dpb/doc/桃育种系统模块扩展需求规格.md

桃育种系统 · 模块扩展需求规格（V2 草案）

编制日期：2026-07-28 依据：通用育种软件功能清单（用户提供） + 国际成熟方案（BrAPI / BMS·Breedbase / RosBREED / MIAPPE / Crop Ontology / FAO-MCPD / Genesys） + doc\果树所\育种\yz.sql 真实桃性状 + 现有 14 个 breeding 域 状态：草案，待评审。字段取值/枚举以「待确认」标注处需与业务方对齐后再落地（遵循"不确定不擅自动手"准则）。

版本历史

版本	日期	说明
v1.0	2026-07-28	初稿+复审：14 域对标、新增 7 模块、§8 复审（9 遗漏）、EAV 定稿为混合固定列。BrAPI/MIAPPE/team/库存 待定
v1.1	2026-07-28	决策落地：① 采纳直接对齐 BrAPI API（新增 BrAPI 只读适配层）② 采纳 MIAPPE 合规 ③ 不建 team 模块（仅数据隔离，不需要，留 RBAC+created_id）④ 库存延后（暂用报表）
v1.2	2026-07-28	取值决策（用户授权"你来定"）：敲定 stage/generation/group_type/design_type 四枚举（§9）+ propagation 纳入一期（§3.8）；trait 种子建议 yz.sql；字段表补 generation/germplasm_id
v1.3	2026-07-28	§8 二次复审落地：① MET 链路彻底修补（trial_study.block_count + planting.trial_study_id + tree.trial_study_id/block_no + plot.block_no），与库存 seed_lot 一并建模，形成 seed_lot→seedling→planting→tree→trial_study 选择强度链（§3.13/§4/§5）② §0 原则1 与混合模型对齐（修订措辞）③ observation/field_operation 改显式 FK（弃多态）④ 补 environment_condition / audit_log / selection_rule / prediction 字段规格（§3.9–§3.12）⑤ tree_evaluation 明确"按 pa_four 扩列"+ 统一性状值视图 ⑥ 补「选择阈值规则」+「批量表型导入」规划 ⑦ 文档计数/枚举对齐修正
v1.4	2026-07-28	国际基准三轮复审（BrAPI/Breedbase/RosBREED/MIAPPE/Crop Ontology/FAO-MCPD/Genesys）落地：① 新增 trial_study_entry（entry 清单+entry_number，MET 设计矩阵）② site 补 lat/long/elevation（空间 BLUP/MIAPPE）③ observation 加 status 校验态（数据质量）④ trait 加 ontology_uri（Crop Ontology 对接）⑤ 明确 tree.trial_study_id/block_no 为派生（单写点=planting，防双真相漂移）⑥ germplasm 补护照描述符块（FAO-MCPD）⑦ 新增 genotyping_dataset+marker.panel（GS 训练群体分组）⑧ selection_result 加 rule_id（决策闭环）⑨ 补 crossing block 父/母本树（pollination 挂 female/male_tree_id）⑩ experiment_factor / breeding_report / breeding_program 标记延后。详见 §8.6
v1.6	2026-07-28	第五轮复审（v1.5 自洽+国际盲点）全部采纳：① tree_evaluation 加 trial_study_id（A1 核心性状环境键）② planting 粒度=block 级 + entry 跨 block 多 planting（A2）③ 新增 planting_treatment 关联表（A3）④ seed_lot.used_count 明确粒数（A4）⑤ §4 补 tree_photo 行（A5）⑥ tree→germplasm 重复测量聚合 EBV（A6）⑦ 国际补强：marker.assembly_version、genotype_call VCF/GP、trial_study.season、observation.validated_by/date/unit、trait.method_uri/scale_uri、planting.propagation_id、observationUnit level、kinship A 矩阵、selection_rule EBV 阈值、breeding_program 自由文本说明 ⑧ selection_result.trial_study_id、新表数据权限约束（并补齐 v1.5 因替换异常遗漏的 §3.14/treatment 行/used_count）。详见 §8.8
v1.7	2026-07-28	V2.11 方案书《统计分析决策支持》逐条对照评估落地（用户确认报告一期必须）：① breeding_report 确认进一期（P2，年度 Word/PDF 报告实体+生成服务，不再仅只读端点，原 v1.4 延后项移除）② breeding_prediction_value 值表前移 V1.1（与 V1.1 统计引擎同期持久化 EBV，支撑年遗传趋势图/双轨选择/亲本单株决策；仅 GS 模型训练留 V2.0）③ tree_evaluation 加 crop_load（坐果量评级 1/2/3 协变量，降果实性状环境误差，专册 1.3）④ breeding_trait 加 valid_min/valid_max（自定义生物学合理阈值，数据质量校验/异常标记）⑤ 超期预警/通知列为工程项（cron + selection_rule，不阻塞数据模型）。详见 §8.9
v1.8	2026-07-29	团队/课题组隔离收口（讨论定稿）：不建 team 模块，改用系统已有 sys_dept 承载"课题组"，启用框架"本部门及子部门"数据范围实现课题组间隔离；breeding 业务表不加 owner_team 字段（隔离靠创建者 dept_id 推断，由 Permission._permission_condition() 自动注入）。边界：性状字典/选择规则/种质/基地地块/人员等公共基础数据跨组共享；育种流程（杂交→评价）与统计分析（育种值/指数/报告）按课题组隔离。落地为配置级（建 dept 节点+配角色 data_scope+用户归属），非代码，需确认真实课题组清单后执行。
v1.9	2026-07-29	枚举归属决策（方案A 已定）：性状的量表选项/范围单一真相内联在 breeding_trait.scale_json（categorical 存 options、numeric 存 min/max/step），不进 sys_dict；sys_dict 仅承载"实体状态/分类枚举"（§9 的 breeding_stage/breeding_generation、tree.status、germplasm_type 等，非被测变量）。与"生成器机制 A/B/C"是两回事，勿混。详见 §3.1 / §0 原则1。
v2.0	2026-07-30	遗传评估数据模型架构决策锁定：① 新增 breeding_clone 独立系谱表（§3.0，clone_id/combination_id/母父本/planting_year/status，无砧木），与 germplasm（亲本/种质档案）分离，聚合路径由 tree.germplasm_id→germplasm 级 EBV 改为 tree.clone_id→breeding_clone 级 EBV（§3.0/§4/§5 同步修订）② breeding_trait 加 stage（juvenile/evaluation，与 category 正交）③ 新增 breeding_rootstock 砧木字典（§3.17，只挂 observation 层）④ 新增 数据质量门禁（§3.16：缺失标记/异常值/单位强校验/按(clone_id,地点,年份,性状名)去重）⑤ 显式锁定 砧木建模铁律（§5.x：记 observation 层 + BLUP 固定效应扣除 + 绝不进 A 矩阵）⑥ 新增 间接早选（§5.y）⑦ 实施路线最前插入 第0阶段 数据治理（占40%、前置）。均为决策锁定、方案态，待用户"做"后落地
v2.1	2026-07-30	review 修订（R1–R9）：① R1 §4 tree 加 clone_id(FK→breeding_clone,定植必填,聚合锚点) ② R2 系谱升级为独立 breeding_pedigree(§3.18,个体覆盖 clone+germplasm,dam/sire 指回本表递归闭环)；breeding_clone.female/male_parent_id 降冗余；germplasm.pedigree 自由文本移除 ③ R3 breeding_prediction_value 加 heritability(h² 同批次落库)、个体锚点改 clone_id ④ R4 新增模型健康监控(§5.z:h²连年突降/排名翻转告警) ⑤ R5 报告 §5.2 模块1 去掉种质内联表型/系谱 ⑥ R6 报告 R 引擎统一 subprocess 隔离(弃 rpy2) ⑦ R7 统一表名 breeding_observation ⑧ R8 GCA/SCA 定位为亲本选配辅助 ⑨ R9 混合模型加 clone×year 随机互作。仍方案态，待"做"落地
v2.2	2026-07-30	深度复审 A–H 全量落地（用户逐条确认 + F1/F2 架构拍板），详见 §8.10：A 组内部矛盾——A1 tree.clone_id 改为「实生苗定植可空/参试无性系必填、入选晋升才建 clone」（删"定植必填/1树=1clone"）；A2 produced_clone_id=被扩繁原 clone（沿用不新建）；A3 全文 rootstock_id 统一 FK→breeding_rootstock（删 FK→germplasm）；A4 A 矩阵系谱以 breeding_pedigree 为唯一权威、combination 父母本仅作派生源。B 组统计——B1 heritability 由明细移主表 breeding_prediction；B2 术语正名加性(狭义)遗传力、落库取克隆均值 h²=V_clone/(V_clone+V_e/k̄)；B3 补 sommer 基线公式；B4 双轨选择统一 clone 级判定。C 组门禁——C1 门禁作用于 breeding_trait_observation 长表；C2 加 issue_status；C3 门禁×状态机衔接。D 组 clone 居中——D1 selection_result+clone_id；D2 breeding_clone+generation；D3 trial_study_entry+clone_id；D4 补 tree↔clone 状态流转矩阵。F 组架构（本轮拍板）——F1 裁定走单一长表、废固定列、报表用视图 pivot；F2 保留两张长表职责正交（breeding_trait_observation 单株鉴定明细/喂 EBV；breeding_observation 仅 plot/combination+物候/不喂 EBV），plot 级果实均值由统计 VIEW 聚合、不双写；统计管线用普通 VIEW 保 fresh、看板层才用 MV（MV 不得作 BLUP 输入）；F3 门禁关键键实生苗阶段退化为 tree_id；F4 判重键含 tree_id（保 clonal replicates）；F5 §5.2 公式补 rootstock 固定效应。G/H——G1 统一编号服务定义+clone_id 序号扩位；G2 鉴定类表禁物理删+UPDATE 强制 audit；G3 method 文本+method_uri 受控合并；H1-H3 打磨。仍方案态，待"做"落地
v2.3	2026-08-04	统计引擎两轮 P0 代码落地（自 v2.0 起首次从方案态推进到可运行，均 e2e 验证通过），详见 §8.11 / 桃育种系统统计引擎实施记录.md：① G×E 交互引擎（§5.2 互作项落地）——run_ablup 加 gxe=True + gxe_env=site/year（method=GXEBLUP），site→自动固定效应 trial_study、year→year，σ²gxe/gxe_ratio/n_cross_env 落 breeding_prediction.note，不可辨识门禁（无跨环境重复/单元内无重复）→409，同 clone 多株坍缩为基因型节点 c{clone}，异步 StatisticsJobModel job_type=GXE/ABLUP+SUCCESS/FAILED；② 性状方向标注（§3.1/§5.9/§5.z 落地）——breeding_trait 加 direction(desc/asc)/into_ebv(1/0)/default_h2(先验)，选择指数（zsum/smith_hazel）/EBV 排行/决策预览/轮次对比按方向归一，低优性状（裂果率/病害级别/酸度）不再选反；into_ebv='0' 仅从选种候选剔除；default_h2 无实测 h² 时兜底；并修复两处结构性 bug（ebv_ranking 方向盲区→读时重排、compare_predictions 硬编码降序→方向感知）
v2.4	2026-08-04	桃田间刚需·花粉档案落地（§3.19 + §4 pollination 修订，e2e 验证通过）：① 新增 breeding_pollen 花粉档案表（§3.19）——批次号/采集父本（树级 male_tree_id，混合/外地采集可空）/采集日期/采集方式/采集量/贮藏方式（4℃/-20℃/-80℃/液氮）/活力测定（方法+百分值+测定日期，TTC 染色率/离体萌发率）/有效期；授粉窗口 = [采集日, 失效日] 派生，不建独立计划表 ② §4 pollination 补 pollen_lot_id（FK→bre_pollen，授粉所用花粉）+ 一期文档规划但遗漏的 pollination_method（授粉方式），窗口校验（授粉日期须落在批次 [采集日,失效日] 内，否则 409）落地在 pollination service；available_lots 端点支撑"当前花期可用批次"下拉 ③ 菜单 900056（杂交配组）+按钮 E 段 900601-900608，前端花粉 CRUD 页 + 授粉表单集成批次选择
v2.5	2026-08-04	决策正确性·选择指数无性系级聚合落地（§5.3 / §5.7，e2e 验证通过）：桃无性繁殖，选择指数单位由「树级」升为「无性系级」——selection_index 新增 aggregate 参数（默认 clone），先按 tree.clone_id 把同系多株聚合成一个遗传实体（EBV 均值按可靠性加权：Σ(ebv×rel)/Σ(rel)，全 rel=0 回退简单均值），再在 clone 级算 zsum/Smith-Hazel 排名；自株退化（无 clone_id 的未晋升实生株 → 每株独立单元，不进聚合），保证实生苗阶段不塌缩；apply_selection 按遗传实体写决选——入选 clone 一条记录（clone_id 指向全系 + 溯源株 + reason「系内N株」），self 株逐株写，入选株命中选择规则晋级时晋升建 clone（幂等）。旧行为保留：aggregate="tree" 回退单株级。详见 §8.13 / 桃育种系统统计引擎实施记录.md v1.2
v2.6	2026-08-04	统计严谨·配合力交配设计落地（§5.3 / §5.5，e2e 验证通过）：修复统计严谨缺陷——combining.solve 原只实现 Griffing 对称全双列，现按 design_type 分支（full_diallel 完全双列 / partial_diallel 部分双列 / line_tester line×tester NCII / nciii NCIII 测交）；NCII/NCIII 走双因素模型 y=μ+l_i+t_j+(lt)_ij（line 母本 / tester 父本，各自 Σ=0 约束，SCA=互作=残差，自由度 df_line=n_l-1 / df_tester=n_t-1 / df_sca=残差），不再一律按全双列算错；bre_cross_combination / bre_combining_ability 加 design_type，run_combining 按设计过滤只纳入一致组合，GCA 标准误内嵌 anova_json.gca_se；角色重叠（同亲本既作 line 又作 tester）→ 409 拒绝，NCIII 门槛 tester 恰 2 个。详见 §8.14 / 桃育种系统统计引擎实施记录.md v1.3
v2.7	2026-08-04	统计严谨·预测完整性与 MLOps 复现性（七条复审逐条落地，e2e 验证通过），详见 §8.15 / 桃育种系统统计引擎实施记录.md v1.4：① Smith-Hazel 遗传相关改可靠性校正（Calo：r_g = r_EBV/√(rel_i·rel_j) 钳制 [−1,1]，替代裸 EBV 皮尔逊相关；真 MT-BLUP 记为引擎级后续项，§8.15 备注）② PA 落库——bre_prediction_value 加 pa（=√reliability，预测准确度），批次 bre_prediction.accuracy 改填真 PA=√(均值可靠性)，不再填误名的"均值" ③ MLOps 溯源——bre_prediction 加 data_version/input_hash（SHA256：表型+系谱确定性序列化）/engine_version，同数据重跑哈希一致、改观测必变（数据漂移可检测）④ germplasm_id 填充——run_ablup 写 EBV 行时填 tree.germplasm_id，亲本级 EBV 可查 ⑤ 砧木字典扩列——bre_rootstock 加 dwarf_class（矮化/半矮化/乔化/柱状）/compatibility（砧穗亲和性强/中/弱）选配决策信息（BLUP 固定效应维持够用）⑥ 空间竞争协变量——run_ablup 新增 covariate="competition"：同 (plot,block) 网格 Chebyshev 邻域株数作协变量（边缘株相邻少隐式捕捉边缘效应），缺 row/col 数据时显式报错；bre_tree.row_no/col_no 数据能力已在录入/导入/导出全链路就位 ⑧ 组合得失漏斗 v_combination_funnel（同日追加，§8.16）：按组合汇总 花→果→种→苗→定植→树→入选 六级派生指标（结实率/出苗率/选择强度），数据源全为既有表、普通 VIEW 保 fresh、只读端点可查，配合力第一手证据落地
v2.8	2026-08-04	组合得失漏斗落地（§3.13 选择强度链的派生指标收口，e2e 验证通过）：既有 bre_pollination.flower_count/effective_count、bre_seed_lot.seed_count/germination_rate、bre_seedling.seedling_count、bre_planting.tree_count、bre_tree、bre_selection_result 六级数据本已齐全，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、配合力上下文吃不到（run_combining 只取组合表型均值）。本轮补普通视图 v_combination_funnel（花→果 结实率、种→苗 出苗率、树→入选 选择强度，缺环节组合比率列留 NULL）+ 只读端点 GET /statistics/combination-funnel。详见 §8.16 / 桃育种系统统计引擎实施记录.md v1.4
v2.18	2026-08-05	遗传链完整性两次修复（用户先后报告「建种质断链」与「近交惩罚静默关闭」，逐条核实确认 + 拍板落地，e2e 验证通过，§8.28 / 桃育种系统统计引擎实施记录.md §18.5/§18.6）：① 世代闭环修复——selection_result._promote_tree_to_clone 单株晋级到 line/regional_trial/released 建 bre_germplasm 时同步落 bre_pedigree（child_code=品种名、dam/sire=tree.dam_id/sire_id 回退组合 female/male_parent_id、combination_id、generation，child_code 幂等查重）→ 晋升种质不再被统计引擎当 founder，跨世代系谱链闭合（A-BLUP/亲缘矩阵/近交规避/遗传增益滚雪球恢复）；② 近交惩罚「静默关闭」修复——mating_recommend 亲缘矩阵旧实现靠 bre_pedigree.child_code 与种质 cultivar_name/accession_no 精确字符串匹配，大小写/空格/代号 任一错配即全空 → rmat={} → 每对 r=0 → kin_pen=max(0,0−thr)=0 → 近交规避整体失效且无任何告警。重写 _germplasm_pedigree 为多源级联：① bre_pedigree 规范化（strip+casefold）名称反查（显式系谱为权威）→ ② tree.germplasm_id 直连 FK 兜底（升种质树自带亲本，多对去重后唯一一致才采纳、歧义回退 founder 不武断选）→ ③ founder；祖先同源 BFS 展开 + 去重（修复候选既是 child 又是祖先时 g{id} 重复追加 → blup.relationship_matrix 抛『系谱个体重复』崩溃）；mating_recommend 新增 kinship_status(ok/partial/none) + kinship_warning + 逐对『亲缘未解析(r 按 0 计)』旗标——绝不静默 no-op。验证：探针 14 组断言全过 + A6 回归（显式系谱仍压过冲突 FK trial 亲本，r=0.5 保真）+ HTTP 核验新字段经真实端点
v2.19	2026-08-05	选配「亲本 EBV」回退逻辑方法学修复（用户报告 §8.28② 近交修复同一区域的方法学缺陷，核实确认 + 拍板落地，e2e 验证通过，§8.29 / 桃育种系统统计引擎实施记录.md §18.7）：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**——三个方法学错误：① 子代测验（progeny-test）值是子代世代的预测值（≈½亲本BV+共亲本渗入+孟德尔抽样），不是亲本自身育种值，冒充会误导选配排序；② 同一子代树若双亲都缺直接 EBV，等权计入 dam 与 sire 两侧（如 FM×MM 双亲均无 → 该树均值重复计、稀释）；③ 跨组合混合无区分。修复：direct（germplasm_id 直连的亲本自身预测值）优先；回退仅当亲本无自身值时才用，显式标注「子代测验近似」并打分降权 0.5（_EBV_SOURCE_FACTOR = {direct:1.0, progeny:0.5, missing:0.0}，score=w_ebv·((f_a·ebv_a+f_b·ebv_b)/2)−w_kin·pen，回退近似绝不掩盖 direct）；双亲均缺直接值的子代树剔除（无法归属，防双侧等权重复计）；记 n_progeny/n_combos 供调用方辨别跨组合混合；返回体加 candidate_ebv（每候选 value/source/n_progeny/n_combos）+ ebv_source.coverage（direct/progeny/missing 计数）+ 逐对旗标「亲本EBV为子代测验近似(降权0.5)」/「亲本无EBV(按0计)」——EBV 来源显式可查，绝不静默降级。验证：探针 5 组断言全过（direct 优先不被树级值污染 / progeny mean=(6+8+10)/3=8 n_combos=2 / 双亲均缺树剔除 P3×P4=0 / P0×P1 加权 mid=7.0≠9.0 原始 / score 降序） + A6/亲缘/批次/底座四回归零回归 + HTTP 核验新字段经真实端点
v2.20	2026-08-05	数据质量报告「离群值」语义错位修复（用户报告 §8.17①/§8.23① A5 数据质量端点的 IQR/MAD 异常标记把任何偏离分布的值都标「离群株」，与育种目标方向错位——正向偏离恰恰是要选的精英单株，核实确认 + 拍板落地，e2e 验证通过，§8.30 / 桃育种系统统计引擎实施记录.md §18.8）：data_quality_report 旧实现用 IQR(Q1−1.5IQR/Q3+1.5IQR) 超界 + MAD 稳健 z(>3.5) 把一切偏离标为「疑似异常」，但桃育种中正向偏离就是要选的精英单株（果重/固酸比/可溶性固形物的高值、裂果率/病指的低值即选育对象，与高 EBV 高度相关），把精英候选标成「疑似录入错误」会误导决策。修复：偏离方向与选育目标对齐——按 bre_trait.direction（desc/None=高值优、asc=低值优）判定 desirable_high，超界株按偏离侧双通道分流：同向偏离 → extreme_candidates 极值候选（精英）（选育目标内的极端表型），反向偏离 → outliers 疑似录入错误（高值优性状的异常低值 / 低值优性状的异常高值）。返回体新增 direction + extreme_candidates（tree_id/value/z/side/class/reasons）+ summary.n_extreme_candidates；outliers 只含反向株、has_warning 语义收紧为「疑似录入错误」。前端数据质量 tab 改双表 + 选育方向指示（精英=success 标签 / 错误=danger 标签 + 方向说明 + 误报归零后绿色 info alert）。验证：A6 探针 17 株（15 正常 + 精英高值 16.0 + 错误低值 2.0，direction=desc）断言精英进 extreme_candidates/class=extreme_candidate/side=high、错误进 outliers/class=outlier/side=low、互斥不串表 + summary.n_extreme_candidates=1；回归 A6/亲缘/批次/底座四套零回归；后端重启 + HTTP 核验 asc 裂果率 bB_DIR5668 与 desc 果重 dA_DIR5668 两性状 direction/extreme_candidates/outliers/summary.n_extreme_candidates 经真实端点正确返回（真实数据无极端值 → 双表空 = 无误报）
v2.22	2026-08-05	A–F 六项功能级缺口补齐·批1 父本验证 + 近交衰退（用户全模块 grep 实证 A–F 六项缺口均为「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 独立 e2e + 全量回归零回归，§8.32 / 桃育种系统统计引擎实施记录.md §18.10）：A 父本验证（consistency，不落库）——① A1 pollination 花粉来源一致性（_validate_pollen_parent，create/update 统一）——花粉批次声明采集父本树（pollen.male_tree_id）时，授粉声明父本树须与之相同否则 409（「花粉批次 {lot} 采集自父本树 {X}，与授粉声明父本树 {Y} 不一致」）；批次无采集父本（混合/外地采集）或授粉未声明父本 → 放行不武断 ② A2 tree 显式亲本 vs 组合父母本警示——_resolve_parents 显式 dam/sire 与组合 female/male_parent 不一致时返回体 warning「显式母本/父本与组合母本/父本不一致（以显式为准）」（双侧/单侧分别聚合），warning 不阻断（tree 可独立建，武断 409 会误伤），schema 加只读 warning 字段不落库 ③ A3 cross_combination 同质自交门禁——_check_parent_roles 中 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）；C 近交衰退分析（计算端点，不建表）——POST /statistics/inbreeding-depression（入参 trait_id/trait_code + year/trial_study_id 可选 + min_n）：取 blup.relationship_matrix 的 F=A_ii−1（按树，非近交树从 individuals 默认 F=0 兜底，避免被排除）+ 该 trait 树级表型（group_by(tree_id) 均值聚合）→ 纯 numpy lstsq 线性回归 phenotype ~ F——sufficient/reason/n_obs/mean_F/max_F/direction/regression{intercept,slope,r2,t_slope,depression_rate,has_depression,interpretation} + high_inbreeding（F 排名前列含 tree_no/value，现场核查）；has_depression = slope<0 且 t_slope≤−1.645（单侧 95% 大样本近似）；n<min_n 优雅降级 sufficient=False + reason（不 409）；前端「亲缘/近交」tab 加衰退区（trait 选择 + year + 回归摘要 el-descriptions + 高 F 株表，el-alert 用 error/success/warning 合法类型）。验证：e2e_parent_validation_20260805.py 10 断言全过（A1 不一致 409/一致放行/混合批次放行/update 同门禁 + A2 双侧警示/单侧仅父本/一致无警示/update 警示 + A3 create/update 同质 409）；e2e_inbreeding_depression_20260805.py 4 断言全过（12 树 6×F=0+6×F=0.5：衰退性状 y=100−60F+ε → slope≈−60/has_depression=true/前 6 高 F=自交株、无衰退 y≈100 → slope≈0/未检出、min_n=20 → insufficient 含「12 棵」「≥20」、性状不存在 409）；回归 spatial/sparse、statsflow、A6、亲缘、批次、底座六套零回归；vue-tsc EXIT=0；后端重启 + HTTP 核验 inbreeding-depression 真实稀疏数据返回 code=0/sufficient=false/n_obs=2/reason；_DATA_VERSION v2.22
v2.23	2026-08-05	A–F 六项功能级缺口补齐·批2 GS 家系 CV + 试验设计深度（批1 已落地 §8.32/v2.22；批2 = B+F，独立 e2e 探针 + 全量回归零回归，§8.33 / 桃育种系统统计引擎实施记录.md §18.11）：B GS 家系 CV（深度：随机分层 → 家系阻塞折）——genomic.kfold_cv_genomic 加 `split="random"
v2.25	2026-08-05	分子亲本验证 + 试验设计深度·批4（前批1-3 已落地 §8.32-§8.34、v2.22-v2.24；批4 独立 e2e 探针 + 全量回归零回归，§8.36 / 桃育种系统统计引擎实施记录.md §18.14）：A 孟德尔/亲本一致性检验（genotype_call 补齐 parentage 零命中缺口，只读纯计算不落库）——GET /bre/genotype_call/mendelian/check（镜像 fingerprint/check 的 GET+Query 模式）：子代树样本（source_type="tree"）基因型 vs 声明亲本（tree.dam_id/sire_id→germplasm）基因型，亲本基因型取 source_type="germplasm" 样本跨数据集解析（同数据集优先、否则全库最低 id 兜底）；按标记 _allele_set（"/" 分割去空白/缺失）union 规则——子代等位集 ⊆ dam∪sire 并集即兼容，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，rate < compat_threshold（默认 0.98 对齐 fingerprint）判 flag；双亲皆空 → no_declared_parents、亲本声明但无 germplasm 基因型 → missing_parent_genotype（不 409，数据现状）；输出 {trees_checked/trees_flagged/trees_no_parents/trees_missing_parent_genotype, summary{informative/incompatible}, trees:[{tree_no,dam,sire,status,informative_markers,compatible,incompatible,compatibility_rate,flag,incompatible_markers:[{marker_id,allele,dam,sire}]}]}；B 试验设计深度（trial_design 仅 RCBD → augmented 增广 + alpha α-格子，rcbd 路径逐字节不变）——augmented check_germplasm_ids 显式对照（须为参试条目种质子集否则 409、至少 1 对照 + 1 新品系）：对照每区组重复（anchors）、新品系 rng.shuffle round-robin 均分区组，对照 block_no 不落库（None）、新品系落 1..block_count；输出加 checks/n_new_entries/n_checks/check_reps=block_count；alpha block_size=k + reps=r 可选：平方条目数 v=k² → 闭式格子（标签 (x,y)、rep m 直线 y≡m·x+(b−1) mod k、m=k=竖列；k 素数完全平衡 λ≤1，非素数 balance_warning=True 保守告警）、完全格子 r=k+1；非平方 v → 贪心可分解构造（used_pairs 避免同块对重复、卡死允许复用 + balance_warning）；block_no 复合编码 rep*100+block（1-based，修复探针抓出的 0-based off-by-one：平方分支原 m*100+b 致 rep1 落库 1..3 与 greedy 分支/文档不一致 → 改 (m+1)*100+b）；校验 v%k≠0/非平方缺 k/重复数 r<2 或超完全格子上限 409；输出 {block_count=s, block_size, reps, balance_warning, blocks:{rep:{block:[entry_number…]}}}。验证：e2e_mendelian_check_20260805.py 8 断言全过（子代样本 D1/亲本样本 D2 跨数据集解析：T1 alien 等位 2/2 → rate=0.8/flag/incompatible_markers 含 M5+双亲等位、T2 全兼容 rate=1.0、T3 双亲空 no_declared_parents、T4 亲本缺基因型 missing_parent_genotype、summary informative=10/incompatible=1、空数据集零值不 409）+ e2e_trial_design_ext_20260805.py 19 断言全过（[1] augmented 9 新+3 对照×3 区组、新条 block_no∈{1,2,3} 对照 None、checks 结构；[2] v=9=k² k=3 素数完全格子 r=4 每 rep 覆盖 9 + 任一对 λ≤1 + balance_warning=False + block_no 编码落库；[3] 部分 r=3 仍平衡；[4] v=16 k=4 非素数 balance_warning=True 可分解；[5] v=12 一般贪心 s=4 可分解 + 编码落库；[6] 四 409）+ 回归 trial_design(rcbd)/ocs/mabc/mating_ebv/mating_kinship/parent_validation/statsflow/spatial_sparse/gs_family_cv/batch_selection/gaps_base/gaps_engines/gaps_modules/prediction_rigor/inbreeding_depression 全套零回归 + vue-tsc EXIT=0 + 后端重启 HTTP 核验（mendelian/check 200 零值结构、trial-design augmented/alpha 经真实端点分派到无条目 409、latin 等非法类型 409「暂不支持设计类型」）；_DATA_VERSION v2.25
