + 新探针 e2e_plan_trace + 文档三件，按相对路径镜像）→ Temp/claude/backup_plan_trace_20260805/
2026-08-05 批7 系谱键空间错位修复改动（statistics/service.py _tree_individual_keys + 四调用点 + genotype_call/service.py 版本 + 新探针 e2e_rg_golden + http_v228 + 版本断言探针×4 + 文档三件，按相对路径镜像）→ Temp/claude/backup_keyspace_20260805/

复跑验证

# 后端（GBK 控制台需 UTF-8，worship() ASCII 画报会崩）
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python main.py run --env=dev

# 探针（真引擎 + spy 捕获 kwargs / 真引擎直跑）
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gxe_20260803.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_direction_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_clone_index_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_combining_design_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_prediction_rigor_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_rootstock_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_corr_spatial_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_combination_funnel_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_refine_20260804.py

# 砧木×接穗随机互作（G×R）探针（真引擎直跑，运行后自动清理）：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gxr_20260804.py

# 基因组选择（GS）专用 k-fold CV 探针（真引擎直跑，运行后自动清理）+ GBLUP 回归：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gblup_cv_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_advanced_gblup.py

# GWAS/QTL/MAS 闭环探针（真引擎直跑 7 段断言，运行后自动清理）+ GBLUP/ssGBLUP 回归：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gwas_20260804.py

# 九缺口补齐三探针（真引擎直跑，运行后自动清理）：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_data_mating_gain_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_molrigor_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_spatial_sparse_20260804.py

# 九缺口补齐：MAS 面板语义三列（幂等，可重跑）：
PGPASSWORD=dpb psql -h localhost -p 5432 -U dpb -d dpb -w -f backend/sql/weld_mas_semantics.sql

# 组合得失漏斗视图（幂等，可重跑）：
PGPASSWORD=dpb psql -h localhost -p 5432 -U dpb -d dpb -w -f backend/sql/weld_combination_funnel.sql
# 精修项三 SQL（幂等，可重跑；bre_dus_seed 依赖 bre_dus_descriptor 已由 create_all 建出）：
PGPASSWORD=dpb psql -h localhost -p 5432 -U dpb -d dpb -w -f backend/sql/weld_refine.sql
PGPASSWORD=dpb psql -h localhost -p 5432 -U dpb -d dpb -w -f backend/sql/bre_dus_seed.sql
PGPASSWORD=dpb psql -h localhost -p 5432 -U dpb -d dpb -w -f backend/sql/bre_menu_refine.sql
# 六项能力完善：weld_advanced（幂等，2 表 + 2 列 + 1 jsonb；新表 bre_genetic_corr_result/bre_stability_result 由 create_all 建出）：
PGPASSWORD=dpb psql -h localhost -p 5432 -U dpb -d dpb -w -f backend/sql/weld_advanced.sql
# GWAS/QTL/MAS：weld_gwas（幂等，5 新表 bre_gwas_result/bre_gwas_snp/bre_qtl/bre_mas_panel/bre_mas_panel_marker 兜底；正常已由 create_all 建出）+ 900214 菜单翻转：
PGPASSWORD=dpb psql -h localhost -p 5432 -U dpb -d dpb -w -f backend/sql/weld_gwas.sql
PGPASSWORD=dpb psql -h localhost -p 5432 -U dpb -d dpb -w -f backend/sql/bre_menu.sql
# 六探针（真引擎直跑，运行后自动清理）：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_advanced_stability.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_advanced_stage.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_advanced_mtblup.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_advanced_gblup.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_advanced_dus.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_advanced_mlops.py
# 十二项真缺口：批1/批2/批3 探针（真引擎直跑，运行后自动清理）+ 全量回归：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_engines_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_modules_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_base_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_spatial_sparse_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gwas_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_molrigor_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_advanced_gblup.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gblup_cv_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_refine_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gxr_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_corr_spatial_20260804.py
# 桃育种业务流全面完善：批A/批B 探针（真引擎直跑，运行后自动清理）+ 批C HTTP smoke + 全量回归：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_busflow_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_statsflow_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/smoke_busflow_c_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_engines_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_modules_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_base_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_spatial_sparse_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gwas_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_molrigor_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_advanced_gblup.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gblup_cv_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_refine_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gxr_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_corr_spatial_20260804.py
# 世代闭环：晋级落谱探针（真引擎直跑 11 组断言，运行后自动清理）+ 晋级主线回归：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_pedigree_closure_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_batch_selection_20260803.py

# 近交惩罚静默关闭修复：亲缘多源解析探针（真引擎直跑 14 组断言，运行后自动清理）+ A6 亲缘回归：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mating_kinship_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_data_mating_gain_20260804.py