v2.28	2026-08-05	统计引擎全量十模块 golden 复查·系谱键空间错位修复（用户质疑 GBLUP/ssGBLUP、genetic_corr、type_b、cluster、stability、OCS、MABC、inbreeding_depression、trial_design、mendelian 十新建模块缺逐模块数值校验，拍板「全量十项逐一复查」；审计抓到真 bug 就地修 + 探针加回归，独立 e2e 探针 21 断言 + 全量回归零回归，§8.39 / 桃育种系统统计引擎实施记录.md §18.17）：复查确认 8/10 模块已 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——审计深处暴露系谱键空间错位真 bug：run_type_b_heredity/correlation_matrix(mtblup)/run_genetic_corr 四个服务路径把 int tree_id 表型键传给 mtblup.solve_bivariate，而 _build_pedigree 系谱用 str "t{id}"，blup.solve 把系谱外个体自动并入 base（无关 founder）→ 系谱被静默丢弃。平衡数据（同株跨环境）掩盖；分裂家系数据（无同株跨环境、靠全同胞链桥接）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）。修复：共享 helper _tree_individual_keys（int→"t{id}" 对齐系谱键空间）收口四个调用点（_genetic_corr_matrix/_smith_hazel_index mtblup 分支/run_genetic_corr/run_type_b_heredity）；run_ablup 早已正确不受影响。新探针 e2e_rg_golden_20260805.py ok=21 fail=0（20 founder×10 全同胞家系×3 同胞=30 株、3 站点：P0 诊断 str 键恢复 r_B=0.7+ / int 键锁死 −0.99；P1 type_b 分裂家系 r_B(1,2)>0.5 + n_common=0（无共有树、系谱桥接生效的直接证据）；P2 correlation 平衡 r_g(A,B)>0.65/AC,BC<0.4/判别间隙>0.3/h²∈(0,1)；P2b 分裂家系 discriminator r_g(S1,S2)>0.5）。验证：e2e_statsflow（单家系 fixture 对键 bug 不敏感，15 断言零变化）+ e2e_advanced_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 + 后端重启 HTTP 核验（type-b-heredity / genetic-corr/run 分裂家系判别经真实端点）+ 备份镜像 Temp/claude/backup_keyspace_20260805/；_DATA_VERSION v2.28
v2.27	2026-08-05	规划↔目标↔试验 可追溯性闭环（用户全代码库 grep 实证 bre_plan 彻底孤立根表——plan_id/bre_plan/ForeignKey…plan 只命中 plan/ 模块自身，零传入外键，bre_trial 无 plan_id/target_id，无 project/program 表；核实确认 + 拍板「加试验挂目标」最小双链，独立 e2e 探针 17 断言 + 全量回归零回归，§8.38 / 桃育种系统统计引擎实施记录.md §18.16）：bre_target.plan_id + bre_trial.plan_id + bre_trial.target_id 三可空 FK（weld SQL 幂等 + model/schema/service/controller 透传），关闭两条可追溯链——plan→target→cross_combination→tree（目标链）与 plan→trial→trial_study→tree（试验链）；target/trial 列表返回 plan_name（挂计划目标/试验）与 target_name 解析标签；父校验：target create 不存在 plan_id → 409、trial create 不存在 plan_id/target_id → 409（assert_parents_exist 跳过 None，孤目标/独立试验仍可建）；删除守卫：plan.delete 有 target/trial 子 → 409、target.delete 有 combo/trial 子 → 409（assert_no_children）；计划可追溯端点 GET /bre/plan/trace/{id}——plan 基础信息 + targets[]（n_combinations/n_trees/combinations[] 含每组合株数）+ trials[]（target_id/target_name/n_trial_studies/n_trees/trial_studies[]）+ totals（targets/trials/combinations/trial_studies/trees），软删过滤（is_deleted 组合/试验点不进入 trace），trace 不存在计划 → 409；前端：target/trial 表单加「所属计划/目标」select + 表格/详情列 + plan 页「追溯」行操作弹窗（ElCollapse 目标链/试验链，组合与试验点 ElTags）。验证：e2e_plan_trace_20260805.py 17 断言全过（[1] 目标链 n_combinations=2/4 树 + 软删 C2 排除；[2] 试验链 n_trial_studies=1/2 树 + target_name 解析 + 软删 S2 排除；[3] totals=2 组合/6 树；[4] 孤目标不入 trace + 不存在计划 409；[5] target/trial page 标签解析 + 孤目标 plan_name=None；[6] 三父校验 409；[7] 双删除守卫 409）+ 全量回归零回归（含审计切面探针排查修复：entity_id 按实体表各自序列非全局唯一 → 残留检查限定 entity_type=='bre_target'，跨表撞 id 误报根治）+ vue-tsc EXIT=0 + 后端重启 HTTP 核验；_DATA_VERSION v2.27
v2.26	2026-08-05	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）（用户实证复查三项全部成立，拍板落地，§8.37 / 桃育种系统统计引擎实施记录.md §18.15）：N3 blup.solve 加 block 第二随机效应（_solve_block 镜像 _solve_gxe，σ²block 剖面 REML，ENGINE_VERSION 1.5.0）；run_ablup(block=True) → method=ABLUP-BLOCK，block_no 缺树降级剔表型留系谱、<2 区组 409、与 gxe/gxr/spatial 互斥 409，前端 GxE tab block 开关；N1 孟德尔检验落库（bre_mendelian_check + 每树子表 + bre_pedigree_exclusion 隔离注册表，POST /bre/genotype_call/mendelian/check/run，GET 只读预览零回归）+ 自动隔离可逆（flag→upsert 隔离、未 flag→清除）+ data_quality_report(dataset_id) mendelian 段（flagged>0 → has_warning）+ 系谱消费方断开隔离树亲本链（退化为 founder 表型保留：_build_pedigree/run_ablup/inbreeding/kinship/cv/_germplasm_pedigree，GBLUP 基因型样本不受影响）；N2 新探针 e2e_stats_numerics_20260805.py ok=101 fail=0 全量统计引擎逐段独立 ground-truth 真值（blup/gxe/block/spatial-aniso/gblup/ssgblup/bivariate/multi/FW/ammi/rcbd/diallel/ocs/UPGMA/ΔG/data-quality/kinship 全对照；探针自身两处 fixture 缺陷修复——低 h² 小样本 r_g 假收敛换高遗传力良态设计、B4.2 硬编码 tree_id——引擎本体零缺陷）；验证 27 套件全量回归零回归 + vue-tsc EXIT=0 + HTTP 核验四端点 + 备份镜像 Temp/claude/backup_block_mendelian_numerics_20260805/；_DATA_VERSION v2.26、blup.ENGINE_VERSION 1.5.0
v2.24	2026-08-05	A–F 六项功能级缺口补齐·批3 OCS 最优贡献选择 + MABC 标记辅助回交（批1/批2 已落地 §8.32/§8.33、v2.22/v2.23；批3 = D+E，独立 e2e 探针 + 全量回归零回归，§8.34 / 桃育种系统统计引擎实施记录.md §18.12）：D OCS 最优贡献选择（群体配种贡献优化，纯计算不落库）——POST /statistics/ocs（OcsIn：candidate_germplasm_ids + n_select=5 + lam=0.1 + prediction_id 可选）：max Σc_i·ebv_i − λ·c'Ac，s.t. Σc=n_select、c≥0（纯 numpy 欧氏投影梯度 _proj_simplex + _solve_ocs，候选数<50 足够；A 由 _germplasm_pedigree + blup.relationship_matrix rmat 组装、对角=1 非对角按候选对取 r）；EBV 复用抽出的共享 helper _candidate_ebv_map（mating_recommend 内联块原样提取，direct 优先/progeny 降权 0.5/双亲均缺剔除/n_progeny·n_combos/coverage，mating 回归 14/14 零变化）；输出 contributions（每候选 c 降序含 germplasm_id/name/c/ebv/source + 可选 n_progeny/n_combos）、mean_ebv、avg_kinship（c'Ac）、kinship_quad、vs_top_n{n,mean_ebv,avg_kinship,ebv_loss,kinship_reduction}（对照贪心 top-n 展示 OCS 亲缘控制价值）、ebv_source/kinship_status/kinship_warning；门禁 n_select>候选/空候选/λ<0 409；E MABC 标记辅助回交（前景+背景选择工作流，纯计算不落库）——POST /statistics/mabc-progress（MabcIn：candidate_tree_ids + foreground_panel_ids + background_panel_ids + recurrent_parent_tree_id + foreground_min_hits=1 + generation=BC1 + background_target=90）：前景复用 _mas_hit_map/_mas_marker_hit（additive/dominance/recessive/allele/haplotype 五语义，stage 无关、童期幼苗即可筛选），foreground_pass=命中≥阈值；背景恢复率对 background 面板每标记取候选 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；杂合不算），均值=基因组恢复率估计 %；回交代建议按 _BC_LADDER 晋级（pass+恢复≥target → 下一代 F1→BC1→…→BC5→自交固定；pass+不足 → 再回交一代；pass+恢复无法评估 → 补测后判定；fail → 维持+前景未通过）；输出 per_tree{foreground_hits/by_panel/pass,background_recovery,n_background_compared,n_background_recovered,bc_generation,reason} + recommended（前景通过按恢复率降序）+ summary{n_pass,n_with_recovery,mean_background_recovery} + warning（轮回亲本无背景基因型/背景面板无标记）；门禁空候选/空面板/generation 非法/background_target∉(0,100]/轮回亲本不存在 409。验证：e2e_ocs_20260805.py 17 断言全过（Σc=3/c≥0/coverage direct 5/c 降序/最高=A、vs_top_n EBV 相当+kinship_reduction 0.0398+kinship_quad≈4.641、λ↑→avg_kinship 单调非增 [1.0→0.5157→0.3211→0.2685]、λ=0 满额投最高 EBV 单亲、kinship_status=partial+告警 D/E、三 409）+ e2e_mabc_20260805.py 23 断言全过（前景 5 pass/1 fail、背景恢复 100/75/75/0 复算、晋级 BC2/再回交 BC1/前景未通过 reason、recommended 恢复率降序 [100,100,100,75,0]、童期 C6 被前景选中、轮回亲本无基因型 warning+None、六 409）+ 回归 molrigor/gwas/mating_kinship/mating_ebv/gblup_cv/statsflow/spatial/busflow/批次/底座 全套零回归 + vue-tsc EXIT=0 + 后端重启 HTTP 核验 ocs/mabc-progress（200 结构 + 409 门禁）；_DATA_VERSION v2.24
v2.21	2026-08-05	ΔG 投影假设声明 + 工程健壮性打磨（用户报告两点均非功能 bug，核实确认 + 拍板落地，e2e 验证通过，§8.31 / 桃育种系统统计引擎实施记录.md §18.9）：① ΔG 投影假设显式声明——genetic_gain 旧实现 next_pheno_mean = pheno_mean ± dg 隐含「环境均值恒定」，若年际气候漂移投影会偏；属投影演示性质，返回体新增 note 假设声明（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），前端 gain tab 展示 info alert；② 空间模型缺坐标优雅降级——run_ablup(spatial=True) 旧实现任一观测树缺 row/col 即整批 ValueError 409，现改为剔除缺坐标株的表型（保留系谱 → EBV 仍由系谱预测），仅当全部观测树都缺坐标才整批 409，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)」；③ numpy 工程清理——data_quality_report/genetic_gain 及另 5 处函数体内重复 import numpy 收敛为模块级单次导入；data_quality_report 逐株 flag 循环改 numpy 布尔掩码向量化（输出逐字节不变）。验证：spatial 探针新增强健降级场景（5 株含 1 株缺坐标 → method=AR1×AR1/train_n=4/note 含剔除标注/5 株均有 EBV 行）+ 全缺坐标整批 409 门禁 + A6 探针 [2] note 断言（含「环境均值恒定」）+ 回归 spatial/A6/亲缘/批次/底座五套零回归 + vue-tsc EXIT=0 + HTTP 核验 genetic-gain 返回 note、data-quality 返回 direction 经真实端点
v2.9	2026-08-04	精修项四连发（用户核实四条缺口、拍板全部落地，e2e 验证通过），详见 §8.17 / 桃育种系统统计引擎实施记录.md：① DUS/品种保护「数据能力（三表）」（§2 原 ⏳待建，按拍板档位落地）——bre_dus_descriptor（UPOV TG/53 描述符模板）/bre_dus_test（测试记录）/bre_dus_observation（观测，UNIQUE(test,descriptor)）三表五件套 + TG/53 桃描述符种子 15 条（trait_code→bre_trait LEFT JOIN 关联 8 条）+ Excel 导入导出/模板 + 菜单 900230 真实页与 G 段按钮 900800-900808；② stage 感知（v2.0 ① trait.stage 终被消费）——PredictionModel.stage 落库，选择指数/决策预览按 juvenile/evaluation 过滤、跨阶段混用返回 stage_warning/skipped_stage；③ 模型外部验证（可靠性原仅 PEV 法）——blup.kfold_cv（sire 家系分层留出避免乐观、逐折容错、留出 EBV 系谱预测）+ bre_cv_result/fold 落库 + 端点，ABLUP/GXEBLUP 双支持；④ AI 伦理·分组偏差——按 site EBV 公平性报告（site_summary deviation/flagged + rank_consistency Spearman + gxe_pattern），只读不建表
v2.17	2026-08-05	桃育种业务流全面完善（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」；三路审计收敛 10 项真缺口，拍板全部实施 + 两裁决：不恢复导入按钮 / 采收入口走农事操作 op_type=harvest；批A 业务数据链/批B 统计算法/批C 前端，分三批独立 e2e + 全量回归零回归，§8.27 / 桃育种系统统计引擎实施记录.md §十八）：批A 业务数据链（A1-A6）——① 果实采收结构化入口（bre_field_operation 加 yield_kg/fruit_count/avg_fruit_weight/marketable_rate 四列，op_type=harvest 树级采收同步写 bre_trait_observation 4 行按 trait_code，plot 级只留操作记录）② 产量构成/物候/品质/生长量/描述性状种子（bre_yield_phenology_traits.sql：单株产量/果数/均果重/好果率/裂果率 + 盛花期/果实成熟期/落叶期 + 可溶性固形物/可滴定酸/固酸比 + 主干周长/树高/冠幅 + 果形/茸毛/离核/果皮底色/着色类型）③ 种质级观测（bre_observation 加 germplasm_id，描述性数据入口）④ 授粉→收种→种子处理补链（bre_seed_lot.pollination_id + bre_seed_treatment.seed_lot_id）⑤ EAV 观测校验（numeric/date parse + valid_min/max 越界 409 + 同(tree/plot/germplasm,trait,year,date)重复 409）⑥ 育种阶段自动设置 + 成株性状门禁（tree stage 按 breeding_generation 推断 F→juvenile/亲本嫁接→evaluation，童期树录成株性状 409）；批B 统计算法（B1-B4）——① type-B 多环境遗传力（run_type_b_heredity 复用 mtblup.solve_bivariate 把环境当"性状"精确 REML、env_dim=site/year、落 bre_type_b_result + POST /statistics/type-b-heredity + GET /type-b + /type-b/{id}）② correlation_matrix 增 genetic 模式（_genetic_corr_matrix 逐对 bivariate 组装 G0、pheno 分支逐字节不变、不落库）③ selection_index 自动权重（auto_weights=True → 权重=default_h2 兜底 0.1、强制 use_h2=False 防双重相乘、direction 翻转、weights_json 记 __auto）④ UPGMA 层次聚类（run_cluster 纯 numpy 无 scipy、POST /statistics/cluster 不落库、输出 {clusters,merges,order}）；批C 前端（C1-C4）——观测录入增强（observation 页 plot/站点/germplasm 过滤 + germplasm 表单、field_operation harvest 结构化表单）、统计可视化 ECharts（correlation 热图 mode 切换 + gblup 可靠性热图/EBV 趋势折线 + type-B 新 tab + cluster 树状图）、combination-funnel 前端入口对话框、stage_phenotype 容器同步（通用观测/农事操作翻真实页）；_DATA_VERSION v2.15
v2.16	2026-08-05	十二项真缺口补齐（用户全量现状盘点收敛 12 件真缺口，拍板只补这 12 件，分三批独立 e2e + 全量回归零回归，§8.24–8.26 / 桃育种系统统计引擎实施记录.md §十七）：批1 引擎三件（solver 扩展独立路径）——① ssGWAS（gwas.py 1.2.0 _ssgwas：genomic.build_g_matrix 岭保正定构 G → solve_gblup 全样本 GEBV û，Wang et al. 单步 GWAS MEM 对角近似反推标记效应 ê_j=(M_j'Z'G⁻¹û)/(2Σp_j(1−p_j))、Var(ê)=σ²u/(2Σp_j(1−p_j))，Wald t=ê/SE → fdist.f_pvalue；共享 _finalize/_bh_qvalues/_cluster 后处理、G⁻¹ 岭兜底、无基因型样本报错、method=ssgwas 透传 + 前端下拉）② 全 MT-BLUP 多变量 REML（mtblup.py 1.1.0 solve_multi：m 性状 y 堆叠 X/Z 块对角、Var(u)=G0⊗A（G0 m×m 半正定）、EM-REML 迭代 G0+ve（单性状 REML 初始 + 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 路径保活零回归）③ AR1×AR1 双参 ρ（blup.py 1.4.0 solve_spatial 加 aniso：R_ij=ρ_row^
v2.15	2026-08-04	九缺口补齐（用户重扫 12 项缺口、剔除同日已落地的 A1 S-等位/A4 G×R 余 9 项，拍板「全部补齐」，分三批独立 e2e + 回归全过，§8.23 / 桃育种系统统计引擎实施记录.md §十六）：批1 经典侧计算端点（纯计算不建表）——A5 数据质量 POST /statistics/data-quality（缺失率/变异系数 + IQR 箱线 + MAD 稳健 z-score 双法异常标记）；A3 遗传增益 POST /statistics/genetic-gain（ΔG=k·r_g·σ_A，k 经 Acklam 有理近似 Φ⁻¹ 纯 numpy、r_g=批次 PA、σ_A=√h²·σ_P，逐轮投影）；A6 主动选配 POST /statistics/mating-recommend（S-等位硬过滤 + 亲缘 A 惩罚 score=w_ebv·mid_parent_EBV−w_kin·max(0,r−threshold)，不落库）；批2 分子侧严谨性——B1 EMMAX 混合模型 GWAS（gwas._emmax：零模型方差分量复用 genomic._profile_solve、eigh 对角化 K→V⁻¹、逐标记 GLS t²→fdist.f_pvalue；run_gwas 后处理抽共享函数、GLM 路径逐字节不变）；B2 SSR 多等位虚拟编码（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、build_g_matrix 多等位 VanRaden 推广）；B3 QTL×E POST /statistics/gwas-qtl-x-e（分环境 GWAS 合并 stable/env-specific/异号 G×QTL 警示）；B4 MAS 面板语义（mode/favorable_allele/haplotype_group 三列 + _mas_hit_map additive/dominance/recessive/allele/haplotype 五语义命中）；批3 求解器核心——A2 AR1×AR1 空间协方差（blup.solve_spatial：e~N(0,σ²e·R)、R=AR1(ρ)⊗AR1(ρ) 纯 numpy eigh 求 R⁻¹、REML 对 (h²,ρ) 坐标上升黄金搜索、run_ablup(spatial=True)→method=AR1×AR1、与 G×E/G×R 互斥、缺坐标 409）；A7 稀疏 A⁻¹+共轭梯度（_build_ainv_sparse COO + _cg_solve、n>N_SPARSE(1000) 阈值分派 solver=sparse-cg、Hutchinson k=100 估 PEV 对角 reliability 近似、稠密路径逐字节不变）；_DATA_VERSION v2.13、blup 1.3.0 / genomic 1.2.0 / gwas 1.1.0
v2.14	2026-08-04	现代桃育种四方向收口·GWAS/QTL/MAS 闭环落地（§8.22，e2e 验证通过）：④ GWAS/QTL/MAS 闭环由「留待」落地为完整发现层——GWAS 引擎 gwas.py（GLM+PC 单标记回归：群体结构 SVD 前 n_pc 个主成分得分作协变量、p 值复用 fdist.f_pvalue(t²,1,df) 纯 numpy 零 scipy、微小岭回归兜底共线标记（标记与 PC 共线时效应被吸收 p≈1，不误吸正交 QTL 效应）、Bonferroni 阈值 + BH-FDR q、显著标记同染色体相邻间距合并 QTL 定位）；5 张新表（bre_gwas_result/bre_gwas_snp/bre_qtl/bre_mas_panel/bre_mas_panel_marker，create_all + weld_gwas.sql 幂等兜底）；服务端 `POST/GET /bre/statistics/gwas/run
v2.13	2026-08-04	现代桃育种领域覆盖·S-等位基因交配兼容性 + 抗病/需冷量性状字典落地（§8.21，e2e 验证通过）：① bre_germplasm.s_alleles（String32，Sf=自交亲和型）+ cross_combination create/update 兼容校验（任亲本含 Sf→放行、共享 2 个→409「配了不结」硬门禁、共享 1 个→s_compat 半兼容警示）；②③ bre_trait 种子 5 条 numeric（细菌性穿孔病/褐腐病/白粉病 0-5 级病情指数 + 需冷量 h + 需热量 GDD，category 抗病性/生态适应性，into_ebv=1、direction=asc、default_h2 兜底，统计引擎仅消费 numeric）；④ MAS/QTL/GWAS 闭环单独立项（§8.22 / v2.14）
v2.12	2026-08-04	基因组选择（GS）实证严谨性·GBLUP/ssGBLUP 专用 k-fold 交叉验证（§8.20，e2e 验证通过）：genomic.kfold_cv_genomic（G/H/Hinv 只建一次、逐折掩蔽留出表型，个体保留在关系矩阵、留出 GEBV 由 G⁻¹/H⁻¹ 交叉关系预测）——run_cv 加 dataset_id/method/maf_min 入参（method=KFCV/GBLUP·KFCV/ssGBLUP），候选=genotyped∩phenos，固定种子随机分层（GS 同世代样本无家系树，区别于 ABLUP 的 sire 家系留出），单折失败容错不中断，mean/pooled pearson + RMSE + cv_accuracy 落 bre_cv_result；_gather_gblup_inputs 提取（run_gblup↔GS CV 复用取数，行为不变）；_build_h 缺失基因型个体按 base 补入系谱（不再 raise）；ENGINE_VERSION 1.1.0、_DATA_VERSION v2.11。SSR 多等位 dummy 编码（§8.20 ②）留待后续
v2.11	2026-08-04	田间试验精度补强·砧木×接穗随机互作（G×R，rootstock 由固定哑变量升级为第三随机效应槽，e2e 验证通过），详见 §8.19 / 桃育种系统统计引擎实施记录.md §十二：run_ablup(gxr=True) 走 G×R 分支（method=GXRBLUP、job_type=GXR），按 (基因型,砧木) 分组建 Z₂ 随机互作（克隆坍缩系谱与 G×E 共享），rootstock 强制从 fixed_effects 剥离防共线，不可辨识门禁（同基因型无跨砧木/单元内无重复/残差 df<1）→409，σ²gxr/gxr_ratio/n_cross_rootstock 落 note；求解器 _solve_gxe 加 factor_label/factor_name 参数（G×E 警告文案逐字节不变、G×R 显「砧木」），ENGINE_VERSION 1.2.0；Z₂ 单槽位 → G×E/G×R 必须互斥（双开 409 + 前端互斥 watcher）；前端 G×E tab 加 G×R 复选框、批次表互作方差列同显 σ²gxr
v2.10	2026-08-04	六项能力完善（用户核实六条缺口、逐项拍板「全部落地」，e2e 验证通过），详见 §8.18 / 桃育种系统统计引擎实施记录.md §十一：① MT-BLUP——mtblup.solve_bivariate 成对双性状 REML（共享系谱 A/A⁻¹、y 堆叠 X/Z 块对角、Var(u)=G0⊗A、固定单性状方差仅对 ρ 黄金分割求极大精确 REML），run_genetic_corr 逐对 bivariate 组装 G0 + Higham 半正定投影，落 bre_genetic_corr_result（job_type=GENCORR），_smith_hazel_index 加 g_method="mtblup"（单对不收敛回退 Calo + warning，G 非正定特征值截断）② GBLUP/ssGBLUP——genomic.py（VanRaden G method1/2 + MAF 过滤 + blend 岭；solve_gblup 仅基因型株入模型；solve_ssgblup 单步法 H⁻¹=A⁻¹+0,0],[0,G⁻¹−A22⁻¹，V 块用 H 协方差、H⁻¹ 仅进 MME），run_gblup（样本 source_type=tree 直连 / sample_name↔tree_no·品种名兜底，未映射跳过+warning，多等位标记跳过；genotyped=sorted(dosage) 对齐 G 行序）③ DUS 特异性统计检验——QN 单因素 ANOVA→LSD（t_crit 由 fdist.f_icdf 二分反解 F(1,df) 开方）、PQ/QL 状态众数比较、必测描述符驱动建议，POST/GET /bre/dus_test/distinctness/{test_id} 落 analysis_json，参照默认同 trial_study 自动 + reference_test_ids 显式覆盖，conclusion 为 pending 时自动建议 ④ AMMI/Finlay-Wilkinson 稳定性——stability.py（FW 环境指数回归 b/R²/se_b/flag_stable，完美拟合 se_b=0 时 b≈1 判稳；AMMI 残差 SVD→IPC/ASV/ecovalence），run_stability(gxe_env=site/year) 落 bre_stability_result，格子 <2×2 → 409 ⑤ MLOps 重训+回滚——bre_prediction.is_active（版本链：无 active 时首批 active），GET /statistics/model/drift（轻量 _gather_digest_inputs 重算输入哈希）+ POST /statistics/model/retrain（漂移才重训，新批次 model_activate 转移 active）+ POST /statistics/model/activate/{id}（回滚原语），list 加 is_active ⑥ BLUP stage 拆分——bre_trait_observation.stage（观测级发育阶段，缺省继承 trait.stage），run_ablup(stage) 取数按 coalesce(obs.stage,trait.stage) 过滤 + model_name _{stage} 后缀 + PredictionModel.stage 落库，未指定但数据有分歧→note 警示

---

0. 设计原则（本规格的宪法）

1. 性状字典与测量值分离 + 统一长表存储（对标 BrAPI ObservationVariable + Observation）：trait 是唯一的性状字典（代码/类型/单位/量表），新增桃性状只加字典、不动核心表结构；测量值一律走长表 EAV，分两张职责正交的表——① 单株鉴定明细 走 breeding_trait_observation（挂 evaluation_id，tree 级，clone 级 EBV 取数主路径）② 物候时序 + plot/combination 级观测 走 breeding_observation。统计层经"统一性状值视图"（DB 普通 VIEW，按 trait_code pivot）归一供 BLUP 消费（§8.4）。（v2.2/F1 裁定：废弃初稿"核心性状固定列 + EAV 双轨"口径——tree_evaluation 已删固定列、全迁 breeding_trait_observation 长表；当初上固定列的收益=报表/SQL 聚合快，改由 DB 视图/物化视图 pivot 顶上，不回退固定列）。这是与初稿最大的修正：字典一处定义、值全部长表、报表用视图。
2. Program/Trial/Study 三层（对标 BrAPI）：把"多年多点试验"从 site/plot 里抽象出来，支持同一品系跨生态点、跨年同步试验（MET, Multi-Environment Trial）。
3. 桃语义而非大田语义：清单里的「P/F1/F2 世代、拔节期/抽穗期、播种季节、随机区组/间比」是按一年生大田作物（玉米/小麦）写的，对桃（多年生无性繁殖果树）必须语义替换（见 §1）。
4. 砧木–接穗建模：桃特有的「嫁接繁殖」维度，现有系统完全缺失，必须补齐。
5. 预留分子层：marker/genotype_sample/genotype_call 对齐 BrAPI Sample+Calls，未来接 GBS / PeachSNP170K 做基因组选择（GS）不改骨架。
6. 统计与决策是地基不是补丁：上面的数据模型必须能让 V1.1 统计引擎（R sommer/lme4 做 ABLUP/EBV、选择指数）与 V3.0 AI 决策直接消费，不做"先堆数据再补分析"的短视设计。
7. API 直接对齐 BrAPI（已采纳）：保留现有 /breeding/*（UI 业务接口）的同时，新增 BrAPI 兼容只读适配层（/brapi/v2/...）。数据模型已按 BrAPI 实体设计，适配成本低，可无缝对接 Breedbase / Flapjack / 国际数据交换，避免未来重复造导入导出。
8. MIAPPE 合规（已采纳）：试验元数据按 MIAPPE 的 Investigation(=target/Program) / Study(=trial_study) / ObservationUnit(=tree/plot) / ObservationVariable(=trait) 对齐，作为数据共享/投稿的一致性基线。

---

1. 桃育种语义替换表（清单 → 桃）

清单原文（大田作物语境）	桃系统应改为	落点
P / F1 / F2 世代（选择阶段）	选择阶段 stage：实生苗 → 初选株 → 复选株 → 品系 → 区试品系 → 新品种（枚举见 §9）	germplasm/tree/cross/selection_result 的 stage
遗传世代	遗传世代 generation：F1 / F2 / BC1 / BC2 / BC3（与 cross_type 联动；引入种质留空）	权威 cross_combination.generation，tree/germplasm 冗余拷贝便于筛选
拔节期 / 抽穗期	桃物候：萌芽 / 开花(初花·盛花) / 坐果 / 果实发育 / 成熟 / 落叶	observation（物候类变量）
播种季节	桃用嫁接 / 定植（砧木 + 接穗），非播种	planting.rootstock_id → breeding_rootstock（A3）
自交系	桃为克隆（无性繁殖），入选株 = 待审定克隆，需砧木关联	germplasm.is_rootstock（仅"可作砧木"标记）/ tree.rootstock_id → breeding_rootstock（A3，全文砧木 FK 统一指字典，不指 germplasm）
随机区组 / 间比试验	桃果园株数少，简化为 区组 + 重复 + 对照轻量设计	trial.design_type
材料编号	accession_no（唯一 accession 编号）	germplasm.accession_no

stage / generation 枚举（v1.2 已定，详 §9）：依 RosBREED 桃无性选育流水线与现有 14 域敲定，作为 sys_dict 新增字典类型（breeding_stage / breeding_generation），落库英码、前端显中文。

---

2. 目标模块总览（现有 14 + 新增 13，部分为规划）

A. 现有 14 域（保留 + 字段调整） germplasm / site / plot / target / cross_combination / pollination / seed_treatment / seedling / planting / tree / tree_evaluation / tree_photo / selection_result / personnel

B. 新增模块（P0–P2，含 v1.3 复审补入）

模块	表名	BrAPI 映射	优先级
trait（性状字典）	breeding_trait	ObservationVariable	P0 地基
observation（plot/物候观测）	breeding_observation	Observation	P0 地基
trait_observation（单株鉴定明细，v2.2/F2 补登记）	breeding_trait_observation	Observation	P0 地基
field_operation（农事操作）	breeding_field_operation	Observation(op_type)	P0
trial（多年多点试验）	breeding_trial + breeding_trial_study + breeding_trial_study_entry(v1.4)	Trial / Study / Entry	P1
group（分组/标签）	breeding_group + breeding_group_member	List	P1
statistics（统计报表）	breeding_report（配置）+ 聚合端点	—	P2
propagation（克隆扩繁）	breeding_propagation	—	P1（§3.8）
seed_lot（种子批·库存）	breeding_seed_lot	—	P1（§3.13，与 MET 一并建模）
environment_condition（环境因子）	breeding_environment_condition	—	P1（§3.9，G×E 地基）
audit_log（审计日志）	breeding_audit_log	—	P1（§3.10）
selection_rule（选择阈值规则）	breeding_selection_rule	—	P1（§3.11，决策地基）
treatment（试验因子/处理）	breeding_treatment	Treatment(BrAPI)	P1（§3.14，支撑 split_plot 等设计的因子主效应/互作估计）
planting_treatment（定植-处理关联）	breeding_planting_treatment	—	P1（§3.15，treatment 多对多落地）
分子基因型层	breeding_marker(含 panel) / breeding_genotype_sample / breeding_genotype_call + breeding_genotyping_dataset(v1.4)	Sample / Calls / Marker / Dataset	V2.0（地基先建）
prediction（育种值）	breeding_prediction / breeding_prediction_value	—	值表 V1.1（EBV 持久化）/ GS 模型训练 V2.0（§3.12）

注：原稿数"21"已过期，此处以清单为准；其中 seed_lot / environment_condition / audit_log / selection_rule 为 v1.3 复审补入一期，prediction 留 V2.0。

重要简化（避免模块膨胀）

• 物候期不单列模块 → 只是 observation 中「物候类变量」的观测。
• 系谱树不单列模块 → 靠 cross_combination.parent_combination_id 自链 + germplasm.pedigree 字符串 + 前端 D3 树图 + /pedigree/{id} 聚合端点。

---

3. 新模块字段规格

3.0 breeding_clone（入选克隆系谱表，P0 数据治理地基）

桃为无性繁殖，入选株 = 待审定克隆。本表是遗传身份（clone）层，与亲本/种质档案 germplasm（父母本来源）分离（v2.0 决策：亲本资源 vs 入选克隆分离）。砧木只挂在 observation 层，本表无砧木字段（建模铁律，§5.x）。嫁接扩繁株沿用原 clone_id，不新建。 （v2.2/A1 修订） clone ≠ 每株实生苗。杂种实生苗定植时不建 clone（tree.clone_id 可空），仅当该单株入选晋升时由流程创建一条 breeding_clone 并回填 tree.clone_id；参试无性系（来自 entry）定植即有 clone。故本表行数 = 入选克隆数（数百级），而非定植实生苗数（数千级），避免 EBV 全收缩到单株均值。

字段	类型	约束	说明
id	int	PK	自增主键
clone_id	varchar(32)	UNIQUE NOT NULL	组合码 + 单株序（≥4 位，容纳单组合数千株，G1），如 JY-DJB-001-0007；全局唯一可追溯。由统一编号服务在入选晋升时生成（§8.9），非定植时（A1）
combination_id	int	FK→breeding_cross_combination NOT NULL	所属杂交组合
female_parent_id	int	FK→breeding_germplasm	母本（冗余直查列；权威系谱见 §3.18 breeding_pedigree，避免 A 矩阵递归断裂）
male_parent_id	int	FK→breeding_germplasm	父本（冗余直查列；同上）
planting_year	int	NOT NULL	定植年份
generation	varchar(16)		v2.2/D2：世代 F1/BC1/F2…；脚注：可由 combination_id→组合父母本派生，与 tree.generation 保持一致，冗余存此便于 clone 级筛选与系谱世代统计
status	varchar(1)	NOT NULL DEFAULT '1'	clone 级决选状态：1入选/2初选/3重点/4保存/5淘汰（淘汰=状态变更非删除）
uuid / is_deleted / created_time / updated_time / deleted_time	—	同框架契约	审计与软删

聚合语义：同一 clone 经嫁接扩繁产生多株 tree，其表型是同一基因型的重复观测；统计前按 tree.clone_id 聚合为该 clone 的重复测量，EBV 随机效应估在 breeding_clone 级（clone_id），tree 仅作重复测量单元。此点取代原 tree.germplasm_id → germplasm 级 EBV 的聚合口径（§4/§5 同步修订）。（v2.2/A1） 实生苗入选前无 clone_id，其童期观测按 tree_id 聚合（门禁键此阶段退化为 tree_id，见 §3.16/F3）；入选建 clone 后再切换到 clone 级聚合。

3.1 breeding_trait（性状字典，P0）

字段	类型	约束	说明
id	int PK
trait_code	varchar(64)	UNIQUE, NOT NULL	如 brix、fruit_weight、bloom_date
trait_name	varchar(128)	NOT NULL	中文名：可溶性固形物、单果重…
category	varchar(32)	NOT NULL	fruit/flower/plant/disease/phenology/yield/quality/rootstock（业务类别）
stage	varchar(16)	NOT NULL	v2.0：性状分段 juvenile（童期）/ evaluation（评价段），与 category 正交并存、不混用；童期采集→间接早选，评价段采集→clone 级 EBV
data_type	varchar(16)	NOT NULL	numeric / categorical / date / boolean
unit	varchar(32)	NOT NULL	g、%、°Brix、mm、date；v2.0：导入/观测时强校验，值单位须匹配，不符整行拒收（数据质量门禁，§3.17）
method	varchar(256)		测定方法自由文本（如折射仪、游标卡尺）
method_uri	varchar(256)		v2.2/G3：受控词表方法 URI（Crop Ontology / MIAPPE Method），与 method 自由文本并存互补——method 供人读、method_uri 供 BrAPI/国际仓储对接；可空（合并 §6 路线图曾提的 method_uri，消除双字段漂移）
scale_json	jsonb		量表/选项（categorical 时存选项数组；numeric 时存 min/max/step）
ontology_uri	varchar(256)		v1.4：Crop Ontology / Trait Ontology / MIAPPE 受控词表 term URI（如 CO_356:0000041），供 BrAPI 适配层与国际合作仓储对接；可空
valid_min	numeric(12,4)		v1.7：生物学合理下限（自定义阈值），数据质量校验/异常值自动标记用；可空（专册 3.3.2 数据质量监控）
valid_max	numeric(12,4)		v1.7：生物学合理上限，同上；可空
direction	varchar(16)	NOT NULL DEFAULT 'desc'	v2.3 已落地：性状方向 desc=越大越好（默认）/ asc=越小越好（低优性状：裂果率、病害级别、酸度——若目标是低酸）。选择指数（zsum/smith_hazel）、EBV 排行、决策预览、轮次对比均按此翻转贡献符号/排序方向，杜绝"高 EBV=优"隐含假设把低优性状选反
into_ebv	varchar(1)	NOT NULL DEFAULT '1'	v2.3 已落地：是否选种目标 1=进 EBV/指数/决策候选（默认）/ 0=仅记录（仅从选种相关候选剔除——指数候选/EBV 排行/决策预览/ABLUP 下拉；describe/correlation/trait_values 不受影响）
default_h2	double precision		v2.3 已落地：先验遗传力 h²（桃经典先验，可在性状字典修改）；指数无实测 h² 时兜底（zsum/smith_hazel 均兜底，两者皆无才 409 拒绝）

valid_min/max 局限说明（v2.2/H1）：本字段为全局单值，但果重/糖度等的生物学合理区间随成熟期/年份/砧木变化，全局阈值可能误标或漏标。一期口径：接受全局阈值 + 人工复核（门禁本就对异常值走人工复核，见 §3.16），不强制按 stage 分档；后续如需精细化，可在 scale_json 内按 stage 追加分档区间，不改表结构。 | is_preset | bool | default false | 是否系统内置（种子数据） | | remark | varchar(512) | | | | created_time / updated_time / is_deleted | 标准 | | 来自 ModelMixin |

BrAPI 映射简化说明（v1.4）：BrAPI ObservationVariable = Trait + Method + Scale 三元组，本系统将 method/scale 内联合并进 trait（桃单作物、方法稳定，避免三表 join 复杂度）。适配层导出 BrAPI 时需按此三元组拆分；ontology_uri 提供受控词表引用，满足 MIAPPE/Crop Ontology 可引用性。

种子数据来源：doc\果树所\育种\yz.sql 的 pa_four（~40 字段：单果重/果形/果核/可溶性固形物/成熟期/离粘核/风味…）与物候类变量，导入为 is_preset=true 的桃专用性状字典。

枚举归属决策（v1.9，2026-07-29，方案A 已定）：性状的量表选项/范围是性状定义的一部分，单一真相内联在 scale_json（categorical 存 options 数组、numeric 存 min/max/step），不进 sys_dict；sys_dict 仅承载"实体状态/分类枚举"（如 §9 的 breeding_stage/breeding_generation、tree.status、germplasm_type 等，非被测变量）。二者语义不同——性状=ObservationVariable（有 method/unit/obs_year/重复测量）；分类枚举=实体一次设定属性，无测定方法/单位——不得混用。BrAPI 导出时 scale_json→Scale 三元组，无需 join sys_dict。这一定位与"方便统计分析"无关：统计引擎只读 data_type+实测值，选项清单存哪不影响计算；A 的真正收益是元数据自包含、防双源漂移、BrAPI 干净导出。

3.2 breeding_observation（通用观测，P0）

采用显式可空外键（tree_id / plot_id / combination_id），不采用 (unit_type, unit_id) 多态——多态会破坏引用完整性、无法真正联表、且令现有 _build_conditions 数据权限注入（依赖已知 FK 列）失效。三者至多一个非空。

字段	类型	约束	说明
id	int PK
tree_id	int FK→breeding_tree	可空	观测单元=单株
plot_id	int FK→breeding_plot	可空	观测单元=小区
combination_id	int FK→breeding_cross_combination	可空	观测单元=杂交组合（如组合级表型）
trait_id	int FK→breeding_trait	NOT NULL	测了哪个性状
value_numeric	numeric(12,4)		data_type=numeric 时
value_text	varchar(512)		categorical / boolean 存此
value_date	date		data_type=date 时
obs_year	int		观测年份（MET 聚合键）
obs_date	date		具体日期
site_id	int FK→breeding_site		观测地点（冗余便于聚合；亦可由 tree→plot→site 推导）
person_id	int FK→breeding_personnel		观测人
trial_study_id	int FK→breeding_trial_study	可空	区分「试验观测」vs「果园日常观测」；试验观测可参与 BLUP
status	varchar(16)	default "draft"	v1.4：数据质量态 draft(草稿)/validated(已校验)；批量导入/多人观测下隔离脏数据，统计前按 validated 筛选
issue_status	varchar(16)	default "normal"	v2.2/C2：门禁质量标记 normal(正常)/pending(待补录)/rejected(拒收)；与 status 配合驱动状态机（§3.16/C3），不新建 issue 表
validated_by	int FK→breeding_personnel		v1.6：校验人（status=validated 时记录）
validated_date	date		v1.6：校验日期
unit	varchar(32)		v1.6：本次观测值单位（冗余自 trait.unit，便于核对与单位换算）；批量导入时按 trait.unit 校验/换算
remark	varchar(512)

索引：(trait_id, obs_year)、(tree_id)、(plot_id)、(combination_id)、(trial_study_id)。 语义（v2.2/F1+F2 重定职责）：本表仅承载 plot/combination 级观测 + 物候时序观测（如花期/果实发育期时序、小区级/组合级群体表型），不再承载 tree 级果实鉴定性状——后者一律走 §3.2b breeding_trait_observation（挂 evaluation）。两表职责按"是否喂 EBV"正交切分：breeding_trait_observation 喂 EBV（clone 级取数主路径），breeding_observation 不喂 EBV。plot 级果实均值不在本表落值，由统计 VIEW 从 breeding_trait_observation 聚合派生（§8.4），杜绝双写与重复计数。原"核心性状走 tree_evaluation 固定列"表述作废（F1，见 §4/§8.4）。v1.6（B8）：本系统 tree/plot/block 对应 BrAPI observationLevels（plant/plot/block），观测单元层级即观测的 FK 类型（tree_id/plot_id/combination_id）。