# EBV 回退方法学修复：direct 优先/子代测验降权/双侧去重探针（真引擎直跑 5 组断言，运行后自动清理）+ 亲缘/批次回归：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mating_ebv_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mating_kinship_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_batch_selection_20260803.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_base_20260804.py

# 数据质量离群值方向语义修复：A6 探针（真引擎直跑，运行后自动清理）+ 回归：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_data_mating_gain_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mating_kinship_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_batch_selection_20260803.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_base_20260804.py

# ΔG 投影假设 + 工程健壮性打磨：spatial 降级场景探针（真引擎直跑，运行后自动清理）+ A6 note 断言 + 回归：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_spatial_sparse_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_data_mating_gain_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mating_kinship_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_batch_selection_20260803.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_base_20260804.py

# A–F 六项缺口·批1 父本验证 + 近交衰退：双探针（真引擎直跑，运行后自动清理）+ 全量回归：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_parent_validation_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_inbreeding_depression_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_spatial_sparse_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_statsflow_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_data_mating_gain_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mating_kinship_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_batch_selection_20260803.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_base_20260804.py

# A–F 六项缺口·批2 GS 家系 CV + 试验设计深度：双探针（真引擎直跑，运行后自动清理）+ 全量回归：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_trial_design_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gs_family_cv_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gblup_cv_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_statsflow_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_spatial_sparse_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_busflow_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mating_kinship_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_base_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_molrigor_20260804.py

# A–F 六项缺口·批3 OCS + MABC：双探针（真引擎直跑，运行后自动清理）+ 全量回归（含 _candidate_ebv_map 抽取后 mating/audit 双核对）：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_ocs_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mabc_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_molrigor_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gwas_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mating_kinship_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mating_ebv_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gblup_cv_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_statsflow_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_spatial_sparse_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_busflow_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_base_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_b8_seed_lot.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_prediction_rigor_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_audit_fix_20260805.py

# 近交衰退正确性修复（6 组断言：方向感知 asc 病指 + 深层系谱多世代 F）+ 全量回归（13 套）：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_inbreeding_depression_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_ocs_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mabc_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mating_ebv_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mating_kinship_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_statsflow_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_spatial_sparse_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gs_family_cv_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_trial_design_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_parent_validation_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_batch_selection_20260803.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_base_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_engines_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_modules_20260805.py

# A–F 六项缺口·批4 分子亲本验证 + 试验设计深度：双探针（真引擎直跑，运行后自动清理）+ 全量回归（rcbd 路径零变化 + 13 套）：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mendelian_check_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_trial_design_ext_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_trial_design_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_molrigor_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gwas_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mating_kinship_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mating_ebv_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gblup_cv_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_statsflow_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_spatial_sparse_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gs_family_cv_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_batch_selection_20260803.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_ocs_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mabc_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_base_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_engines_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_modules_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_prediction_rigor_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_inbreeding_depression_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_parent_validation_20260805.py

批5 区组随机效应 + 孟德尔落库隔离 + 统计引擎数值校验：三探针（真引擎直跑，运行后自动清理）+ 27 套全量回归（含 gxe/gxr/mendelian_check/trial_design 零变化）：

PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_ablup_block_20260805.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mendelian_persist_20260805.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_stats_numerics_20260805.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mendelian_check_20260805.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_trial_design_20260805.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_trial_design_ext_20260805.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gxe_20260803.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gxr_20260804.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_molrigor_20260804.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gwas_20260804.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mating_kinship_20260805.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mating_ebv_20260805.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gblup_cv_20260804.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_statsflow_20260805.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_spatial_sparse_20260804.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gs_family_cv_20260805.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_batch_selection_20260803.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_ocs_20260805.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mabc_20260805.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_base_20260804.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_engines_20260804.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_modules_20260805.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_prediction_rigor_20260804.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_inbreeding_depression_20260805.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_parent_validation_20260805.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_advanced_gblup.py PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_corr_spatial_20260804.py


# 批6 规划↔目标↔试验 可追溯性闭环：新探针（真引擎直跑 17 断言，运行后自动清理）+ weld SQL（幂等，可重跑）+ 全量回归：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_plan_trace_20260805.py
PGPASSWORD=dpb psql -h localhost -p 5432 -U dpb -d dpb -w -f backend/sql/weld_plan_trace.sql
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_plan_trace_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_audit_20260805.py

# 批7 统计引擎十模块 golden 复查·系谱键空间错位修复：新探针（真引擎直跑 21 断言，运行后自动清理）+ 回归（版本断言已同步 v2.28）：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_rg_golden_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_statsflow_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_advanced_mtblup.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_spatial_sparse_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_prediction_rigor_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mendelian_persist_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_statsflow_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_spatial_sparse_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_prediction_rigor_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mendelian_persist_20260805.py