3.2b breeding_trait_observation（单株鉴定明细长表，P0，v2.2 正式登记）

命名说明（v2.2/F2）：本表已在代码落地（模块/URL/权限名 trait_observation，模型 TraitObservationModel，物理表名 breeding_trait_observation 与全项目 breeding_* 前缀一致），此前文档漏登记（"代码有、文档无"缺口）。此处补记既有表，非新建。 职责（F1+F2）：承载单株（tree 级）每次鉴定的性状明细——童期性状 + 评价段果实性状，是 clone 级 EBV 的取数主路径。与 §3.2 breeding_observation（plot/combination + 物候）按"是否喂 EBV"正交：本表喂 EBV。取代初稿 tree_evaluation 固定列（F1）。

字段	类型	约束	说明
id	int	PK
evaluation_id	int	FK→breeding_tree_evaluation NOT NULL	所属鉴定主记录（一次鉴定=一主记录+N 明细）
tree_id	int	FK→breeding_tree NOT NULL	观测单元=单株（可经 evaluation 推导，冗余便于按株聚合/判重，F4）
trait_id	int	FK→breeding_trait NOT NULL	测了哪个性状（breeding_trait 驱动长表）
value_numeric	numeric(12,4)		data_type=numeric 时（统计 pivot 取此列）
value_text	varchar(512)		categorical / boolean
value_date	date		data_type=date 时
category	varchar(32)		归属标签页（基本鉴定/果实外观/果皮/果实大小/果肉/果核/其它），驱动前端分组录入
issue_status	varchar(16)	default "normal"	v2.2/C2：门禁标记 normal/pending/rejected（同 §3.2）
unit	varchar(32)		本次观测值单位（冗余自 trait.unit，导入校验用）
remark	varchar(512)
uuid / is_deleted / created_time / updated_time / deleted_time	—	同框架契约	鉴定类表：禁物理删、UPDATE 强制 audit（§3.10/G2）

索引：(evaluation_id)、(tree_id, trait_id)、(trait_id)。 统一性状值视图：统计管线由 DB 普通 VIEW 按 trait_code pivot 本表（+ 必要时 union breeding_observation）生成宽表供 BLUP，保证 fresh；看板/报表可另建 物化视图 MV（定时刷新），但 MV 不得作为 BLUP 输入（§8.4）。

3.3 breeding_field_operation（农事操作，P0）

同样改显式 FK（tree_id / plot_id），弃 (unit_type, unit_id) 多态，理由同 §3.2。

字段	类型	约束	说明
id	int PK
op_type	varchar(32)	NOT NULL	施肥/灌溉/植保/除草/修剪/病害防治/其他
tree_id	int FK→breeding_tree	可空	作用对象=单株
plot_id	int FK→breeding_plot	可空	作用对象=小区
op_date	date	NOT NULL	操作日期
material	varchar(128)		药剂/肥料名
dosage	varchar(64)		用量
method	varchar(128)		方式（叶面/根施…）
operator_id	int FK→breeding_personnel		操作人
site_id	int FK→breeding_site		定位
remark	varchar(512)
索引：(tree_id)、(plot_id)、(op_date)。
BrAPI 映射修正：field_operation 不映射为 /events（BrAPI 无顶层 Event）；改为映射到 /observations（带 op_type），或自定义只读端点（见 §8.2-C）。

3.4 breeding_trial + breeding_trial_study（多年多点试验，P1）

breeding_trial

字段	类型	说明
id	int PK
trial_code	varchar(64) UNIQUE	试验编号
trial_name	varchar(128) NOT NULL
target_id	int FK→breeding_breeding_target	关联育种目标
design_type	varchar(32)	取值见 §9（rcbd/augmented/contrast/split_plot/unreplicated）
description	varchar(512)
years	varchar(64)	跨年计划，如 2026-2028
remark	varchar(512)

breeding_trial_study（Trial×Location×Year）

字段	类型	说明
id	int PK
trial_id	int FK→breeding_trial
site_id	int FK→breeding_site	试验点
year	int	年份
replicate_count	int	重复次数（原 replicate）
block_count	int	区组数（v1.3 补）；与 tree.block_no 对应，是 BLUP 的 block 随机效应来源
design_type	varchar(32)	取值见 §9.4（便于 study 级覆盖 trial 默认设计）
control_germplasm_id	int FK→breeding_germplasm	对照品种
layout_json	jsonb	田间种植图（小区排布坐标）
season	varchar(32)
remark	varchar(512)

试验隶属链路（v1.3 彻底补全，原稿断裂）：观测单元（tree）经两条显式 FK 挂到试验——

• breeding_planting.trial_study_id（定植时把这批树挂到某 trial_study，运营钩子）
• breeding_tree.trial_study_id（从 planting 同步，BLUP 直接消费）+ breeding_tree.block_no（该树所属区组/重复）
• breeding_plot.block_no（小区级试验时；tree 未填 block_no 则继承 plot）

这样任意 tree_evaluation/observation 记录 → tree → trial_study(environment=site×year) + block_no → 混合模型 y = genotype + block + environment + G×E 的 block 项不再缺失。布局图由前端可视化 + 轻量排布算法生成。

breeding_trial_study_entry（试验 entry 清单，v1.4 补，对标 BrAPI Study 的 entry / ObservationUnit）

字段	类型	说明
id	int PK
trial_study_id	int FK→breeding_trial_study	所属试验
germplasm_id	int FK→breeding_germplasm	参试无性系/品系的种质溯源（保留，v2.2/D3）
clone_id	int FK→breeding_clone	v2.2/D3：参试落 clone 级（entry 直指遗传身份，与 BLUP/EBV 聚合层一致）；germplasm_id 仅作种质溯源
entry_number	int	entry 编号（该 study 内唯一；BrAPI entryNumber，BLUP 设计矩阵聚合键）
planned_reps	int	计划重复/区组数
n_plants	int	计划株数
is_control	bool	是否对照 entry
remark	varchar(512)

为何需要 entry 抽象（v1.4）：v1.3 让 tree 直接带 germplasm_id + trial_study_id + block_no，假设一株=一个观测单元。但一个无性系在某 study 内常重复多株/多区组，且需"entry 编号"聚合设计效应。BrAPI 的 ObservationUnit = germplasm × entryNumber × replicate × blockNumber × position，本表即此 entry 层；tree 通过 entry_id（或冗余 germplasm_id）挂回，统计层按 entry_number 聚合后再估 genotype 效应。

⚠ 单写点纪律（v1.5 强化）：tree.trial_study_id / tree.block_no / tree.entry_id 均派生自 planting（定植时 planting 一次性写入 trial_study_id / block_no / entry_id，tree 创建时由 service 从所属 planting 复制并锁定；后续修改只能改 planting 并级联同步 tree）。严禁两处各自手填，否则 BLUP 输入静默错配。

• tree.trial_study_id 仅记「定植所属 study」（来自 planting 的单次定植），多年生树跨年/跨点观测不改 tree 自身，而是落到 observation.trial_study_id + obs_year（观测级表达），统计按 observation 的 study 聚合，tree 只是观测单元。
• 两类 tree 区分（v1.5）：planting.entry_id 非空 ⇒ 这是参试无性系批次，定植时 germplasm_id 必须等于 trial_study_entry.germplasm_id（入试即定，禁待晋升）；planting.entry_id 为空 ⇒ 杂种实生苗批次，germplasm_id 待晋升流程写入（晋级纪律管）。单写点 + entry 有无即可区分两类 tree，无需新增类型字段。
• 写树校验：tree.trial_study_id = planting.trial_study_id、tree.entry_id = planting.entry_id、tree.germplasm_id 与 entry 一致性按上述规则。

3.5 breeding_group + breeding_group_member（分组/标签，P1）

breeding_group

字段	类型	说明
id	int PK
group_name	varchar(128) NOT NULL
group_type	varchar(32)	取值见 §9（project/family/category/temporary_set/custom）
target_id	int FK	关联育种目标（可选）
description	varchar(512)

breeding_group_member

字段	类型	说明
id	int PK
group_id	int FK→breeding_group
germplasm_id	int FK→breeding_germplasm	或成员种质
clone_id	int FK→breeding_clone	v2.2/H3：或成员克隆（入选群体/决选批以 clone 为成员，呼应 D 组 clone 居中）；三者（germplasm/clone/tree）按分组用途择一
tree_id	int FK→breeding_tree	或成员单株
note	varchar(256)

group_type 取值已定（§9）：project(育种项目) / family(家系·杂交组合群) / category(种质类别群) / temporary_set(临时选系集) / custom(自定义)。为避免与 target(育种目标) 语义重叠，不设 objective 维度。 family / category 冗余消减（v1.3）：group_type=family 本质是"某 cross_combination 的后代集合"，可由 tree.combination_id 动态推导，不必存静态成员 → 建议 family 做成虚拟分组（查询），不在 group_member 落成员；group_type=category（油桃/蟠桃/观赏桃）与 germplasm.variety_type 字典重叠，直接复用 variety_type，不在 group 里另起炉灶。故 group_member 主要服务于 project/temporary_set/custom 三类。

3.6 breeding_report（统计报表配置，P2）

字段	类型	说明
id	int PK
report_name	varchar(128) NOT NULL	报表名
report_type	varchar(32)	育种进度/世代汇总/杂交组合统计/材料库存/MET分析
query_json	jsonb	报表查询参数（保存配置，便于复用）
created_by	varchar(64)
output_format	varchar(16)

v1.7 确认进一期（原 v1.4 标记延后）：V2.11 方案书 3.3.1 要求「年度育种进展 Word/PDF 报告」。故一期提供报告生成服务（基于 report_type 模板 + query_json 渲染），支持 docx/pdf 导出，不再仅限于只读聚合端点；看板类走 view 实时聚合，归档类走 docx/pdf 落盘。

配套：

• 报告生成服务：POST /breeding/statistics/report/generate（按配置渲染 docx/pdf，可由 cron 触发年度归档）
• 只读聚合端点：
  • GET /breeding/statistics/progress 育种进度
  • GET /breeding/statistics/generation-summary 世代汇总
  • GET /breeding/statistics/cross-stats 杂交组合统计
  • GET /breeding/statistics/inventory 材料库存
  • GET /breeding/statistics/met 多年多点分析（钩子，V1.1 R 引擎）

3.7 分子基因型层（V2.0，地基先建）

breeding_marker（标记/位点）

字段	类型	说明
id	int PK
marker_name	varchar(64) UNIQUE	如 SNP_Chr01_123456
chromosome	varchar(16)	染色体
position	int	物理位置
marker_type	varchar(16)	SSR / SNP / InDel
panel	varchar(32)	v1.4：所属标记面板/芯片版本（如 PeachSNP170K / GBSv1），用于区分不同基因组集、GS 时需一致
assembly_version	varchar(32)
remark	varchar(512)

breeding_genotyping_dataset（基因分型数据集，v1.4 补，GS 训练/预测群体分组）

字段	类型	说明
id	int PK
dataset_name	varchar(128) NOT NULL	如 "2026_Brix_GS_train"
platform	varchar(32)	GBS / PeachSNP170K / 测序
panel	varchar(32)	与 marker.panel 对应
purpose	varchar(16)	train（训练群体）/ predict（预测群体）/ reference
run_date	date	分型日期
lab	varchar(128)	检测单位
remark	varchar(512)

关联：genotype_sample.dataset_id FK→genotyping_dataset（标记某样品属于哪个分型集）。GS 训练时按 dataset(purpose=train) 取 sample→call 矩阵，避免每次手工挑样品。

breeding_genotype_sample（基因型样品）

字段	类型	说明
id	int PK
dataset_id	int FK→breeding_genotyping_dataset	v1.4：所属分型数据集
source_type	varchar(16)	germplasm / tree
source_id	int	来源 id
sample_type	varchar(16)	DNA / leaf
sample_date	date
method	varchar(64)	测序/芯片（GBS / PeachSNP170K）
lab	varchar(128)	检测单位
remark	varchar(512)

breeding_genotype_call（基因型调用）

字段	类型	说明
id	int PK
sample_id	int FK→breeding_genotype_sample
marker_id	int FK→breeding_marker
allele	varchar(32)	基因型编码（AA/AT/TT 或 0/1/2）；v1.6：遵循 VCF/GP 编码约定（Breedbase 走 VCF 导入），0/1/2 = 纯合ref/杂合/纯合alt
remark	varchar(256)

索引：(sample_id, marker_id) 复合唯一。

3.8 breeding_propagation（克隆扩繁/苗圃，P1，已定纳入一期）

桃主繁殖方式为嫁接/芽接扩繁（非种子实生）。打通 入选株(tree) → 克隆种质(germplasm) → 扩繁批次(propagation) → 新定植树(tree) 闭环；现有 seedling/seed_treatment 仍管种子实生苗，二者互补。

breeding_propagation（扩繁批次）

字段	类型	说明
id	int PK
batch_code	varchar(64) UNIQUE	扩繁批次号
scion_source_type	varchar(16)	germplasm / tree（被扩繁的克隆来源）
scion_source_id	int	来源 id（入选株或其对应种质）
produced_clone_id	int FK→breeding_clone	v2.2/A2 澄清：本次扩繁所繁殖的原克隆（嫁接扩繁沿用同一 clone，不新建 clone）；产出的新 tree 直接 tree.clone_id = produced_clone_id。原"产出的克隆"措辞易误读为新建，特此澄清。取代原 produced_germplasm_id→germplasm
rootstock_id	int FK→breeding_rootstock	v2.2/A3：砧木字典（§3.17）；不再 FK→germplasm。germplasm.is_rootstock 仅作"可作砧木"标记
method	varchar(16)	嫁接/芽接/扦插
graft_date	date	嫁接日期
nursery_site_id	int FK→breeding_site	苗圃地点
operator_id	int FK→breeding_personnel	操作人
scion_count	int	接穗/芽数
grafted_count	int	嫁接株数
survival_count	int	成活株数（后续登记）
destination	varchar(32)	出圃/定植/入库
remark	varchar(512)

survival_count 与 grafted_count 可派生成活率；产出苗木经 planting（带 rootstock_id→breeding_rootstock）成为新 tree，新 tree 的 clone_id = produced_clone_id（沿用原 clone，不新建，A2），完成闭环（v2.0：clone 级晋升，取代原 germplasm 级）。

3.9 breeding_environment_condition（环境因子，P1，G×E 地基）

多年多点分析的核心是 G×E 互作。无 site×year 的环境协变量（需冷量/积温/降水），BLUP 只能粗估。本表提供每个试验点每年的环境背景。

字段	类型	约束	说明
id	int PK
site_id	int FK→breeding_site	NOT NULL	试验点
year	int	NOT NULL	年份
chilling_hours	numeric(8,1)		需冷量（小时）
growing_degree_days	numeric(8,1)		积温（GDD）
rainfall_mm	numeric(8,1)		降水量
temp_avg	numeric(6,1)		年均温
soil_moisture	numeric(6,1)		土壤墒情（可选）
source	varchar(32)		气象站/人工记录/遥感
remark	varchar(512)

索引/唯一：(site_id, year) 唯一，确保每点每年一条。可复用 yz.sql 的"天气"字段做种子。

3.10 breeding_audit_log（审计日志，P1）

晋级审批、全程可追溯需"谁/何时/改了什么"轨迹，现有仅 updated_time 粒度不足。

字段	类型	说明
id	int PK
entity_type	varchar(32)	实体（tree/selection_result/cross_combination…）
entity_id	int	实体 id
action	varchar(32)	create/update/delete/select/approve
field_name	varchar(64)	变更字段（可空，批量时为 null）
old_value	varchar(512)	旧值
new_value	varchar(512)	新值
operator_id	int FK→breeding_personnel	操作人
created_time	标准	时间戳

索引：(entity_type, entity_id)、(created_time)。建议作为现有 14 域的通用切面（在 Service 写操作时统一落审计），而非逐表加列。

审计覆盖范围（v2.2/G2，落实操作手册"记录不可删只能改、改要留痕"铁律）：

• 鉴定类表（breeding_tree_evaluation / breeding_trait_observation / breeding_observation）：禁止物理删除，且禁用软删（is_deleted 不对外开放）；淘汰/作废走状态变更（status/issue_status）而非删除。
• 上述表的每次 UPDATE 必须写 breeding_audit_log（field_name/old_value/new_value 逐字段），由 Service 切面强制，不可绕过。
• 其余业务表沿用框架软删；selection_result/cross_combination/tree 等关键决策表的 update/select/approve 一并纳入审计切面。

3.11 breeding_selection_rule（选择阈值规则，P1，决策地基）

RosBREED 的 DNA-informed 选择靠指数阈值（如 Brix≥12 且单果重≥200g）自动 flagged。selection_result 只记晋级/淘汰，缺"标准"实体，决策支撑会退化为纯人工勾选。本表把"选择标准"显式建模。

字段	类型	约束	说明
id	int PK
rule_name	varchar(128)	NOT NULL	规则名（如"鲜食品系晋级线"）
target_id	int FK→breeding_breeding_target		适用育种目标（可选）
stage	varchar(32)		适用选择阶段（§9.1，如 ap 复选）
conditions_json	jsonb	NOT NULL	阈值条件数组，如 [{"trait_code":"brix","op":">=","value":12},{"trait_code":"fruit_weight","op":">=","value":200}]
logic	varchar(8)	default "and"	多条件组合 and/or
action	varchar(16)		flag(标记)/select(自动晋级)/eliminate(自动淘汰)
priority	int		规则优先级
enabled	bool	default true
remark	varchar(512)

决策支撑（§5.4）：前端按规则对 tree_evaluation/观测值求布尔，自动 flag/晋级；规则与 trait 字典通过 trait_code 关联，新增性状自动可被规则引用。

（v2.3 已落地）方向感知：conditions_json 的 op 缺省按性状 direction（desc→>=，asc→<=）；rank_top_n 按方向取最优前 N（asc 取 EBV 最小前 N，desc 取最大前 N）；into_ebv='0' 性状不参与决策候选。兼容性提醒：既有规则对 asc 性状显式写了 >= 的仍字面执行（可能选反），上线后人工复核。

3.12 breeding_prediction（育种值：值表 V1.1 持久化 / GS 模型训练 V2.0）

v1.7 时序拆分（关键）：v1.6 曾把整张 breeding_prediction 标 V2.0，与分子层同期。但 V1.1 统计引擎（R sommer/lme4 做 ABLUP/EBLUP）会产出育种值（EBV），而「年遗传趋势图（专册 2.6.3）」「EBV 双轨选择（§5 B10）」「亲本/单株决策（专册 3.1/3.2）」都依赖 EBV 持久化读取——若不建值表，V1.1 一接入即断链。v1.7 拆分：

• 值存储表 breeding_prediction_value 前移 V1.1：与 V1.1 引擎同期建表并写入，持久化 EBV/预测值，供趋势图与决策读（硬缺口①闭环）。
• GS 模型训练（基因型→育种值）留 V2.0：依赖分子层（§3.7 genotype_call）；其产出的 GBLUP/EBV 同样写入同一 breeding_prediction_value 表。

主表 breeding_prediction（模型/批次元数据）：

字段	类型	说明
id	int PK
model_name	varchar(128)	模型名（如"2026_Brix_ABLUP" / "2027_Brix_GS"）
trait_id	int FK→breeding_trait	预测的性状
method	varchar(32)	ABLUP(系谱) / gBLUP / rrBLUP / GBLUP / Bayes（V1.1 先填 ABLUP，GS 类 V2.0）
accuracy	numeric(5,3)	模型精度（交叉验证）
heritability	numeric(5,3)	v2.2/B1+B2：本次 BLUP × 该性状的加性(狭义)遗传力 h²（一次预测=一个 h²，故落主表而非明细）。落库口径取克隆均值遗传力 h² = V_clone /（V_clone + V_e/k̄），k̄=各 clone 平均重复株数；PA 上限 PA≤√h² 用此值。注：术语正名——ABLUP 产出的是加性/狭义 h²，非"广义遗传力"（后者含显性/上位，clonal 数据虽可估广义，但本系统选择决策用加性 h²）
train_n	int	训练样本数
predict_date	date	预测日期
note	varchar(512)

明细 breeding_prediction_value（个体预测值，V1.1 建表）：prediction_id / clone_id(FK→breeding_clone，个体锚点，v2.1/R1 与 EBV 聚合层一致) / tree_id（可选重复测量）/ predicted_value / reliability / rank（EBV 排名）。（v2.2/B1） heritability 已上移主表 breeding_prediction（一次 BLUP × 一性状 = 一个 h²，不应在每条明细重复），明细仅存个体级 clone/value/reliability/rank。V1.1 引擎每次跑 BLUP 在主表落 h²、明细落各 clone 的 EBV，同批次持久化。

（v2.3 已落地）rank 语义 + h² 兜底：breeding_prediction_value.rank 是写时快照——读时（EBV 排行/轮次对比）按性状当前 direction 重新推导优度序（ebv_ranking 读时重排、compare_predictions 方向感知），性状事后改方向不需重跑批次。主表 heritability 实测缺失时，指数/排行可用 breeding_trait.default_h2 先验兜底（两者皆无才拒绝）。

3.13 breeding_seed_lot（种子批·库存，P1，与 MET 一并建模）

v1.1/§8.3 曾把库存"延后"。v1.3 复审：MET 与选择强度都依赖 "种子→播种→定植→入选" 链，故把 seed_lot 作为批记录提前进一期（仍非完整事务性出入库台账，后者延后）。与 §3.4 的 trial_study 链路共同拼出完整育种流程。

字段	类型	约束	说明
id	int PK
combination_id	int FK→breeding_cross_combination	NOT NULL	所属杂交组合
lot_code	varchar(64)	UNIQUE, NOT NULL	种子批号
harvest_year	int		收获年份
seed_count	int		收获粒数（选择强度源头）
used_count	int	default 0	v1.5/v1.6：已从该批取用的粒数（在 seedling/播种环节按粒累加，非定植株数），由 planting/seedling 写操作维护；remaining = seed_count - used_count 派生「剩余可播种量」，选强链前段（获种→已用）可量化，不再依赖手工孤值
germination_rate	numeric(5,2)		发芽率 %（活力）
storage_type	varchar(16)		种子库/离体/DNA
storage_location	varchar(128)		存放位置
test_date	date		活力检测日期
remark	varchar(512)

链接（选择强度链）：

• breeding_seedling.seed_lot_id FK→seed_lot（追溯幼苗来源批）
• breeding_planting.seed_lot_id FK→seed_lot（可选；种子来源定植）
• used_count 维护（v1.5/v1.6）：每次从某 seed_lot 取种（建 seedling / planting 引用该 lot）时由 service 按粒累加 used_count；remaining = seed_count - used_count 实时可查，避免手工维护 seed_count 与实际消耗脱节（注意粒度：粒≠株，used_count 记粒数）。

选择强度贯通（v1.5/v1.6）：seed_lot.seed_count（获种数）→ seed_lot.used_count（已用/播种粒数，派生 remaining）→ COUNT(seedling WHERE seed_lot_id)（成苗）→ COUNT(tree WHERE planting.seed_lot_id)（定植数）→ COUNT(selection_result 入选)（入选数）→ 各级选择强度/选择率可算，且 "每组合在某试验点种了多少" 与 MET 的 trial_study 直接挂钩。前段「获种→已用」因 used_count 派生而不再失真。

---

3.14 breeding_treatment（试验因子/处理，P1，v1.5 提进一期）

背景：§9.4 design_type 含 split_plot（砧木×接穗两因子）。若只记 design_type 而不结构化 factor/level，BLUP 无法估因子主效应与互作，设计等于白支持。BrAPI 有 Treatment(factor + level) 实体；MIAPPE 要求 ExperimentalFactor。本表把"试验处理"显式建模，使裂区/析因设计的统计效应可估。

字段	类型	约束	说明
id	int PK
trial_study_id	int FK→breeding_trial_study	NOT NULL	所属试验
factor	varchar(32)	NOT NULL	因子名（如 rootstock 砧木 / scion 接穗 / fertilizer 肥料）
level	varchar(32)	NOT NULL	因子水平（如 GF677 / Maotao / N0）
description	varchar(256)		处理说明
remark	varchar(512)

索引/唯一：(trial_study_id, factor, level) 唯一。统计层按 treatment.factor×level 估主效应与互作，与 block / environment 一并进入混合模型 y = genotype + block + treatment + genotype×env(+空间)。