科学正确性收口：方向标注后，低优性状（裂果率/病害级别/酸度等 asc）在指数、EBV 排行、决策预览、轮次对比中一律按"越小越优"参与，与育种目标语义一致；Smith-Hazel 的 b 符号、加权 Z 的贡献方向均按 direction 归一，不再存在"高 EBV=优"的隐含假设。可追溯性收口：bre_plan 不再孤立——plan→target→cross_combination→tree（目标链）与 plan→trial→trial_study→tree（试验链）双链闭合，GET /bre/plan/trace/{id} 一查到底；三 FK 均可空，存量孤目标/独立试验不受影响，新数据挂链即可查（渐进式，不强制回填）。

18.21 前端 TAB 陈旧数据修复：KeepAlive 切回自动重拉真实数据（2026-08-05，前端框架级，无版本变更）

用户反馈：授粉管理、花粉档案等「第2、3个 TAB」页面，切换过来后列表仍是旧数据，点刷新才变真实数据。根因：fa-page-content 默认 KeepAlive 缓存页面，切换 workbar 标签时组件不重新 mounted → onMounted 不重跑 → 列表停留旧快照。框架级修复（覆盖全部 useTable 页面，而非逐页打补丁）。

根因链（两层）：① hooks/core/useTable.ts 的 onActivated 只置 tableViewActive=true（fetch 内 guard 防失活期拉数据），从不主动重拉；onDeactivated 又 cancelRequest()。KeepAlive 切回 → data.value 仍是旧快照。约 30 个 module_bre CRUD 页共用 useTable，仅 3 页有手动 onActivated（tree 的 refreshData()、pollination/pollen 的下拉重载），故框架层修一处全覆盖。② 跨实例去重键不含 API 身份：globalListNetworkInflight 的 dedupeKey 仅由 stableDedupeKeyFromParams(requestParams) 生成（跳过 undefined 字段），而所有 module_bre 列表页默认参数形状相同（{page_no:1, page_size:10}）→ 硬刷新后多个 tab 并发挂载，各页 onMounted 并发发请求，页面 A 复用页面 B 的 in-flight 响应（字段与 prop 不匹配 → 列表只剩序号列有值，其它列空；这正是用户硬刷新后看到的"只有序号列"）。点刷新（refreshData）时该 key 已无 in-flight，走自己的 HTTP → 正常。此 bug 既存，但激活重拉后并发概率骤增而被暴露。

改动：

frontend/web/src/hooks/core/useTable.ts：新增 tableActivatedOnce 标志；onActivated 首次（与 mounted 重合）跳过，之后每次恢复激活 → debouncedGetDataByPage.cancel() + clearCache(CLEAR_CURRENT, "恢复激活刷新") + getData()（强制 HTTP 重拉，in-flight 去重仍生效）。守卫 (immediate || data.value.length > 0) 保持 immediate:false 页面（cronjob 定时页）"不自动加载"语义不变。另修去重键：新增 apiIdentity = apiFn.toString()，dedupeKey = \${apiIdentity}::${stableDedupeKeyFromParams(requestParams)}`——跨实例去重仅在**同一接口**间合并，不同页面的同形参数不再错配（globalListNetworkInflight` Map 全局共享，两处 in-flight key 均带上接口身份）。
frontend/web/src/views/module_bre/statistics/index.vue：抽取 refreshPageLists()（onMounted 全部 15 个 load 调用），onActivated 经 pageActivatedOnce 守卫后续激活重载（统计页多数据区整体刷新）。
frontend/web/src/views/module_bre/pollination/index.vue：onActivated 重载 5 个下拉（cross_combination/plot/personnel/tree/pollen 选项），表格由框架处理。
frontend/web/src/views/module_bre/pollen/index.vue：onActivated 重载采集父本树下拉。
frontend/web/src/views/module_bre/tree/index.vue：移除冗余手动 onActivated(() => refreshData())（由 useTable 框架覆盖，避免双重重拉）。

验证：vue-tsc EXIT=0（无类型回归）；vite dev（:5666，base /web）热更新模块均 200 + 关键字符串存在；后端 /bre/pollination/list 实测返回字段完整（combination_name/pollination_date 等有值，确认非后端问题）；浏览器行为需硬刷新（Ctrl+Shift+R，重建 KeepAlive 缓存与 HMR 旧实例）后实跑确认。备份镜像 Temp/claude/backup_tab_stale_20260805/。