3.15 breeding_planting_treatment（定植-处理关联，P1，v1.6 落地 A3）

背景（A3，v1.6）：§3.14 的 treatment 需落到具体定植批次才能进统计。一个 block 级 planting 批次常同时接受一组处理（如 rootstock=GF677 + scion=Maotao），故建多对多关联表。

字段	类型	约束	说明
id	int PK
planting_id	int FK→breeding_planting	NOT NULL	定植批次（block 级）
treatment_id	int FK→breeding_treatment	NOT NULL	接受的处理（factor×level）
remark	varchar(512)

索引/唯一：(planting_id, treatment_id) 唯一。统计层按 planting→treatment 把 factor×level 挂到该批次全部 tree，与 block/environment 一并进入混合模型。

---

3.16 数据质量门禁（quality gate，P0，作用在 breeding_trait_observation / breeding_observation 入库前）

（v2.2/C1） 门禁作用于长表 breeding_trait_observation（单株鉴定明细）与 breeding_observation（plot/物候），不再作用于已废弃的 tree_evaluation 固定列（F1）；单位/阈值一律从 breeding_trait 对齐（valid_min/valid_max/unit）。

门禁项	规则	处置
缺失值标记	关键单元键缺失（入选前实生苗=tree_id；入选后=clone_id，F3）+ 年份 + 性状值	标记 issue_status=pending（待补录），不进分析池
异常值	数值性状按 trait.valid_min/valid_max 越界	标记 issue_status=pending，人工复核（H1：全局阈值 + 人工）
单位混用	值单位 ≠ trait.unit	整行拒收 issue_status=rejected（§3.1 unit 强校验）
重复记录	按 (tree_id, 年份, 性状, obs_date) 判重（含 tree_id，F4）	去重（保留最新 / 人工选择）

（v2.2/F4）判重与重复测量的命门区分：同一 clone 经扩繁的多株 tree 在同点同年的观测是合法重复测量（clonal replicates），正是 reliability 的来源，绝不可当"重复记录"删。故判重键必须含 tree_id/株号——只有"同一株、同年、同性状、同日期"多条才是真重复；clone 级多株是"重复测量"而非"重复记录"。原 v2.1 按 (clone_id,地点,年份,性状) 判重（会把 clonal replicates 删到只剩一条 → reliability 崩、自由度虚低）作废。 （v2.2/F3）实生苗阶段单元键退化：入选晋升前实生苗无 clone_id，门禁单元键退化为 tree_id（童期观测按株入库），入选建 clone 后切换 clone_id；否则童期采集会被全部判"缺失键"打回。 （v2.2/C3）门禁 × 状态机衔接：门禁拒收 → issue_status=rejected 且记录停留 status=draft；门禁标记异常/缺失 → issue_status=pending，须人工修正后方可置 status=validated；仅 issue_status=normal 且 status=validated 的记录进 BLUP 分析池。

3.17 breeding_rootstock（砧木字典，P0 数据治理地基）

阶段0 建砧木字典（砧木名称/类型/来源），只挂 observation 层（tree/planting 的 rootstock_id），与 germplasm.is_rootstock（亲本种质属性）区分用途：germplasm.is_rootstock 标记"该种质可作砧木"，breeding_rootstock 才是观测层实际使用的砧木清单。砧木绝不进 A 矩阵（建模铁律，§5.x）。

字段	类型	约束	说明
id	int	PK	自增主键
code	varchar(32)	UNIQUE NOT NULL	砧木编码
name	varchar(64)	NOT NULL	砧木名称（如毛桃/山桃/GF677…）
type	varchar(32)		砧木类型（乔化/矮化/本砧…）
source	varchar(128)		来源（自繁/引进）
remark	varchar(512)

3.18 breeding_pedigree（独立系谱表，P0 数据治理地基，v2.1）

v2.1 修订（R2）：系谱从"clone 内联 female/male_parent_id + germplasm.pedigree 自由文本"升级为独立系谱表。原因：① clone 父本指向 germplasm，而 germplasm 父级是自由文本 → A 矩阵递归到父本级断裂；② 自选系作亲本时递归立刻崩。独立表让 dam/sire 也指向本表，递归闭环。

字段	类型	约束	说明
id	int	PK	自增主键
individual_type	varchar(16)	NOT NULL	clone / germplasm（个体类型，两类共用本表）
individual_id	int	NOT NULL	指向 breeding_clone.id 或 breeding_germplasm.id（由 individual_type 决定）
dam_id	int	FK→breeding_pedigree.id	母本（指向本表，递归闭环；引进种可为 NULL）
sire_id	int	FK→breeding_pedigree.id	父本（指向本表；引进种可为 NULL）
rel_type	varchar(16)		关系类型（biological / 可选）
combination_id	int	FK→breeding_cross_combination 可空	来源杂交组合（clone 型时有意义）
remark	varchar(512)

breeding_clone.female_parent_id/male_parent_id 降为冗余直查列（§3.0），权威系谱以本表为准；germplasm.pedigree（自由文本）移除，改由本表承载（§4 germplasm 行同步修订）。 （v2.2/A4）A 矩阵系谱唯一权威：构造遗传关系 A 矩阵的系谱以本表 breeding_pedigree（dam_id/sire_id 递归闭环）为唯一权威；cross_combination 的父/母本仅作 clone 系谱行的自动派生源（新建 clone 时据组合父母本自动生成本表一行），不作为 A 矩阵的独立系谱来源，避免"combination 父母本"与"pedigree dam/sire"双源不一致。§5.8 同步修订。

3.19 breeding_pollen（花粉档案，P0 田间刚需，v2.4 落地）

（v2.4 落地） 用户田间刚需：桃花期仅 3–7 天，父本花粉是杂交季命脉；原 breeding_pollination 有花朵数/坐果数/去雄/套袋，但无花粉采集/贮藏/活力/授粉窗口——明年复盘"这批坐果为什么低"毫无抓手。V2.11 方案书（document.xml:3682-3718）要求父本间花粉效力比较（同一母本×不同父本坐果率对比 + 花粉活力不足诊断），结构化活力数据是统计引擎依赖，不只是文档字段。

架构决策（v2.4 用户确认）：① 父本锚点=树级 male_tree_id（FK→breeding_tree，与 pollination.male_tree_id 一致；混合/外地采集时为空 + source_type 区分）② 活力=单值+方法（viability_method[ttc/germination] + viability_pct + viability_test_date，不建子表）③ 窗口=派生有效期+校验（collect_date + expiry_date，窗口=[采集日,失效日] 由 pollination service 校验，不建独立授粉计划表）。

字段	类型	约束	说明
id	int	PK	自增主键
lot_code	varchar(64)	NOT NULL UNIQUE	花粉批次号（如 PL-2026-0001）
male_tree_id	int	FK→breeding_tree 可空	采集父本树（树级锚点；混合/外地采集可空）
source_type	varchar(16)	NOT NULL default 'tree'	来源类型 tree父本树 / mixed混合花粉 / external外地采集
source_desc	varchar(128)	可空	来源说明（混合配比/外地品种）
collect_date	date	可空	花粉采集日期
collect_method	varchar(32)	可空	采集方式（采花取粉/振动收集/网袋挂置…）
quantity	varchar(32)	可空	采集量（如 50g / 花药数）
storage_method	varchar(16)	NOT NULL default 'fridge'	贮藏方式 fridge4℃ / minus20 / minus80 / liquid_n2液氮
viability_method	varchar(16)	可空	活力测定方法 ttc(TTC染色率) / germination(离体萌发率%)
viability_pct	double precision	可空	花粉活力 %
viability_test_date	date	可空	活力测定日期
expiry_date	date	可空	有效期/失效日期（授粉窗口上界）
remark	text

授粉窗口（派生，不建独立计划表）：窗口 = [collect_date, expiry_date]。breeding_pollination 保存/更新时若选定了 pollen_lot_id 且批次两日齐备，校验授粉日期须落在窗口内，否则 409（错误信息含批次号与窗口区间）。/bre/pollen/available_lots?date_on= 端点返回指定日期（缺省今天）窗口内可用批次，供授粉表单下拉（"当前花期能用的花粉"）与父本效力复盘取数。 统计链路：父本效力分析 = 同一 female_tree_id 下按 pollen_lot_id/male_tree_id 分组的坐果率（effective_count/flower_count）对比；花粉活力不足诊断 = viability_pct 阈值筛查。结构化活力字段（非仅文档）保证该分析可落 SQL。

4. 现有模块字段调整（非新增模块）

模块	新增字段	说明
germplasm	accession_no(varchar UNIQUE)、stage(varchar 选择阶段)、generation(varchar 遗传世代,可空)、storage_type(varchar 田间/离体/种子/DNA)、is_rootstock(bool)、rootstock_id(int FK 自关联)、护照块(v1.4,FAO-MCPD): institute_code(varchar 保存单位)、country_origin(varchar 起源国)、collection_site(varchar 采集地)、acquisition_date(date 引种日期)、biological_status(varchar 生物状态:wild/landrace/breeding_line)、breeding_program(varchar 所属育种计划,v1.6 暂自由文本,后续可升级 FK breeding_program 顶层)	种质档案补全 + 桃特有维度 + 国际种质资源护照（Genesys/FAO 对齐）；系谱不再内联（v2.1：移除 pedigree 自由文本，改由 §3.18 breeding_pedigree 独立表承载，避免 A 矩阵递归断裂）
cross_combination	cross_type(varchar 杂交/自交/开放)、parent_combination_id(int 自链 FK)、reason(varchar 选配理由)、stage	系谱链 + 选配理由
pollination	bagging_date(date 套袋)、emasculation_date(date 去雄)、female_tree_id(int FK→breeding_tree，可空)、male_tree_id(int FK→breeding_tree，可空)(v1.4,杂交圃父/母本树指定)、pollination_method(varchar(32) 授粉方式：人工点授/喷粉/涂抹…，v2.4 补一期文档规划但遗漏)、pollen_lot_id(int FK→breeding_pollen，可空，v2.4 授粉所用花粉批次，窗口校验见 §3.19)	田间杂交登记补全 + 控制杂交父/母本树追溯（crossing block） + 花粉批次溯源（父本效力分析：同母本×不同父本坐果率对比 + 花粉活力不足诊断）
seedling	seed_lot_id(int FK→breeding_seed_lot)	追溯幼苗来源批（选择强度链，§3.13）
planting	rootstock_id(int FK→breeding_rootstock，v2.2/A3)、entry_id(int FK→breeding_trial_study_entry，可空，v1.5 单写点补 entry)、trial_study_id(int FK→breeding_trial_study，可空，单写点)、block_no(int，该批树所属区组，单写点)、seed_lot_id(int FK→breeding_seed_lot，可空)、propagation_id(int FK→breeding_propagation，可空，v1.6 来源双路径)	粒度=block 级批次（v1.6 明确：同一 entry 跨多 block 须建多个 planting）；砧木–接穗建模 + 试验隶属（MET 链路唯一写入口；entry_id 非空=参试无性系批次，germplasm_id 入试即定；为空=杂种实生苗批次，germplasm_id 待晋升） + 库存链接（seed_lot.used_count 派生剩余）+ 来源双路径（种子批/扩繁批二选一）
tree	clone_id(int FK→breeding_clone，可空；杂种实生苗定植可空、入选晋升时建 clone 回填，参试无性系定植必填，v2.2/A1 取代原"定植必填/1树=1clone"；扩繁后 1 clone↔N tree，§3.0 聚合锚点)、stage(varchar 选择阶段)、generation(varchar 遗传世代,冗余自 combination)、rootstock_id(int FK→breeding_rootstock，v2.2/A3)、germplasm_id(int FK→breeding_germplasm，晋升时回填、定植时留空，禁手填；v2.0：定植即定 clone，germplasm 仅当 clone 晋升为种质时写入)、entry_id(int FK→breeding_trial_study_entry，可空，v1.5 派生自 planting，区分两类 tree)、trial_study_id(int FK→breeding_trial_study，可空，v1.5 仅记「定植所属 study」，派生自 planting；跨年/跨点观测走 observation.trial_study_id+obs_year)、block_no(int，派生自 planting，BLUP block 效应来源)	clone 聚合锚点（R1 修正：tree 必带 clone_id，EBV 经 tree.clone_id 聚合到 breeding_clone，否则链路断） + 阶段/世代标记 + 克隆晋升链路（4.x 全流程 + GS 拼接依赖）+ MET 观测单元归属（派生，单写点=planting；两类 tree 以 entry_id 有无区分）
site	soil_type(varchar 土壤类型)、latitude(numeric 坐标)、longitude(numeric)、elevation(int 海拔)(v1.4，空间 BLUP/MIAPPE 环境描述)	试验地块补全 + 地理定位
selection_result	clone_id(int FK→breeding_clone，v2.2/D1，决选落 clone 级)、对齐 stage 晋级流转（建议加 from_stage/to_stage + approved_by）、rule_id(int FK→breeding_selection_rule，可空，v1.4，记录触发晋级的规则，决策闭环)、tree_id（保留作溯源）	晋级审批流 + 选择决策溯源（决选粒度=clone，tree_id 溯源到具体单株）
tree_evaluation	（v2.2/F1：已删果实性状固定列，改为"一次鉴定主记录"，性状明细全落 §3.2b breeding_trait_observation） trial_study_id(int FK→breeding_trial_study，可空，环境键)、evaluate_date(调查时间)、breeding_personnel_id(评价人)、overall_score(总评)、crop_load(varchar 坐果量评级 1/2/3，可空，作果实性状协变量降环境误差——作鉴定主记录字段，每次鉴定一值)	鉴定主记录 + 环境键 + 负载量协变量（专册 1.3：坐果量评级吸收单株负载造成的生理/环境误差，提升 EBV 与选择指数精度）

tree_evaluation 定位（v2.2/F1 裁定：单一长表，废弃固定列）：tree_evaluation 已删除所有果实性状固定列，降为一次鉴定的主记录（tree_id + evaluate_date + 评价人 + overall_score + crop_load 等每次鉴定级字段），性状明细全部迁往 §3.2b breeding_trait_observation 长表（breeding_trait 字典驱动）。原 v1.3「按 pa_four 扩 ~30–40 固定列」口径作废——已落地代码（2026-07-29）删固定列、统计 service 改从 breeding_trait_observation pivot 取数。报表/SQL 聚合的补偿：由 DB 视图（统计用普通 VIEW / 看板用 MV）按 trait_code pivot 顶上（§8.4），不回退固定列。原则回归：§0「性状与观测分离」恢复为「字典定义 + 值全部长表」，不再是「固定列 + EAV 双轨」。

v1.6 补（A1）/ v2.2 修订：tree_evaluation（鉴定主记录）加 trial_study_id（可空，按该年 observation.trial_study_id 推导或直填），使该次鉴定的所有性状明细（经 evaluation_id 关联的 breeding_trait_observation）都继承环境键，纳入 MET 环境效应估计（原"固定列层漏环境键"的裂痕在长表下由主记录统一承载）。

统一性状值视图（v1.3 补 / v2.2 F1 重定义，统计层关键）：性状值一律经 trait_id 与 trait 字典关联（长表天然带键，无固定列漂移问题）。在统计/GS 层定义统一性状值视图 v_trait_value（DB 普通 VIEW），把 breeding_trait_observation（单株鉴定明细，喂 EBV）+ 必要时 union breeding_observation（plot/物候）按 (unit_key, trait_code, obs_year) pivot 归一为宽/长表，供 V1.1 BLUP 与 V3.0 决策消费——普通 VIEW 保证 fresh，不会有过期数据污染 EBV。看板/报表另建物化视图 MV（定时刷新换性能），MV 不得作为 BLUP 输入。种子初始化只需把 pa_four 写入 trait 字典（is_core=true），不再向任何固定列写值；新增核心性状只加字典行，不改表结构。

v1.6 补（A6）/ v2.0 修订：视图/引擎须把 tree_evaluation/observation 的观测按 tree.clone_id（v2.0：由 tree.germplasm_id 改为 tree.clone_id→breeding_clone，详见 §3.0）聚合为 clone 的重复测量（同一 clone 经扩繁多株 tree 是重复而非独立个体），EBV 随机效应估在 breeding_clone 级（clone_id），tree 作重复；否则 V1.1 会误把每株当独立个体高估自由度。

---

5. 统计分析与决策地基（关键要求）

用户明确要求"统计分析与决策，需要基础能够支持"。数据模型须满足：

1. 任意性状可聚合：统一性状值视图（§4 末尾，v2.2/F1 由 breeding_trait_observation + breeding_observation 长表 pivot）使「按性状×年份×地点×阶段」切片聚合无需改表——这是 ABLUP/EBV 与选择指数的输入。
2. MET 结构就绪（v1.3–v1.5 补全）：tree.trial_study_id（v1.5 仅记「定植所属 study」，派生自 planting）+ tree.block_no（区组随机效应）+ trial_study.block_count + trial_study_entry（entry_number 设计矩阵聚合键） + treatment（factor×level，v1.5 提进一期，支撑 split_plot 等因子效应） 提供完整试验设计维度；跨年/跨点观测经 observation.trial_study_id + obs_year 表达（树自身不跨 study）。site 经纬度/海拔支持 空间 BLUP（sommer 空间项）。V1.1 混合模型 y = rootstock + site + year + block + treatment + environment + genotype(clone) + clone×year(随机互作) + G×E(+空间) 各效应项齐备（v2.2/F5：rootstock 作固定效应显式入模，与 §5.x 铁律一致，否则 EBV 被砧木注水；v2.1/R9：桃多年生、同 clone 跨年观测是重复测量，须含 clone×year 随机互作，否则单年运气被当遗传进展），可输出 clone 级 EBV。

   sommer 基线公式（v2.2/B3，供 R 脚本落地）：mmer(y ~ rootstock + site + year + block, random = ~ vsr(clone, Gu=Amat) + vsr(clone:year), rcov = ~ units, data=...)，其中 clone 走 A 矩阵（Amat 由 §3.18 breeding_pedigree 构造），rootstock/site/year/block 为固定效应扣除系统偏差。lme4 退化版：lmer(y ~ rootstock + site + year + block + (1|clone) + (1|clone:year))（无 A 矩阵时）。

（v2.3 已落地）G×E 交互引擎：run_ablup 已支持 gxe=True + gxe_env=site/year（method=GXEBLUP）；site→自动固定效应 trial_study、year→自动固定效应 year；σ²gxe/gxe_ratio/n_cross_env 落 breeding_prediction.note JSON；不可辨识门禁（无跨环境重复 / 单元内无重复）→409「G×E 不可辨识」；同 clone 多株坍缩为基因型节点 c{clone}（EBV 一致，重复测量聚合）；异步 StatisticsJobModel job_type=GXE/ABLUP + SUCCESS/FAILED。落地台账见 §8.11 与 桃育种系统统计引擎实施记录.md。

3. 选择指数可计算：统一性状值视图(表型) + genotype_call(基因型) → 多维选择指数（RosBREED DNA-informed 思路），按 stage 分层筛选；selection_rule（§3.11）把阈值显式化，支持自动 flag/晋级。（v2.5 落地：指数单位=无性系级）——桃无性繁殖、一个 clone 多株遗传同质，先按 §5.7 的 clone_id 聚合成遗传实体再排名（EBV 均值按可靠性加权，同一优系不会因"只中 1 株"被拆散漏选），未晋升 clone 的实生株退化单株参与；selection_result 按遗传实体写（clone 级决选 + 溯源株）。
4. 选择强度可算（v1.3 补）：seed_lot.seed_count→成苗→定植→入选 四级计数贯通（§3.13），育种效率/选择压力可量化，且与 MET 的"每组合在某点种了多少"挂钩。
5. 决策支撑：selection_result(晋级/淘汰) + stage 流转 + EBV 排名 + selection_rule 自动标记 → 前端决策视图（哪些株晋级/淘汰、依据 EBV 与哪条规则）。
6. 溯源闭环：tree→combination→父/母本 germplasm + observation/field_operation/pollination 全 FK → 任意品系反向追溯（需求 7.1）。
7. 重复测量聚合（v1.6，A6 / v2.0 修订）：同一 clone 经扩繁产生多株 tree，其表型是同一基因型的重复观测；统计前按 tree.clone_id→breeding_clone 聚合为 clone 重复（v2.0：取代原 tree.germplasm_id→germplasm 级聚合），EBV 随机效应估在 breeding_clone 级（clone_id），避免自由度虚高。
8. 系谱 A 矩阵（v1.6，B9 / v2.0 明确 / v2.2 A4 修订）：除基因组 G 矩阵（来自 genotype_call）外，BLUP 可并入系谱 A 矩阵；A 矩阵系谱以 §3.18 breeding_pedigree（dam_id/sire_id 递归闭环）为唯一权威（v2.2/A4），供 sommer 递归构造；cross_combination 的父/母本仅作 clone 系谱行的自动派生源（建 clone 时据组合父母本自动生成 pedigree 行），不作独立系谱来源，避免双源不一致。breeding_clone.female/male_parent_id 仅为冗余直查列。砧木（breeding_rootstock）绝不进 A 矩阵（建模铁律，§5.x）——砧木改表型不改遗传身份。
9. EBV 驱动选择（v1.6，B10 / v2.2 B4 修订）：selection_rule（§3.11）的 conditions_json 除引用 trait_code（表型阈值）外，应允许引用 prediction_value（EBV 排名阈值），实现 RosBREED「表型 + EBV」双轨选择。（v2.2/B4）双轨统一在 clone 级判定：表型侧先按 tree.clone_id 聚合到 clone 均值，再与 clone 级 EBV 按同一规则比较，避免"表型按株、EBV 按 clone"粒度错配。
10. 负载量协变量（v1.7，硬缺口②）：tree_evaluation.crop_load（坐果量评级 1/2/3）作为果实性状混合模型协变量，吸收单株负载造成的环境/生理误差（专册 1.3），提升 EBV/选择指数精度；V1.1 引擎须支持该协变量项。
11. 超期预警/通知（v1.7，软缺口⑤，工程项）：专册 3.3.2「树 N 年未决策预警」由定时任务（cron）扫描 selection_result/tree.stage 实现，结合 selection_rule 触发通知；不阻塞一期数据模型，属前端/调度工程项。

5.x 砧木建模铁律（遗传评估不可动摇规则，v2.0 2026-07-30 锁定）

适用于所有落地：数据字典、R 脚本（sommer/lme4）fixed 公式、observation 层字段、质量门禁。

1. 记录层：砧木只记在 observation 层（tree/planting 挂 rootstock_id → breeding_rootstock 字典，§3.17）；breeding_clone 系谱层无砧木。
2. A 矩阵（遗传随机关系）：绝不进——砧木改表型不改遗传身份，进 A 矩阵会污染 clone 的 EBV。
3. BLUP 固定效应：砧木必须进，与 地点 / 年份 / 定植批次 并列扣除系统偏差；否则残差被污染、clone 的 EBV 被砧木注水。

关键澄清："不进 A 矩阵" ≠ "不进模型"——砧木不进随机遗传关系，但必须进固定效应。这一字之差直接决定 EBV 是否被砧木注水，是建模正确性的命门。

5.y 间接早选（indirect early selection，v2.0）

分期	内容	阶段
童期采集	trait.stage=juvenile 性状采集（tree 视角，2–3 年）	一期必做
r_G 早选模型	基于遗传相关 r_G 的早选（童期性状预测评价段性状）	排二期
一期过渡	用历史"晋级/淘汰"标签训练监督分类器（过渡）	一期

5.z 模型健康监控（v2.1，R4）

"模型还准不准"的命门。每次 BLUP 重跑后扫描并与上一轮对比：

• h² 连年突降：某性状 h² 较上一轮跌幅超阈值 → 告警（疑似数据质量/环境突变）。
• clone EBV 排名大幅翻转：排名 delta / 排序相关性骤降 → 告警（疑似录入错误或模型设定漂移）。
• 输出进现有告警/定时任务通道（§5 第11点），与"树 N 年未决策"并列。

（v2.3 已落地）方向感知：轮次对比 compare_predictions 已按性状当前 direction 排序（asc 时 rank 1 = 最低 EBV 优）；h²/相关/翻转位移量对反转不变量不变，仅展示 rank 列不再把最差株显示为第 1。

---

6. 实施路线（建议）

阶段	内容
第0阶段 数据治理（占40%、前置，v2.0/v2.1/v2.2）	盘点5年历史数据 + breeding_clone 系谱表（§3.0） + breeding_pedigree 独立系谱表（§3.18，A 矩阵唯一权威） + breeding_rootstock 砧木字典（§3.17） + trait_observation 单株鉴定明细长表（§3.2b，v2.2 补登记既有表） + trait 加 stage（§3.1）+ 字段规范 + 数据质量门禁（§3.16）；garbage in garbage out，决定后续 EBV 可信度
地基（先做）	trait(含 ontology_uri) + observation(含 status) + trait_observation 单株鉴定明细长表（§3.2b，v2.2 补登记既有表） + 现有模块 stage/rootstock/accession_no/pedigree 字段；数据权限/options 沿用现有生成器
P0	field_operation
P1	trial(+study+study_entry,§3.4)、treatment(试验因子/处理,§3.14,v1.5 提进一期)、planting_treatment(§3.15,v1.6)、group(+member,§3.5)、propagation(克隆扩繁,§3.8)、seed_lot(种子批,§3.13,v1.5/v1.6 used_count 派生剩余)、environment_condition(环境因子,§3.9)、audit_log(审计,§3.10)、selection_rule(选择阈值,§3.11,v1.6 支持 EBV 阈值)、site 坐标 + germplasm 护照块 + pollination 父/母本树 + selection_result.rule_id(v1.4)+trial_study_id(v1.6) + planting.entry_id(v1.5)+propagation_id(v1.6)+block级粒度 + tree 两类区分 + tree_evaluation.trial_study_id(v1.6) + tree_evaluation.crop_load(v1.7) + tree_photo.observation_id(v1.6)（§4 字段调整） + trial_study.season(v1.6) + marker.assembly_version(v1.6) + trait.method_uri/scale_uri(v1.6) + observation.validated_by/date/unit(v1.6) + kinship A矩阵(v1.6)
P2	statistics 聚合端点（含 selection_rule 驱动的自动 flag/晋级预览）
延后（v1.4 标记，v1.7 调整）	experiment_factor（MIAPPE 受控试验因子，先用 field_operation 近似）、breeding_program 顶层（BrAPI Program，target 暂代）
批量表型导入（v1.3 补,规划）	observation 是 EAV（性状×单元×值），主数据入口是成千上万条观测的批量进表（设备/ sheet 导出），与现有"一行一实体"行式导入机制不同，需单列导入通道（含 trait_code 校验、单位换算、单元解析 tree_id/plot_id）
字典类型扩展	breeding_dict.sql 增 breeding_stage/breeding_generation/breeding_group_type/breeding_design_type 四类（英码+中文），接入下拉与 Excel 导入翻译(DictLabelResolver)
V2.0	marker + genotype_sample + genotype_call（地基先建表，分析后置）+ GS 模型训练(§3.12，值表已 V1.1 前移)
V1.1	R 统计引擎接入统一性状值视图 + trial 做 BLUP/EBV
V3.0	AI 决策（Agno + DeepSeek）消费 EBV/选择指数
BrAPI 适配层	只读 /brapi/v2/* 端点（germplasm/crosses/trials/studies/observations/observationvariables/lists/samples/markers/calls/programs，field_operation 映射为 /observations(带 op_type) 而非 /events），对接 Breedbase/Flapjack/国际交换（§0 原则 7）

工程约定（生成器机制待拍板）：新模块用系统内置代码生成器（module_generator/gencode，DB-first，产物落 app/plugin/，自动建菜单）还是续用自定义 _gen_*.py（落 app/api/v1/module_breeding/，与现有 14 域一致）仍待用户定 A/B/C（见记忆「建表/生成器坑」）。无论哪条，改字段后跑 deploy.bat migrate（fix_breeding_columns.py）再重启后端。

---

7. 待确认项（收口）

v1.7–v1.8 已闭环统计/决策地基与团队隔离；v1.9 已收口"枚举归属 A/B"（性状量表选项→scale_json、不进 sys_dict，详见 §3.1 / §0 原则1）。剩余唯一未拍板项 = 生成器机制 A/B/C（注意：此 A/B/C 与"枚举归属 A/B"是两回事，勿混）：

1. 生成器机制 A/B/C（唯一未拍板）：新模块落 app/plugin/（内置 gencode 式）/ 续用自定义 _gen_*.py（与老 14 一致）/ 全迁 plugin 式。其余规格（含 v1.7 全部字段、v1.9 枚举归属）均已锁定，实施时据此生成即可。

文档进入"v1.9 枚举归属定稿版"。除生成器 A/B/C 外，待用户明确"做/搞吧"后实施，不先行编码。

---

8. 复审补充：遗漏与替代思路（2026-07-28 复审）

本节为第一稿（§0–§7）的批判性复审结论，针对"还有哪些遗漏 / 不同思路"自省。改变范围的项标注「待拍板」。

8.1 原稿遗漏的关键项

1. generation（遗传世代）与 selection_stage（选择阶段）混为一谈：桃虽以无性选择为主，但回交转育（BC1/BC2）、自交分离（F2）仍是真实遗传世代，与"选到第几轮"是两回事。建议拆字段：generation（F1/BC1/BC2…，跟 cross_type 联动）+ selection_stage（实生苗/初选株/复选株/品系/区试/新品种）。

2. 缺"树→种质"晋升链路（克隆生命周期）：入选株应晋升为 clone/accession（germplasm）被命名扩繁。需 tree.germplasm_id，否则基因型（测在 germplasm）与表型（测在 tree）无法在 GS 中拼接。

3. 原清单 1.4「按团队权限隔离」→ 改用 sys_dept 承载课题组隔离（v1.8 定稿）：经讨论，team 仍不建独立模块、不加 owner_team 字段；但启用 FastApiAdmin 框架已有的"部门（dept）数据范围"能力承载课题组隔离——把"课题组"建模为 sys_dept 节点，给角色配"本部门及子部门"数据范围，Permission._permission_condition() 即按创建者所在部门自动隔离，breeding 表零改动。

   隔离边界（关键业务决策）：

   数据域	隔离策略	理由
   性状字典、选择规则	跨组共享	全所统一观测标准与选择阈值
   种质资源、系谱	跨组共享	所级资源库，亲本须被各课题组选配
   试验基地、地块、育种人员	按课题组隔离	各组自有基地/地块与人员花名册
   育种流程（杂交→评价）	按课题组隔离	各组私有作业数据
   统计分析（数据集/计算/育种值/指数/报告）	按课题组隔离	各组独立遗传评估与决策

   局限：隔离靠"创建者部门"推断（谁建的归哪组）；若要"跨组协作同一条数据"需升级显式 owner_team + 多对多协作，留待单独立项。

   范围说明（2026-07-29 澄清）：当前实际仅「桃育种课题组」在用，多课题组为未来扩展预留。隔离机制先就位——建 sys_dept 课题组节点 + 给角色配"本部门及子部门"数据范围即可，无需改任何 breeding 代码；无多组时所有用户同属一组，效果等同无隔离，不影响现有使用。未来新增课题组只需加 dept 节点并迁移用户 dept_id，即可自然隔离。

   落地（配置级、非代码，需先确认真实课题组清单）：① sys_dept 建课题组节点 ② 用户 dept_id 归属 ③ 育种员等角色配数据范围"本部门及子部门"（ADMIN/SUPER_ADMIN 看全部）④ 验证普通用户仅见本组数据。

4. "材料库存"被弱化成纯报表：库存是事务性的（种子批/ lot、在圃株数、离体/DNA 管数、活力）。应加 germplasm_stock/seed_lot 表（数量、批次、位置、活力、出入库），报表只是视图。【待拍板】

5. 缺环境/气象数据（G×E 统计地基）：多年多点分析核心是基因型×环境互作，无环境协变量（site×year 的需冷量/积温/降雨）BLUP 只能粗估。建议加 environment_condition（site×year），可复用 yz.sql 的"天气"字段。

6. 分子层缺"预测模型"表（GS 反馈环断裂）：RosBREED 是闭环（表型+基因型→训练模型→输出 EBV→指导下轮选配）。需 breeding_prediction（模型/性状/精度 accuracy/预测日期/被预测个体）。

7. 克隆繁殖/苗圃 → 已定纳入一期（§3.8）：现有 seedling/seed_treatment 仅种子实生苗；桃入选后主要靠嫁接/芽接扩繁，补 breeding_propagation（接穗来源→成活→出圃），打通 入选株→克隆种质→扩繁→新定植树 闭环。

8. 统一修改日志/审计缺失：晋级审批、全程可追溯需"谁/何时/改了什么"轨迹，现有仅 updated_time。建议轻量 breeding_audit_log（或接系统操作日志）。

9. 小遗漏：tree_photo 应可关联 observation（某次测量的果实照片，为 CV/AI 预留）；observation 应可挂 trial_study_id（区分试验观测 vs 果园日常观测）；编号生成策略未定义（accession_no/combination_code/tree_no/trial_code 需统一自动编号服务）。

8.2 替代思路与推荐

• A. EAV 纯通用 vs 混合固定列 → 推荐混合固定列（v2.2/F1 已推翻，改为单一长表，详 §8.4）。理由：桃果实质性状稳定且高频、报表是核心需求、现有 tree_evaluation 已在工作。 v2.2 更新：代码 2026-07-29 已删 tree_evaluation 固定列、全迁 breeding_trait_observation 长表，故最终裁定走单一长表；原"报表性能"顾虑改由 DB 视图 pivot（统计 VIEW / 看板 MV）解决，不再保留固定列。
• B. 分组 vs 标签 → 建议并行：group（正式项目组/品系群）+ 自由 tag（多对多，如"抗褐腐""高Brix""区试备选"）。
• C. 直接对齐 BrAPI API → 已采纳（见 §0 原则 7）：不仅"铺路"，而是正式承诺实现 BrAPI 兼容只读适配层。建议首批暴露端点（映射我们的模块）：
  • /brapi/v2/germplasm、/brapi/v2/germplasm/{id}/pedigree ← germplasm + cross_combination 系谱链
  • /brapi/v2/programs ← target；/brapi/v2/crosses ← cross_combination
  • /brapi/v2/trials、/brapi/v2/studies ← trial / trial_study
  • /brapi/v2/observationvariables ← trait；/brapi/v2/observations ← observation
  • /brapi/v2/lists ← group；/brapi/v2/observations(带 op_type) ← field_operation（注：BrAPI 无顶层 Event，不映射 /events）
  • /brapi/v2/samples、/brapi/v2/markers、/brapi/v2/calls ← 分子层
  • 适配层为只读适配器（读我们现有表，映射成 BrAPI JSON），不重复实现写操作；UI 仍走 /breeding/*。
• D. MIAPPE 合规 → 已采纳（见 §0 原则 8）：Investigation=target、Study=trial_study、ObservationUnit=tree/plot、Variable=trait 对齐；作为数据导出/共享到国际仓储时的一致性检查基线。

8.3 复审后模块清单（原 21 模块基础上）

• 新增（一期）：environment_condition（site×year 环境因子，G×E 统计地基，§3.9）、propagation（克隆扩繁/苗圃，§3.8）、breeding_audit_log（审计，§3.10）、breeding_selection_rule（选择阈值，§3.11）、breeding_seed_lot（种子批/库存链，§3.13，v1.3 从延后提前进一期与 MET 一并建模）；breeding_prediction（GS 模型/育种值，V2.0 与分子层同期，§3.12）；breeding_trial_study_entry（试验 entry 清单，v1.4，MET 设计矩阵）；breeding_genotyping_dataset（分型数据集，v1.4，GS 训练群体）。
• 字段强化（v1.4）：trait.ontology_uri（Crop Ontology 对接）；observation.status（数据质量）；site 经纬度/海拔（空间 BLUP）；germplasm 护照块（FAO-MCPD）；pollination 父/母本树（crossing block）；selection_result.rule_id（决策闭环）；tree.entry_id（entry 聚合）；marker.panel（芯片版本）；genotype_sample.dataset_id。
• 不建 team 模块（v1.8 定稿）：团队隔离由 sys_dept + 角色数据范围实现，breeding 表不加 owner_team 字段；公共基础数据跨组共享、育种流程与统计按组隔离（见 §8.1 第 3 点）。
• 仍延后（v1.4 标记）：完整事务性出入库台账（germplasm_stock 等，seed_lot 已精简进一期）；experiment_factor（MIAPPE 受控试验因子，先用 field_operation 近似）；breeding_report 配置表（先用只读端点）；breeding_program 顶层（BrAPI Program，target 暂代）。
• 字段细化：tree.germplasm_id + generation；tree.trial_study_id + block_no（派生自 planting，单写点纪律，v1.4）；planting.trial_study_id + block_no + seed_lot_id；observation.trial_study_id + 显式 FK（v1.3）；tree_photo.observation_id；统一编号生成服务。
• 物候期仍走 observation（时序，非固定列）；系谱树仍靠 cross_combination.parent_combination_id 自链 + 前端树图。

8.4 长表决策详述（对应 §4 tree_evaluation，v2.2/F1 改写）

结论：单一长表（废弃"混合固定列"）。 v1.0–v2.1 曾定"混合固定列（Hybrid）"，但代码 2026-07-29 已删 tree_evaluation 固定列、全迁长表，统计 service 改从长表 pivot 取数；文档据此裁定改为单一长表：

• 单株鉴定明细层 = breeding_trait_observation（挂 evaluation_id，tree 级）：承载童期 + 评价段的所有单株性状（含原 pa_four 的 ~40 个核心果实/农艺性状），是 clone 级 EBV 的取数主路径，喂 EBV。
• plot/物候层 = breeding_observation：仅承载 plot/combination 级观测 + 物候期时序，不喂 EBV。
• 两表按"是否喂 EBV"正交切分；plot 级果实均值不落表，由统计视图从 breeding_trait_observation 聚合派生（§3.2/§3.2b），杜绝双写。
• 报表/SQL 聚合补偿（原固定列的唯一收益）：由 DB 视图 pivot 顶上——统计管线用普通 VIEW（实时 pivot、保 fresh、喂 BLUP）；看板/报表用物化视图 MV（定时刷新换性能），但 MV 不得作 BLUP 输入，避免过期数据污染 EBV/reliability。
• 防双源规则：同一性状值只存一处（tree 级果实性状→breeding_trait_observation；物候/plot→breeding_observation），禁两表重复记录；trait.is_core 仅作"是否纳入统计核心指标"标志，不再决定"存固定列还是 EAV"。
• 代价：报表需经视图 pivot（一次性建视图，非每次改表）；换来"新增性状零表结构变更"与代码/文档一致。原"新增核心性状需 migrate 改表"的代价消除。

8.5 二次复审（v1.3，2026-07-28）— §8 遗留项处置

针对 §8.1–§8.3 的遗留与本人深度复盘，本轮一次性落档，要点：

#	议题（源自 §8 / 复盘）	v1.3 处置
1	MET 链路断裂（最致命）	彻底补全：trial_study.block_count + planting.trial_study_id + tree.trial_study_id/block_no + plot.block_no（§3.4/§4）。block 随机效应不再缺失，混合模型可估
2	库存与选择强度	seed_lot 从"延后"提前进一期（§3.13），与 MET 拼出 seed_lot→seedling→planting→tree→trial_study 选择强度链；完整 ledger 仍延后
3	§0 原则1 与混合模型自相矛盾	已修订 §0 原则1 措辞，与 §4/§8.4 一致（字典一处定义、值可固定可扩展）
4	observation/field_operation 多态反模式	改显式可空 FK（tree_id/plot_id/combination_id），保引用完整 + 数据权限 _build_conditions 可用（§3.2/§3.3）
5	三模块只有名字无规格	已补 environment_condition(§3.9)、audit_log(§3.10)、prediction(§3.12)；并额外补 selection_rule(§3.11)
6	tree_evaluation "保留"误述	改为"按 pa_four 扩 ~40 列"，并补统一性状值视图消除 trait↔固定列双源漂移（§4）
7	选择阈值规则缺失	新增 breeding_selection_rule（§3.11），决策支撑可自动化
8	批量表型导入未规划	已单列规划（§6），EAV 主数据入口区别于行式导入
9	tree_photo.observation_id 未落地	已纳入 §4 字段调整（todo 与正文对齐）
10	group family/category 冗余	family 改虚拟分组（由 combination_id 推导）、category 复用 variety_type（§3.5）
11	BrAPI /events 不标准	field_operation 改映射 /observations(op_type)（§3.3/§8.2-C）
12	文档计数过期	§2 改为显式清单，不再钉"21"
13	生成器机制	标注为待拍板 A/B/C（§6 工程约定），不再默认续用 _gen_*.py

本轮为纯文档定稿，未触碰任何代码。待用户就 §7 minor 项（尤其生成器 A/B/C）确认后即可实施。

8.6 三轮复审（v1.4，2026-07-28）— 国际基准（BrAPI/Breedbase/RosBREED/MIAPPE/Crop Ontology/FAO-MCPD/Genesys）

对照国际先进做法再扫一遍，把"正经育种程序该有、v1.3 仍缺"的落档：

#	议题（国际基准）	v1.4 处置
1	缺试验 entry 清单 / entry_number（BrAPI ObservationUnit = germplasm×entryNumber×rep×block）	新增 breeding_trial_study_entry（§3.4），tree.entry_id 挂回，BLUP 设计矩阵按 entry 聚合
2	缺 site 地理坐标（空间 BLUP / MIAPPE 环境 / 积温插值）	site 补 latitude/longitude/elevation（§4）
3	缺观测校验态（Breedbase 数据质量）	observation.status（draft/validated）（§3.2），统计前按 validated 筛
4	trait 缺本体引用（Crop Ontology / MIAPPE 受控词表）	trait.ontology_uri（§3.1）；注明 method/scale 内联简化、BrAPI 适配层拆分三元组
5	tree↔planting 双写漂移风险（v1.3 隐患）	明确单写点=planting，tree.trial_study_id/block_no 为派生，service 写树校验一致（§3.4 注）
6	germplasm 缺护照描述符（FAO-MCPD / Genesys）	germplasm 补 institute_code/country_origin/collection_site/acquisition_date/biological_status/breeding_program（§4）
7	缺 genotyping_dataset（GS 训练群体分组）	新增 breeding_genotyping_dataset（§3.7），genotype_sample.dataset_id、marker.panel（芯片版本）
8	selection_result 未关联规则（RosBREED 决策闭环）	selection_result.rule_id（§4）
9	缺 crossing block 父/母本树（桃控制杂交）	pollination.female_tree_id/male_tree_id（§4）
10	受控试验因子未结构化（MIAPPE ExperimentalFactor）	标记延后，先用 field_operation 近似（§6）
11	breeding_report 配置表过早	标记延后，先用只读端点（§6）
12	target 映射 BrAPI Program 略偏	标记延后，target 暂代 Program，后续可加 breeding_program 顶层（§6）
13	tree.germplasm_id 多路径派生漂移	明确 germplasm_id 非空且由晋升流程写入、禁手填（§4）

本轮为纯文档定稿（v1.4），未触碰任何代码。文档进入"国际基准对齐版"，待 §7 minor（尤其生成器 A/B/C）确认后实施。

8.7 四轮复审（v1.5，2026-07-28）— 用户拍板的 v1.4 自洽修复

用户就第四轮复审（§8 末尾 16 点）拍板：只要合理全部采纳以下 5 点，并生成新版：

#	议题（v1.4 自洽/国际盲点）	v1.5 处置
1	planting 单写点却无 entry，tree.entry_id 无法派生	planting 增 entry_id（§3.4/§4）；tree.entry_id/block_no/trial_study_id 全派生自 planting
2	多年生 tree 与单值 trial_study_id 冲突（跨年观测归属丢失）	tree.trial_study_id 仅记「定植所属 study」；跨年/跨点观测改由 observation.trial_study_id + obs_year 表达，不引入中间表，保单写点纪律
3	试验树 germplasm_id 时序张力（入试即需已知 vs 晋升才写）	区分两类 tree：planting.entry_id 非空 ⇒ 参试无性系（germplasm_id 入试即定 = entry.germplasm_id）；为空 ⇒ 杂种实生苗（待晋升）。以 entry 有无区分，无需新类型字段
4	split_plot 设计已支持但 experiment_factor/treatment 延后	breeding_treatment(factor+level) 提进一期（§3.14），混合模型增 treatment 项，可估因子主效应与互作
5	seed_lot 非事务致「获种数」源头不可靠	seed_lot 增 used_count，派生 remaining = seed_count - used_count，选强链前段（获种→已用）可量化

本轮为纯文档定稿（v1.5），未触碰任何代码。文档进入「v1.5 自洽修复版」，待 §7 minor（尤其生成器 A/B/C）确认后实施。

8.8 五轮复审（v1.6，2026-07-28）— 用户拍板"全部采纳"第五轮复审

用户就第五轮复审拍板"全部采纳"，落档 v1.6（同时补齐 v1.5 因替换异常遗漏的 §3.14/treatment 行/used_count）：

#	议题	v1.6 处置
A1	核心性状固定列（tree_evaluation）缺 trial_study_id 环境键	tree_evaluation 加 trial_study_id（按年 observation 推导/直填），使核心性状纳入 MET 环境效应（修复 v1.5 裂痕）
A2	planting 粒度未定义	明确 planting=block 级批次；同 entry 跨多 block 建多 planting
A3	treatment 关联字段未落地	新增 breeding_planting_treatment（§3.15，planting×treatment 多对多）
A4	seed_lot.used_count 单位未定义	明确=已从该批取用粒数（播种环节按粒累加，非定植株数）
A5	tree_photo.observation_id 文档自述已改但 §4 无行	§4 补 tree_photo 行（observation_id）
A6	EBV 估 germplasm 级但 tree↔germplasm 重复测量未建模	明确 tree_evaluation/observation 按 tree.germplasm_id 聚合为 clone 重复，EBV 随机效应在 germplasm
B1	marker 缺 assembly_version	marker 加 assembly_version
B2	基因型编码标准	genotype_call.allele 声明 VCF/GP 编码（0/1/2=纯合ref/杂合/纯合alt）
B3	season 概念	trial_study 加 season
B4	observation 缺审核人/时间	observation 加 validated_by/validated_date
B5	单位校验+批量换算	observation 加 unit（冗余自 trait），导入服务做换算
B6	method/scale 受控词表 URI	trait 加 method_uri/scale_uri
B7	planting 来源双路径	planting 加 propagation_id（种子批/扩繁批二选一）
B8	observationUnit level	文档标注 tree/plot/block 对应 BrAPI observationLevels
B9	kinship/A 矩阵	§5 补系谱 A 矩阵（pedigree 解析）
B10	selection_rule 支持 EBV	conditions_json 允许引用 prediction_value（EBV 阈值）
B11	breeding_program 自由文本说明	文档标注 germplasm.breeding_program 暂自由文本、后续可升级 FK
C1	selection_result 跨年晋级关联	selection_result 加 trial_study_id（可空）
C2	新表数据权限接入	文档约束新模块须用 CRUDBase 自动注入数据权限

本轮为纯文档（v1.6），未触碰任何代码。此后 v1.7（统计决策闭环）、v1.8（团队隔离收口）均为纯文档演进，未触碰任何 breeding 业务表/接口/代码。文档进入「v1.8 团队隔离定稿版」，待生成器 A/B/C 拍板后实施。

8.9 V2.11 方案书统计/决策支撑对照（v1.7，2026-07-28）

用户要求评估《桃育种数字化项目方案书_V2.11》中「统计分析与决策支持」（专册 2.1–2.8 方法 / 3.1–3.4 决策）能否被 v1.6 支撑。结论：方法面全部可支撑（数据地基 / MET 维度 / 统计引擎接口齐备）；发现 3 硬 + 2 软缺口，v1.7 全部闭环：

#	缺口	v1.7 处置	类型
①	EBV 持久化时序冲突（值表标 V2.0，但趋势图 / 双轨选择 / 亲本单株决策需读持久化 EBV）	breeding_prediction_value 值表前移 V1.1，与统计引擎同期写入；GS 模型训练留 V2.0	硬
②	负载量协变量未建模（专册 1.3 要求坐果量评级降果实性状环境误差）	tree_evaluation.crop_load（评级 1/2/3）作混合模型协变量	硬
③	breeding_report 延后（专册 3.3.1 年度 Word/PDF 报告）	用户确认一期必须：进 P2，补 output_format + 报告生成服务（docx/pdf 导出）	硬/软（用户拍板"必须"）
④	数据质量自定义生物学阈值无落点	breeding_trait.valid_min/valid_max 承载合理范围，供异常标记	软
⑤	超期预警/通知机制（专册 3.3.2 树 N 年未决策预警）	列为工程项：cron + selection_rule/selection_result 触发通知，不阻塞数据模型	软