18.22 O1 花期数据消费补强：结构化花期区间 + 配对花期软警示 + 授粉窗口规划（2026-08-06，v2.30）

用户反馈 O1 花期字段（flowering_period 5 档字典）零消费属真实数据盲点，但定性为 P1 数据消费补强 + 辅助信息（非与 S-等位同量级的正确性硬防呆）。拍板三个落地档位：① 花期数据建模升级（结构化区间，前置）；② mating_recommend 返回体加花期重叠软警示（重叠/错开/需采粉贮藏，不硬阻断）；③ 授粉窗口规划消费 bre_pollen（新端点 GET /bre/pollen/window-plan）。花期建模新增列 → _DATA_VERSION v2.29 → v2.30。

① 花期建模升级（germplasm 双 Date 列）：bre_germplasm 新增 bloom_start_date/bloom_end_date（Date 可空，年际重复物候——比较/投影时取月日、忽略年份；flowering_period 5 档字典保留作粗粒度 fallback）。weld 幂等 SQL（backend/sql/weld_flowering.sql）+ 双处版本 bump。连锁全链：model.py / schema（Create+Update）/ service（export mapping_dict + import header_dict + fields 解析 + 模板 header_list）/ 前端 germplasm 表单两个 date-picker、表格列、详情项。前端设计取舍：useCrudForm 无提交前 transform hook → 弃 daterange（需 bloomStartRange↔两字段双向映射），改用两个独立 date 字段直绑 bloom_start_date/bloom_end_date（与 acquisition_date 同模式，零转换）。

② mating_recommend 花期软警示：新模块级 helper _bloom_overlap(female, male)（statistics/service.py，_md() 月日→年序日 1..366）——优先结构化区间（月日年际比较），缺区间 fallback 到 _BLOOM_TIER_ORDER 5 档字典序号（相邻/同档视为重叠）。四态返回 (status, msg)：overlap「花期重叠,可同期授粉」/ store「父本先开花,需采粉贮藏至母本花期授粉」（me_d < fs_d）/ offset「母本先开花,父本花期在后,注意母本柱头可授期」（fe_d < ms_d）/ unknown「花期未知(缺结构化区间与档位)」。pairs 循环（female=gs[i], male=gs[j] 语义）在 s_compat 旁加 bloom_status/bloom_msg；非重叠三态追加进 flags[]（前端红色 tag 自动渲染），overlap 不进 flags——软警示不硬阻断。前端 pairs 表加「花期」列（重叠=success tag / 需采粉贮藏·错开=warning tag / 未知=info tag）。

③ 授粉窗口规划（window-plan）：新端点 GET /bre/pollen/window-plan?window_start=&window_end=（controller + service.window_plan，纯计算不落库）。_project_bloom(g, ref_year) 把花期投影到窗口起始年：结构化区间按年际月日（桃花期 3-4 月单年窗口假设），缺区间 fallback _BLOOM_TIER_SPAN（5 档 → 代表区间,粗粒度标注）。花期种质给花粉覆盖三态 covered（整段有批次 collect<=bs and expiry>=be）/partial/none（无覆盖 → n_need_pollen + 提示需采粉贮藏或同期授粉）；库存侧给批次窗口状态 full（全程覆盖）/expiring（窗口内到期）/entering（窗口内采集、有效期出窗）/expired（窗口前失效）/not_started（窗口后采集）。窗口反向 409。前端 pollen 页顶部「授粉窗口规划」卡片：daterange 默认本年度/次年花期（3-4 月在当年、否则次年 03-01~04-30）+ 生成按钮 + 缺粉 alert + 花期覆盖表 + 库存状态表；pollen.ts 加 getWindowPlan + PollenWindowPlan/PollenBloomItem/PollenInventoryItem/PollenLotRef 类型。

验证：e2e_o1_bloom_20260805.py 探针全过——① CreateSchema→CRUD 双 Date 列落库；② 6 种质 15 对（重叠/错开/需采粉贮藏三类 + 档位 fallback mid×very_early→store + 区间×档位混合对→unknown，flags 仅非重叠进警示）；③ 窗口 A（03-05~~04-08）花期覆盖三态 covered/partial/none + 档位投影种质、窗口 B（03-10~~03-30）库存五态 full/expiring/entering/expired/not_started + 窗口反向 409。vue-tsc EXIT=0。全量回归 + run_ci.py EXIT=0 零回归。版本连锁：4 e2e 探针（statsflow/spatial_sparse×2/prediction_rigor/mendelian_persist）+ o234 tc 断言 v2.29→v2.30。备份镜像 Temp/claude/backup_o1_bloom_20260805/。

269 KiB Raw Blame History Unescape Escape