本次为纯文档（v1.7），未触碰任何代码。文档进入「v1.7 统计/决策闭环版」，仅余生成器 A/B/C 待拍板。

---

8.10 深度复审 A–H 全量落地（v2.2，2026-07-30，用户逐条确认 + F1/F2 拍板）

变更索引（每项均已在正文对应 § 落字）：

编号	问题	裁决	落点
A1	tree.clone_id 定植必填与"clone=入选克隆"矛盾	实生苗定植可空、入选晋升才建 clone 回填；参试无性系必填	§3.0/§4 tree
A2	produced_clone_id 命名易读作"新建克隆"	澄清=被扩繁原 clone、沿用不新建	§3.8
A3	rootstock_id FK 三处打架	全文统一 FK→breeding_rootstock；germplasm.is_rootstock 仅标记	§1/§3.8/§4/§5.x
A4	A 矩阵系谱来源双源	以 breeding_pedigree 为唯一权威，combination 仅派生源	§3.18/§5.8
B1	h² 落在明细每行	上移主表 breeding_prediction（一次 BLUP×一性状=一 h²）	§3.12
B2	"广义遗传力"误称	正名加性(狭义) h²，落库取克隆均值 h²=V_clone/(V_clone+V_e/k̄)	§3.12
B3	缺 sommer 基线公式	补 mmer(y~rootstock+site+year+block, random=~vsr(clone,Gu=A)+vsr(clone:year))	§5.2
B4	双轨选择粒度错配	统一 clone 级判定（表型先聚合到 clone 均值）	§5.9
C1	门禁作用于固定列	改作用于 breeding_trait_observation 长表	§3.16
C2	缺质量标记字段	加 issue_status（normal/pending/rejected），不新建表	§3.2/§3.2b
C3	门禁与状态机脱节	拒收→rejected+draft；异常→pending；normal+validated 才进池	§3.16
D1	selection_result 无 clone 级	加 clone_id（tree_id 留溯源）	§4
D2	clone 无世代	加 generation（可由 combination 派生）	§3.0
D3	entry 未落 clone	trial_study_entry 加 clone_id	§3.4
D4	tree↔clone 状态流转缺矩阵	补状态流转矩阵（下）	§8.10
F1	固定列 vs 长表三方打架	裁定单一长表、废固定列、报表用视图	§0/§3.2/§4/§8.4
F2	两长表命名/职责重叠	保留两张、按"是否喂 EBV"正交；补登记 breeding_trait_observation	§2/§3.2/§3.2b
F3	门禁键含 clone_id 拒收实生苗	实生苗阶段单元键退化为 tree_id	§3.16
F4	判重键删合法 clonal replicates	判重键含 tree_id	§3.16
F5	§5.2 公式漏 rootstock	公式补 rootstock 固定效应	§5.2
G1	编号服务未定义 + 序号位宽不足	定义统一编号服务（下）、clone 序号≥4 位	§3.0/§8.10
G2	手册"不可删只留痕"落点缺	鉴定类表禁物理删+UPDATE 强制 audit	§3.10
G3	method 文本 vs method_uri 受控	合并声明两字段并存	§3.1
H1	valid_min/max 全局单值	接受全局+人工复核，可 scale_json 分档	§3.1
H2	environment 与 site/year 共线	environment=具体气象协变量，非再建 site×year 层	§5.2/§3.9
H3	group_member 挂 tree/clone 未定	加 clone_id 成员	§3.5

G1 · 统一编号生成服务（定义）：集中式编号服务按前缀 + 顺序号生成，全局唯一、可追溯，并发下加行锁/序列保证不重号：

• accession_no（种质）：GP-{组来源}-{6位序}；combination_no（组合）：CC-{年}-{4位序}；tree_no（单株）：{combination_no}-{4位株序}（定植时生成）；clone_id（克隆）：{combination_no}-{≥4位单株序}（入选晋升时由服务生成，非定植时，A1）；trial_code：TR-{年}-{3位序}。
• clone 序号扩至 ≥4 位（容纳单组合数千株，解决原 3 位=999 上限，G1）。

D4 · tree ↔ clone 状态流转矩阵：

阶段	tree.status	是否建 clone	breeding_clone.status	selection_result	说明
定植（杂种实生苗）	入选(默认)	否（clone_id 空）	—	—	童期观测按 tree_id 聚合
初选晋升	初选	是（建 clone、回填 clone_id）	入选/初选	写一行（clone_id+tree_id）	门禁键切 clone_id、启用 A 矩阵
复选/重点	重点	沿用	重点	追加流转	clone 级 EBV 多年重复
保存	保存	沿用	保存	追加	资源保留
淘汰	淘汰	沿用（状态变更非删除）	淘汰	追加淘汰记录	禁物理删/软删，G2
参试无性系（entry 批）	入选	定植即有 clone	入选	—	定植即 clone 级

F2 · 命名对照（消除"代码有、文档无"）：模块/URL/权限 = trait_observation；模型类 = TraitObservationModel；物理表 = breeding_trait_observation（与全项目 breeding_* 前缀一致）。文档指物理表用后者，指模块用前者。

---

8.11 统计引擎两轮 P0 代码落地台账（v2.3，2026-08-03/04，代码级）

本规格自 v2.0 起为方案态（待"做"落地）。2026-08-03/04 将其中两条统计地基从方案推进到代码落地 + e2e 验证。本节为落地台账摘要，完整明细（含文件清单/备份/复跑命令）见 桃育种系统统计引擎实施记录.md。

① G×E 交互引擎（2026-08-03）——对应 §5.2「G×E」互作项落地：

规格点	落地
G×E 随机互作	run_ablup(gxe=True, gxe_env=site/year)，method=GXEBLUP；gxe=False 回归纯 ABLUP
环境维度	site→自动固定效应 trial_study；year→自动固定效应 year（调用方可显式追加 fixed_effects）
交互量	σ²gxe / gxe_ratio / n_cross_env 落 breeding_prediction.note JSON
可辨识性门禁	无跨环境重复 / 单元内无重复 → 409「G×E 不可辨识：…」
克隆坍缩	同 clone 多株坍缩为基因型节点 c{clone}（record_map 全映射），同 clone EBV 一致
异步任务	StatisticsJobModel job_type=GXE/ABLUP，SUCCESS/FAILED + error_msg（门禁失败亦落）
验证	e2e_gxe_20260803.py 5 场景全过（spy 捕获 fixed/record_map kwargs）

② 性状方向标注（2026-08-04）——对应 §3.1 / §5.9 / §5.z 落地：

规格点	落地
三字段	breeding_trait.direction/into_ebv/default_h2（幂等 ALTER weld_trait_direction.sql + 种子 43 行 ON CONFLICT 含新列）
指数翻转	zsum 对 asc 性状 z 取负、smith_hazel 对 asc 元素 a 取负 → 统一"越大越优"，低优性状不选反
into_ebv	'0' 从指数候选/EBV 排行/决策预览/ABLUP 下拉剔除（extra.dropped 提示）；describe/correlation/trait_values 不受影响
default_h2 兜底	指数无实测 h² 用先验兜底（zsum/smith_hazel 均兜底，两者皆无才 409）
排行方向	run_ablup 写时按方向排序；ebv_ranking 读时重排（结构性 bug 修复）；clone_ranking 方向感知
轮次对比	compare_predictions 方向感知（结构性 bug 修复）
前端	statistics selTraits 解耦（与 describe/correlation 共享列表分离）+ trait 表单三字段 + selection_rule 说明
验证	e2e_direction_20260804.py 7 组全过（4 性状 × 4 批次 × 12 株 EBV 基线）

---

8.12 花粉档案落地台账（v2.4，2026-08-04，代码级）

用户田间刚需：桃花期仅 3–7 天，父本花粉是杂交季命脉，原授粉表无花粉采集/贮藏/活力/窗口，复盘坐果率无抓手。本轮新增 breeding_pollen（§3.19）+ 授粉表 pollen_lot_id/pollination_method，e2e 验证通过。完整明细见 桃育种系统统计引擎实施记录.md。

规格点	落地
新表 breeding_pollen	weld_pollen.sql 幂等 DDL（CREATE TABLE IF NOT EXISTS + 索引 + COMMENT）+ 模型注册（create_all 经 import 链拾取）
父本锚点	树级 male_tree_id FK→bre_tree SET NULL（可空；source_type=tree/mixed/external 区分来源）
活力建模	单值+方法：viability_method(ttc/germination)+viability_pct+viability_test_date，不建子表
授粉窗口	派生有效期：窗口=[collect_date,expiry_date]；pollination create/update 校验授粉日期在窗口内否则 409；/bre/pollen/available_lots 返回当前窗口内批次
授粉表补字段	pollen_lot_id FK→bre_pollen SET NULL + pollination_method（一期文档规划但遗漏，授粉方式）
去重/FK	批次号唯一预检（409「已存在」）；父本树不存在→409（assert_parents_exist 自动跳过空值）
菜单/权限	900056 花粉档案（杂交配组 900030 下）+ 按钮 E 段 900601-900608；角色关联含新段
前端	pollen CRUD 页（贮藏/活力下拉、采集/测定/有效期日期）+ 授粉表单集成批次选择（窗口提示）+ stage_cross 第三标签
验证	e2e_pollen_20260804.py：create/去重/FK/list/detail/options/available_lots/窗口内授粉/窗口外 409/update/delete 全过；vue-tsc 通过

---

8.13 选择指数·无性系级聚合落地台账（v2.5，2026-08-04，代码级）

决策正确性 P0.3：桃无性繁殖，选择指数按"树级"算指数会把同一优系多株拆成独立条目——可能只选中其中 1 株而漏掉该系其他株，也不利"系级决选"。本轮把指数单位升为无性系级（§5.3/§5.7 落地），e2e 验证通过。完整明细见 桃育种系统统计引擎实施记录.md v1.2。

规格点	落地
aggregate 参数	selection_index 新增 aggregate（默认 clone；tree=旧单株级行为保留）
clone 聚合单元	_clone_units：按 tree.clone_id 分桶成遗传实体；EBV 均值可靠性加权 Σ(ebv×rel)/Σ(rel)，全 rel=0 回退简单均值；表型均值走简单均值
自株退化	无 clone_id 的未晋升实生株 → 单元 key=-tree_id（每株独立，不进聚合），实生苗阶段不塌缩
排名单位	zsum / Smith-Hazel 均在 clone 单元上算（方向感知沿用 v2.3：统一越大越优）
apply_selection 粒度	按遗传实体写决选：入选 clone 一条 selection_result（clone_id 指向全系 + tree_id 溯源一株 + reason「系内N株」）；self 株逐株写
晋升建 clone	入选 self 株命中规则 stage → _promote_tree_to_clone 幂等晋升建 clone（tree.clone_id 回填）
前端	statistics 工具栏「聚合：无性系级/单株级」radio + 结果表 clone 列（clone_code/n_trees/涉及单株）；API 类型补 aggregate
验证	e2e_clone_index_20260804.py 6 组全过（聚合单元/可靠加权排名翻转/tree 兼容/方向翻转/smith_hazel clone/apply 写入粒度+晋升）

8.14 配合力交配设计落地台账（v2.6，2026-08-04，代码级）

统计严谨 P0.4：combining.solve 原只实现 Griffing 对称全双列（model A），但 run_combining / bre_combining_ability 无 design_type——用 line×tester（NCII）设计时 GCA/SCA 算法与 ANOVA 自由度都与全双列不同，此前一律按全双列算会算错。本轮加 design_type 并按设计分支。完整明细见 桃育种系统统计引擎实施记录.md v1.3。

规格点	落地
design_type 取值	bre_cross_combination + bre_combining_ability 加 design_type：full_diallel（默认）/partial_diallel/line_tester/nciii；硬编码校验（同 selection_index.method，非 sys_dict），create/update 接受 code 或中文标签并归一化，非法值 409
求解器分支	combining.solve(rows, design_type)：full_diallel/partial_diallel → Griffing 对称全双列 y=μ+g_i+g_j+s_ij（Σg=0，最小二乘 BLUE）；line_tester/nciii → NCII 双因素模型 y=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 同模型但门槛 tester 恰 2 个
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_line（intercept→line）→ SS_tester（→tester）→ SS_sca（残差）；df_line=n_l-1、df_tester=n_t-1、df_sca=n-1-两 df；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）→ 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
运行过滤	run_combining 按设计过滤：只纳入 design_type 一致（或未标注按 full_diallel）的组合，杜绝全双列组合混入 line×tester 运行
前端	statistics 运行对话框加交配设计 radio；配合力批次表加「设计」列；详情 ANOVA 按设计分支显示（NCII/NCIII → line/tester/互作 F 与 p；双列 → GCA F）；cross_combination 表单/表格/详情/搜索全量支持 design_type
验证	e2e_combining_design_20260804.py 5 组全过（NCII 2×2 精确解 gca{l:-2,+2,t:-1,+1} + df 1/1/1 + gca_se 内嵌 + full_diallel 组合被过滤；NCIII 分支；角色重叠 gate；create/update 校验含中文标签归一化；commit 后跨会话持久化）+ vue-tsc

8.15 统计严谨·预测完整性与 MLOps 复现性落地台账（v2.7，2026-08-04，代码级）

七条复审逐条核实为真缺陷后全部落地（用户逐条确认"逐条来"，优先级：便宜且值得马上补 ②④ → 中期 ③⑤ → 需新能力 ①⑥）。完整明细见 桃育种系统统计引擎实施记录.md v1.4。

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（业界回退的严格改进版）先顶上——r_g = r_EBV/√(rel_i·rel_j)，直接消费 ② 落库的 reliability，无新求解器；extra.g_corr/g_note 落 bre_selection_index.result_json 可审计。

规格点	落地
② PA 落库	bre_prediction_value 加 pa double precision（=√reliability，预测准确度）；批次 bre_prediction.accuracy 改填真 PA = √(均值可靠性)（原误填"均值的平方根量纲不符"，注释正名），numeric(5,3) 3 位小数
③ MLOps 溯源	bre_prediction 加 data_version varchar(32)（_DATA_VERSION="v2.7"）/ input_hash varchar(64)（SHA256：{tree_id}:{均值表型} + {个体}|dam|sire 确定性序列化）/ engine_version varchar(32)（blup.ENGINE_VERSION="1.0.0"）；同数据重跑哈希一致、改 1 条观测哈希必变（数据漂移可检测），e2e 断言
④ germplasm_id 填充	run_ablup 写 EBV 行填 tree.germplasm_id（晋升回填的种质，非手填）；亲本级 EBV 查询可用（e2e：按 gA 查得 2 条）；无种质株保持 NULL（合规）
⑤ 砧木字典扩列	bre_rootstock 加 dwarf_class varchar(32)（矮化/半矮化/乔化/柱状/其他）+ compatibility varchar(16)（砧穗亲和性强/中/弱）——选配决策信息；weld_rootstock.sql 幂等 ALTER；模型/schema/service（导出/导入/模板下拉）全链路 + 前端 表单/表格/详情/搜索
① Smith-Hazel 遗传相关	_smith_hazel_index G 矩阵非对角改 Calo 校正：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"] 落结果 JSON
⑥ 空间竞争协变量	run_ablup 新增 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；全无 row/col → 显式 CustomException（数据需求判定）；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）
前端	指数批次表加 germplasm_id/pa 列；ABLUP 运行对话框协变量改单选（无 / crop_load / competition）；rootstock 页面全量扩列
验证	e2e_prediction_rigor_20260804.py（②③④：PA=√rel 逐条 + 批次真 PA + 溯源三字段 + 哈希复现/漂移 + germplasm 级查询 + ebv_ranking 透出 + 跨会话持久化）e2e_rootstock_20260804.py（⑤ CRUD/搜索/导出/模板/DB 直查）e2e_corr_spatial_20260804.py（① Calo 值独立重算一致 + ⑥ EBV 差分消费验证 + 无坐标报错）+ vue-tsc 全过

8.16 组合得失漏斗 v_combination_funnel 落地台账（v2.8，2026-08-04，代码级）

用户主张（逐条复审第 8 条，最贴业务）：数据其实捕获齐全了——bre_pollination.flower_count/effective_count（花→果）、bre_seed_lot.seed_count/germination_rate（种→苗）、bre_seedling.seedling_count（出苗）——但没有任何按 bre_cross_combination 汇总的派生指标：结实率、出苗率、选择强度没有滚到组合层，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 grep 结实率/出苗率/选择强度/funnel 无实现；唯一"选择强度链"是 seed_lot.used_count 机械累加（seedling/planting 按出苗/定植回写，账本非派生指标）；run_combining 的 rows 只取 func.avg(value_numeric) 组合均值（service.py:708-748）、combining.solve 只认 combo/parent1/parent2/value。用户拍板范围：补一个 combination_funnel 视图/派生表即可，数据已齐、风险极低。

规格点	落地
六级链路	花 bre_pollination（Σflower_count/Σeffective_count）→ 果 → 种 bre_seed_lot（Σseed_count/AVG germination_rate）→ 苗 bre_seedling（Σseedling_count/strong_seedling_count）→ 定植 bre_planting（Σtree_count）→ 树 bre_tree（非软删 COUNT）→ 入选 bre_selection_result（非软删 COUNT）
派生指标	结实率 fruit_set_rate = Σeff/Σflower×100；出苗率 emergence_rate = Σseedling/Σseed×100；选择强度 selection_rate = 入选数/树数×100（逐级各留原始计数可复查）；缺环节组合比率列留 NULL（LEFT JOIN 正确性）
视图	v_combination_funnel：weld_combination_funnel.sql 幂等 DROP IF EXISTS + CREATE OR REPLACE，普通 VIEW 保 fresh（F2 决策：统计管线用普通 VIEW，不用 MV），bre_cross_combination 主表 LEFT JOIN 六源、按组合一行；create_all 只建 ORM 表，视图经 psql 应用
端点	GET /statistics/combination-funnel（module_bre:statistics:query 权限）→ StatisticsService.combination_funnel() 查视图返回 {rows, n}（Numeric→int/float 归一）；视图未就绪时 CustomException 提示先应用 SQL
消费	配合力上下文第一手证据落地：查某一组合可得 花→果→种→苗→定植→树→入选 全程漏斗，解释 GCA/SCA 差异时按组合得失对照（如低 GCA 组合是否因出苗率低样本崩缩）
验证	e2e_combination_funnel_20260804.py：全六级组合 150 花/50 果→结实率 33.33%、100 种/80 苗→出苗率 80%、55 定植/3 树/2 入选→选择强度 66.67%，精确断言；仅授粉组合 fruit_set=50%、其余全 NULL；commit 后跨会话读同值。注：首跑清理阶段 FK 崩（helper flush 前取 .id 拿到 None），修 flush 顺序后全过

8.17 精修项四连发落地台账：DUS 数据能力 + stage 感知 + k-fold CV + 公平性报告（v2.9，2026-08-04，代码级）

用户核实四条精修缺口、全部拍板「落地」（并保留版本）：① DUS/品种保护——无模块、无 UPOV TG/53 描述符模板（§2 总表 ⏳待建），按拍板档位数据能力（三表）；② stage 感知——trait.stage（v2.0 ①定义）未被 BLUP/选择指数/决策消费，童期/成株混用无警示；③ 模型外部验证——可靠性仅 PEV 法，补 k-fold CV（ABLUP + GXEBLUP 双支持）；④ AI 伦理·分组偏差——G×E 引擎已覆盖互作，补按 site 的系统性 EBV 偏差/公平性报告。完整明细见 桃育种系统统计引擎实施记录.md §九。

规格点	落地
① DUS 三表	bre_dus_descriptor（描述符模板：descriptor_no 唯一 UPOV TG/53 特性号、trait_id→bre_trait 可空=自由描述符、trait_code 快照、expression_type QN/PQ/QL、method、example_varieties 标准品种、test_stage、required）/ bre_dus_test（测试记录：test_name 唯一、germplasm_id→申请品种、trial_study_id→测试点、tester/test_date/status(planning/testing/completed/report)/conclusion(pending/distinct/not_distinct)/report_path）/ bre_dus_observation（观测：dus_test_id/dus_descriptor_id 双 FK、value_numeric/value_text/expression_note、UNIQUE(test,descriptor)）；create_all 建新表（非既有 DDL）；五件套模块 module_bre/dus/ 注册 /bre/dus_test/*（descriptor 9 端点含 Excel 导入导出+模板下载，test 9，observation 6）
① TG/53 种子	sql/bre_dus_seed.sql：UPOV TG/53 桃描述符 15 条（树性/树势/叶形/花型/花期/果形/果皮底色/着色程度/茸毛/果肉色/离核性/成熟期/风味/平均单果重/可溶性固形物），trait_code → bre_trait LEFT JOIN 解析 trait_id（8 条关联），ON CONFLICT(descriptor_no) DO NOTHING 幂等；descriptor 导入导出/模板中文头（关联性状编码 → trait_id）
① 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:*，含导入/下载模板）+ SUPER_ADMIN/ADMIN 角色关联
② 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；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）、不传且横跨两阶段返回 stage_warning（童期/成株清单 + 复核提示）；decision_preview 同样——传 stage 时异阶段规则条件跳过（matched=None）、不传且规则引用性状横跨两阶段返回 stage_warning
③ k-fold CV	求解器 blup.kfold_cv：按 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），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；返回 mean/pooled pearson/RMSE、cv_accuracy(=mean_pearson)、h2。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）→ 落 bre_cv_result（method=KFCV/ABLUP
④ 公平性报告	GET /bre/statistics/fairness?prediction_id=&group_by=site&threshold_sd=（只读不建表）：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（n≥2）暴露跨 site 排名翻转
前端	dus.ts 3 组 API + dus/index.vue 三 tab（描述符模板/DUS 测试/观测录入）CRUD 页；statistics.ts 加 runCv/listCv/cvDetail/fairnessReport + 类型；statistics/index.vue 加「交叉验证」tab（性状+k+gxe 开关+批次+折明细）与「公平性报告」tab（prediction+threshold_sd+site 偏差表+一致性表）、指数/决策对话框加 stage 三态下拉 + stage_warning ElAlert；vue-tsc 通过
验证	e2e_refine_20260804.py 4 组全过：DUS 三表 CRUD + TG/53 种子命中 + FK/唯一键/子表阻断/软删 409 全路径；stage（selection_index 无过滤警示 + 过滤只含该阶段 + decision_preview 异阶段跳过 + ABLUP stage 落库）；CV（ABLUP k=3 sire 家系留出折 pearson=0 为设计预期 + GXE k=2 跨 site + 幂等重跑新批次 + 溯源/任务状态）；fairness（2 site 9 株 site_summary 2 行 deviation 异号 + rank_consistency spearman + gxe_pattern）；后端 openapi 确认 DUS/CV/fairness 路由注册，清理自动执行

---

8.18 六项能力完善落地台账：MT-BLUP + GBLUP/ssGBLUP + DUS 特异性检验 + AMMI/FW 稳定性 + MLOps 重训回滚 + BLUP stage 拆分（v2.10，2026-08-04，代码级）

用户两轮复核核实六条能力缺口、逐项拍板「全部落地」：① MT-BLUP——Smith-Hazel 的 G 非对角仍用 Calo 校正 EBV 相关近似，拍板成对双性状 BLUP（非全多变量 REML）；② 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；③ 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；④ AMMI/Finlay-Wilkinson 稳定性——G×E 已估 σ²gxe，无跨环境稳定性排名；⑤ MLOps 自动重训 + 版本回滚——拍板漂移检测端点 + 手动触发，不注册 cron；⑥ BLUP stage 拆分——run_ablup 只打标签不按 stage 取数。完整明细见 桃育种系统统计引擎实施记录.md §十一。

规格点	落地
① MT-BLUP	求解器 mtblup.solve_bivariate（ENGINE_VERSION=1.0.0）：共享系谱复用 blup._order_pedigree/_build_ainv 建 A/A⁻¹，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；降维策略：Va/Ve 取自各性状单性状 REML，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。Service run_genetic_corr(trait_ids,year)：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（matrix/sigma_a/heritability/pairs_json/n_common + 溯源三字段）+ job_type=GENCORR；_smith_hazel_index 加 g_method="calo"|"mtblup"（selection_index 透传）——mtblup 逐对跑 bivariate，单对不收敛回退 Calo+warning，≥3 性状三角不等式违反时特征值截断，extra["g_source"] 落库可审计
② GBLUP/ssGBLUP	求解器 genomic.py（ENGINE_VERSION=1.0.0）：build_g_matrix（dosage 0/1/2 样本×标记，缺格按列均值 2p 填充，MAF 过滤，VanRaden method1 G=ZZ'/2Σp(1-p)（diag≈1）/ method2 G=ZDZ'（D=1/[2p(1-p)]），blend 岭 G_w=(1−ω)G+ω·mean(diag)G·I 保证可逆）；solve_gblup（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）；solve_ssgblup（单步法 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），V 块必须用 H 协方差——Aguilar 块公式构造完整 H（H=A+A12·A22⁻¹·D·A22⁻¹·A21, A12·A22⁻¹·D],[D·A22⁻¹·A21, D，D=G−A22），MME 系数矩阵用 H⁻¹、REML 似然 V=ZH[z,z]Z'+R；修复前 V 块误用 H⁻¹ 致似然失构），基因型+非基因型个体都出 EBV。Service run_gblup(dataset_id,trait_id,trait_code,year,method,maf_min)：取数 sample×marker pivot 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_no/品种名名称兜底，未映射→跳过+warning 清单（note 落库）；genotyped=sorted(dosage) 对齐 build_g_matrix 内部行序（修复前映射树零有效调用会错位 EBV）；落 PredictionModel（method=GBLUP/ssGBLUP，含溯源三字段）+ EBV 行 + job_type=GBLUP
③ DUS 特异性	求解器 dus.distinctness（复用 fdist）：QN LSD = t_crit(α,df)·√(MSE·(1/n_cand+1/n_ref))（df=总观测−参照组数；t_crit 由新增 fdist.f_icdf 二分反解 F(1,df) 再开方）；PQ/QL 表达状态众数比较（候选众数 ∉ 参照众数集 → distinct）；逐描述符 {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）。端点 POST /bre/dus_test/distinctness/{test_id}（body {reference_test_ids?：默认同 trial_study 其他非软删 test 自动参照，可显式覆盖；alpha=0.01}）——取候选+参照观测+描述符，跑判定落 analysis_json（逐描述符表+建议+参照集+alpha），conclusion 为 pending 时自动填建议（人工可改）；GET /bre/dus_test/distinctness/{test_id} 读已存分析；DusTestOutSchema 加 analysis_json
④ 稳定性	求解器 stability.py（ENGINE_VERSION=1.0.0）：finlay_wilkinson 每基因型对环境指数（该环境全基因型均值）回归 b/截距/R²/se_b/dev_ms，flag_stable=|b−1|≤2·se_b（完美拟合残差≈0 时 se_b 无信息量 → b≈1（≤1e-6）判稳，修复前浮点 b 永不精确=1 误判不稳）；ammi 两因素 μ+g+e 分解→残差 SVD（np.linalg.svd）→IPC 得分/ASV（Purchase 2000，IPC1 按 SS 比例缩放合成）/Wricke ecovalence/ipc_variance，rank 按 ASV 升序。Service run_stability(trait_id,trait_code,gxe_env=site/year,year,methods)：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；格子 <2×2 → 409；落 bre_stability_result（detail_json+溯源三字段）+ job_type=STABILITY
⑤ MLOps	weld bre_prediction.is_active boolean default false；run_ablup/GXE/GBLUP 落库：同 trait 无 active → 本批 active，否则 false（版本链语义）。GET /statistics/model/drift?prediction_id=——从批次 job params_json 取 (trait_id,year,gxe,gxe_env) → 轻量 _gather_digest_inputs（仅组装进 _input_digest 的 phenos+pedigree，规避全量抽取）重算当前哈希 → {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 model_activate(new_id) 转移 active（修复前新批次默认 inactive 卡在旧批次下）→ {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
⑥ stage 拆分	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) + RunStatsIn.stage：给定 → 取数 where(coalesce(obs.stage,trait.stage)==stage)，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（不阻断）；GXE 分支同步应用
端点汇总	POST/GET /bre/statistics/genetic-corr(/run/{cid})、POST /bre/statistics/gblup/run + GET /bre/statistics/gblup/datasets（批次/EBV 复用 list_predictions 按 method 过滤 + ebv_ranking）、POST/GET /bre/statistics/stability(/run/{sid})、GET /bre/statistics/model/drift + POST /bre/statistics/model/retrain + POST /bre/statistics/model/activate/{prediction_id}、POST/GET /bre/dus_test/distinctness/{test_id}、selection_index 请求体加 g_method
前端	statistics.ts 加 runGeneticCorr/listGeneticCorr/geneticCorrDetail + runStability/listStability/stabilityDetail + runGblup/getGblupDatasets + modelDrift/modelRetrain/modelActivate + 类型；statistics/index.vue 加「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 通过
验证	e2e_advanced_{stability,stage,mtblup,gblup,dus,mlops}.py 6 组全过：stability（FW b=2.0/1.0/−0.0 flag=F/T/F、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、不传含全部+note 警示、非法 stage 409）；mtblup（r_g>0.3 对称、σa 对角>0、h²∈(0,1)、n_common=4、Smith-Hazel g_method=mtblup g_source 落库）；gblup（GBLUP 5 EBV 非基因型株=0 + ssGBLUP 非零 + solve_ssgblup V 块用 H、G method1 diag_mean≈1、样本 4 直连+1 名称兜底+1 多等位+1 未映射 warning、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→幂等 false→activate 回滚）；后端重启后 openapi 确认 6 组新端点 + 2 新表（bre_genetic_corr_result/bre_stability_result）create_all，weld_advanced.sql 幂等；清理自动执行

---

8.19 田间试验精度补强·砧木×接穗随机互作落地台账（v2.11，2026-08-04，代码级）

用户核实两条田间试验设计精度缺口——无 R 侧空间协方差（行-列 AR1×AR1）、无 scion×rootstock（G×R）随机互作（rootstock 当前仅固定哑变量）；拍板先做 G×R 随机互作（空间协方差留待补 row/column 字段后再议）。核心洞察：G×E 分支 _solve_gxe 的 Z₂ 已按 (基因型,因子水平) 分组配 I·σ² 交互、因子无关，G×R 直接复用；但 Z₂ 单槽位 → G×E/G×R 必须互斥。完整明细见 桃育种系统统计引擎实施记录.md §十二。

规格点	落地
求解器	blup._solve_gxe 加 factor_label="G×E"/factor_name="环境" 可选参数（仅喂警告文案：未收敛「{factor_label} 似然面可能极平/边界最优」、方差归零「{factor_label} 方差分量收敛到 0（数据不支持基因型×{factor_name}互作）」），默认值保 G×E 文案逐字节不变；公开 solve() 透传两参；MME/REML/输出键全不变；ENGINE_VERSION 1.1.0→1.2.0
服务端 G×R	RunStatsIn+run_ablup 加 gxr: bool；互斥门禁 gxe and gxr → 409（共用 Z₂ 槽，文案「G×E 与 G×R 互作共用同一随机效应槽（Z₂）」）；job_type=GXR、params 落 gxr；克隆坍缩系谱 gxe_pedigree 上移为 G×E/G×R 共享（纯构建、ABLUP 不执行）；elif gxr: 镜像 G×E site 分支——按 phenotypes.items() 取 rootstock_map[f"t{tid}"]（字符串键）构建 rec_gxr[rid]=(grp,rs)、rec_map/rec_fixed/rec_cov，rootstock 强制从 fixed_effects 剥离防共线；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<1 →「G×R 不可辨识」409，p_est 不再计入 rootstock）；求解传 gxe=rec_gxr, factor_label="G×R", factor_name="砧木"；method=GXRBLUP、model_name GXRBLUP_{trait}_{stage?}_{ts}；note 落 stage/sigma_a/sigma_gxr(=sigma_gxe)/sigma_e/gxr_ratio/n_cross_rootstock/n_genotypes/warning/skipped/stage_note；EBV 写入共用段个体集按 gxr 选 gxr_tree_ids；_DATA_VERSION v2.9→v2.10
前端	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」、辅助文案分支；批次表互作方差列 v-if 扩为 `GXEBLUP
验证	e2e_gxr_20260804.py 4 组全过：① 2 基因型×2 砧木×2 株强交叉互作（clone1×R1 高/R2 低、clone2 相反）→ method=GXRBLUP、job_type=GXR、σ²gxr=74.8>0、n_cross_rootstock=2、n_genotypes=2、8 EBV 行；② 同基因型仅跨单砧木 →「G×R 不可辨识」409；③ gxe=True,gxr=True →「Z₂」互斥 409；④ fixed_effects=["rootstock"] 同开 → rootstock 被剥离、不共线、正常出 σ²gxr；后端重启后 openapi 确认 gxr 入参；清理自动执行

8.20 基因组选择（GS）实证严谨性·GBLUP/ssGBLUP 专用 k-fold 交叉验证落地台账（v2.12，2026-08-04，代码级）

用户核实 GS 两条实证缺口：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），模型误设（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 r」能测出来；② SSR panel 难构 VanRaden G——_dosage_from_gt 只吃 0/1/2，SSR 片段编码（168/174）/多等位被丢弃。用户拍板先做 GS k-fold（①）；SSR dummy 编码（②）留待后续。核心洞察：_profile_solve 已支持「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 交叉关系预测，所以掩蔽留出 = 传训练子集 phenos → 全个体 GEBV → 取留出个体与观测表型相关。完整明细见 桃育种系统统计引擎实施记录.md §十三。

规格点	落地
求解器	genomic.py：① 抽取 _build_h(pedigree, genotyped, G, ridge, extra_base)（solve_ssgblup 的 base/non_base→_order_pedigree→A/Ainv→Hinv→H 构建，Aguilar 2010）——缺失基因型个体按 base 补入系谱（原 raise ValueError 改补入，无表型基因型树不再崩，与 phenos 兜底一致）；② 新增 kfold_cv_genomic(phenos, G, genotyped, k, seed, method, pedigree)——method=gblup：individuals=genotyped（G 行序）、relmat_inv=G⁻¹（奇异回退 pinv）、zmat_full=G；method=ssgblup：_build_h → individuals=order、relmat_inv=H⁻¹、zmat_full=H；cand=genotyped∩phenos，len(cand)<2 → 空 folds + warning；折划分固定种子随机分层（round-robin，GS 同世代样本无系谱家系树，区别于 ABLUP 的 sire 家系留出，文档明示）；逐折掩蔽留出：train_phenos=phenos−test_set → _profile_solve(ZGZ_train, X, y_train, relmat_inv, n, z_train) → 全 EBV → 留出个体 GEBV vs 表型 blup._pearson+RMSE，单折失败 error 记 warning 不中断；输出 dict 与 blup.kfold_cv 逐键对齐（k/n_total/n_individuals/folds/mean/pooled_pearson/pooled_rmse/cv_accuracy/h2/warning）；G/H/Hinv 只建一次、逐折只换 z_train 子阵；ENGINE_VERSION 1.0.0→1.1.0
服务端	① _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 装配提成 helper，返回 (dosage, marker_order, genotyped, G, g_meta, unmapped)，run_gblup 改调、行为逐字节不变）；② run_cv 加 dataset_id/method/maf_min 入参（params_json 同步落库）——公共表型/系谱装配后 if dataset_id: GS 分支（与 elif gxe:/else: 互斥，G×E 与 GS 双开 GS 优先）：kfold_cv_genomic + method 名 KFCV/GBLUP/KFCV/ssGBLUP（method varchar(16) 放得下）；input_hash=sha256(_input_digest(pedigree, phenos)+\n+geno_str)（镜像 run_gblup 3360-3366）；engine_version 按分支（GS 用 genomic.ENGINE_VERSION，ABLUP/GXE 用 blup）；③ schema CvRunIn + controller 透传 dataset_id/method/maf_min；_DATA_VERSION v2.10→v2.11
前端	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）；CvRunPayload 加三个可选字段；vue-tsc 通过
验证	e2e_gblup_cv_20260804.py 3 组全过：① 5 家系×3 全同胞=15 株、10 标记（MK0/MK1 为 QTL 效应 2.0，表型=12+2·dose(MK0)+2·dose(MK1)+低噪）→ run_cv(dataset_id, method=gblup, k=5)：method=KFCV/GBLUP、cv_accuracy=0.794>0.3、==mean_pearson、n_total/n_individuals=15/15、input_hash 64hex、engine=1.1.0、5 折 n_train/n_test≥1、CvFoldModel 5 行；② method=ssgblup → KFCV/ssGBLUP、cv_accuracy=0.794>0.3；③ 门禁：无映射样本数据集 → CustomException「基因型样本均无法映射到单株」；回归 e2e_advanced_gblup.py 复跑全过（_gather_gblup_inputs 提取无行为变化）；后端重启 openapi 确认 CvRunIn.dataset_id/method/maf_min；清理自动执行

8.21 现代桃育种领域覆盖·S-等位基因交配兼容性 + 抗病/需冷量性状字典落地台账（v2.13，2026-08-04，代码级）

用户核实现代桃育种四方向覆盖缺口，拍板开始做（按建议次序先落地 ②③ 小活、① 中活；④ GWAS/QTL/MAS 最大留待单独立项）：

• ① S-等位基因（自交不亲和）交配兼容性——桃是配子体型自交不亲和（S-RNase），配组合时 S 基因型决定能否坐果；bre_pollination 有花粉批但无 S-allele 追踪与兼容性校验——"配了不结"的硬需求。
• ② 需冷量/需热量——低需冷量桃适应暖区是核心育种目标；bre_germplasm.chilling_requirement（属性）+ bre_environment_condition.chilling_hours/GDD（环境侧）已有，选种性状侧（bre_trait）缺失。
• ③ 抗病性状——细菌性穿孔病/褐腐病/白粉病减药育种关键；bre_germplasm.disease_resistance 仅自由文本，bre_trait 字典一条都没有。
• ④ MAS/QTL/GWAS 闭环——已有 GS 预测层，但缺发现层（GWAS/QTL 定位→MAS）；900214 仍 _coming_soon，留待单独立项。 完整明细见 桃育种系统统计引擎实施记录.md §十四。

规格点	落地
②③ 性状字典	backend/sql/bre_disease_chilling_traits.sql（幂等 ON CONFLICT）种子 5 条：disease_shot_hole 细菌性穿孔病 / disease_brown_rot 褐腐病 / disease_powdery_mildew 白粉病（category「抗病性」，0-5 级病情指数 0=免疫…5=高感，valid_min=0/valid_max=5）+ chilling_requirement 需冷量（h，0-3000）+ heat_requirement 需热量（GDD，0-10000）（category「生态适应性」）。全部 data_type='numeric' + into_ebv='1' + direction='asc'（低值优：低需冷/低需热/低病情指数抗病）+ default_h2（需冷 0.5/需热 0.4/抗病 0.3）+ stage='evaluation' + method 测定说明——统计引擎 _trait_meta_map 仅消费 numeric，故不用 categorical 分级；前端 trait 页 category 自由文本自动显示、0 改动
① S-allele 建模	bre_germplasm.s_alleles（String(32)，model+schema Create/Update/Out+ALTER TABLE+COMMENT，如 S1/S3，Sf=自交亲和型）——bre_germplasm.sql 补列；germplasm 前端表单/导出列加 S-等位基因输入
① 兼容校验	cross_combination/service.py：_parse_s_alleles（分隔符 / , ; 归一化小写集合）+ _s_compat_check（任一亲本含 sf→full 放行；共享 2 个→none；共享 1 个→half；无 S 数据→unknown 跳过）+ _check_s_compat（读亲本 s_alleles，none→CustomException 409「S-等位基因完全不相容（共享 …），该组合无法坐果」，half→返回警示文案）；create/update 在亲本断言后调用，CrossCombinationOutSchema.s_compat（可选派生字段）落警示；自交（同亲本共享 2 等位）自然被 409 拦截
前端	germplasm 表单加 S-等位基因输入（type input，placeholder 提示 Sf）；cross_combination 组合提交包装 createApi/updateApi——响应含 s_compat 则 msg.warning 展示（409 由统一错误处理自动提示）；germplasm.ts GermplasmForm/GermplasmTable 加 s_alleles?；vue-tsc EXIT=0
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、含 Sf→full、大小写/混合分隔→none、缺数据→unknown）+ service 层 create（共享 S1/S3→409「不相容」；共享 S1→s_compat 半兼容；0 共享→无警示；Sf 放行；缺 S 跳过）；DB 核验 bre_trait 5 条 numeric+asc+into_ebv=1 落库；openapi 核验 BreedingGermplasm{Create/Update/Out}.s_alleles + CrossCombinationOut.s_compat；清理自动执行

8.22 GWAS/QTL/MAS 闭环落地台账（v2.14，2026-08-04，代码级）

v2.13 标记「④ GWAS/QTL/MAS 闭环留待单独立项」——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。

规格点	落地
GWAS 引擎	backend/scripts/breeding_stats/gwas.py（纯 numpy 零 scipy，ENGINE_VERSION=1.0.0）：逐标记单标记回归 y ~ μ + PC1..PCk + marker，加性效应=标记系数；群体结构=标记剂量矩阵中心化 SVD 前 n_pc 个主成分得分（缺失按列均值填）；p 值复用 fdist.f_pvalue(t²,1,df)（df=n−n_pc−2，正则不完全 beta）；多重检验=Bonferroni 阈值 + BH-FDR q（numpy argsort）；QTL 定位=显著(Bonf)标记同染色体相邻间距 < qtl_window 合并簇、簇内最小 p 为峰标记（单显著标记也落 QTL）；共线兜底：标记与 PC 共线时 XtX 奇异，微小岭回归（reg=1e-8·max(diag)）令 SE 大而有限→p≈1（效应被 PC 吸收正确非显著），不误吸与群轴正交的 QTL 标记；method 参数预留 ssgwas（MLM 留待）
数据装配	_gather_gwas_inputs（独立 helper，仿 _gather_gblup_inputs 但 marker 查询补 chromosome/position）——不改 run_gblup 零回归；样本 source_type=tree 直连/sample_name↔tree_no·品种名兜底、未映射跳过；表型 tree 级均值（同 run_gblup）
5 张新表	bre_gwas_result（批次：n/m_after_maf/n_pc/threshold_bonf/n_sig_bonf/n_sig_fdr/n_qtl/data_version/input_hash/engine_version）· bre_gwas_snp（逐标记：chromosome/position/maf/effect/se/t/p/neg_log10p/q/sig_bonf/sig_fdr）· bre_qtl（已知 QTL 人工 CRUD source=known + GWAS 自动定位 source=gwas）· bre_mas_panel + bre_mas_panel_marker（favorable_dose/direction/effect，UNIQUE(panel,marker)）——statistics/model.py ORM + backend/sql/weld_gwas.sql 幂等 CREATE IF NOT EXISTS 双保险
服务端端点	POST /statistics/gwas/run（job_type=GWAS，input_hash 镜像 run_gblup）+ GET /statistics/gwas/list + GET /statistics/gwas/{id}（result+snps+qtls）；bre_qtl CRUD 五件套；bre_mas_panel CRUD + POST /mas-panel/{id}/markers（全量替换）；权限复用 module_bre:statistics:*（已授 ADMIN）；_DATA_VERSION v2.12
MAS 决策 hook	decision_preview 条件循环 ("pheno","ebv") → ("pheno","ebv","marker")：conds["marker"]={panel_id:{min_hits:N}}；_mas_hit_map 按候选树批量查 call→_dosage_from_gt→有利剂量（direction=high: dose≥favorable_dose / low: ≤）命中计数——童期幼苗无表型/无 EBV 也能被 MAS 选入
前端	gwas.ts（runGwas/listGwas/gwasDetail + Qtl/MasPanel API）+ gwas/index.vue 三 tab：GWAS 结果（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 表）/ QTL 定位（已知 QTL 录入 CRUD）/ MAS 面板（面板 CRUD + 标记选择对话框）；运行参数 dataset/trait/maf_min/n_pc/sig_level/qtl_window；sys_menu 900214 component_path='module_bre/gwas/index' 翻转（G 段按钮已由统计模块 900071 授予，无需新增）；vue-tsc EXIT=0
验证	Temp/claude/e2e_gwas_20260804.py 7 段全过：① run_gwas→job GWAS/SUCCESS、bre_gwas_result 字段（n_pc/threshold_bonf=input_hash 64 位/engine_version）② snp 全字段 + MK0/MK1 Bonf 显著且为所在染色体最小 p ③ QTL 定位 2 区间峰标记=MK0/MK1（source=gwas 落库）④ 已知 QTL CRUD（source=known）⑤ MAS 面板+set_markers+decision_preview marker 条件（16 株 + 无表型童期幼苗命中、低剂量株不命中）⑥ 门禁：dataset 无映射样本→CustomException ⑦ 数据清理自动执行；回归：e2e_advanced_gblup.py + e2e_gblup_cv_20260804.py 复跑零回归（_gather_gwas_inputs 独立）；openapi 核验 10 条 gwas/qtl/mas-panel 路径

8.23 九缺口补齐落地台账（v2.15，2026-08-04，代码级）

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（批1 经典侧计算端点 → 批2 分子侧严谨性 → 批3 求解器核心），每批独立 e2e + 回归全部通过。完整明细见 桃育种系统统计引擎实施记录.md §十六。

批1 经典侧计算端点（纯计算不建表，零回归）

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 模式）+ 缺失率复用 _readiness_report 逻辑 + 变异系数 + IQR（Q1−1.5IQR / Q3+1.5IQR） 与 MAD 稳健 z-score 双法异常标记，输出 {trait, n_trees, missing_rate, cv, outliers:[{tree_id, tree_no, value, z, reason}], summary}；前端 statistics 页「数据质量」对话框
A3 遗传增益	POST /statistics/genetic-gain——ΔG = k·r_g·σ_A：选择强度 k 由入选比例 top_p 查正态，Acklam 有理近似 Φ⁻¹（纯 numpy 零 scipy）；r_g=批次 PA（√mean reliability，聚合 bre_prediction_value.pa）；σ_A=√h²·σ_P（h²=bre_prediction.heritability、σ_P=trait 观测 SD）；入参 top_p/top_n + 世代间隔 L 可选，逐轮（predict_date/round）输出 {round, current_mean, ΔG_units, ΔG_pct_mean, next_mean, cumulative}
A6 主动选配	POST /statistics/mating-recommend——入参候选 tree_ids + EBV 批次/trait 集 + 亲缘阈值（默认 0.25）+ 权重 w_ebv/w_kin + max_pairs：① EBV map（决策块复用）② 亲缘 A（blup.relationship_matrix，系谱仿 kinship_matrix）③ S-等位硬过滤（复用 cross_combination.service._s_compat_check：none→剔除、half→flag）④ 打分 score=w_ebv·mid_parent_EBV − w_kin·max(0,r−threshold) 排序 top N；输出 {pairs:[{female, male, ebv_mean, r, s_compat, score, flags}]}；计算端点不落库（用户拍板）

批2 分子侧严谨性（solver 扩展，独立路径）

缺口	落地
B1 EMMAX	gwas.py 新增 _emmax：零模型 y=Xβ+u+e，uN(0,σ²g·K)，K 由 dose 矩阵 GRM（复用 genomic.build_g_matrix），方差分量复用 genomic._profile_solve（Z=I、G=K）；纯 numpy eigh 对角化 K=QΛQ' → 固定 V=σ²g·K+σ²e·I、V⁻¹=Q(σ²Λ+σ²e·I)⁻¹Q'；逐标记 GLS y[1,PC,marker]，t²→fdist.f_pvalue；run_gwas 后处理（显著判定/Bonferroni/BH-q/QTL 聚类）抽共享函数，GLM 路径输出逐字节不变（e2e_gwas 回归兜底），EMMAX 兄弟路径；method="emmax" 服务端透传 + 前端运行对话框 method 下拉
B2 SSR 多等位虚拟编码	VCF 导入按 REF/ALT 数定 marker_type（ALT≥2→"ssr"，否则 "snp"）；新增 _allelic_from_gt（"0/2"→{0:1,2:1} 每等位 0/1/2 存在）与 _dosage_from_gt 并列；3 处装配（gather L3502/3636/3993）按 marker_type 分支——SNP 走剂量、SSR 标记列展开为每等位一列（key name:A{j}）；genomic.build_g_matrix 多等位分支：p_a=mean/2 逐等位列、Z=M−2p_a、scale 分母 2Σ_all p_a(1−p_a)（VanRaden 多等位推广）；全列 MAF 过滤照常；GS/GWAS 双消费，前端无需改（marker_type 下拉已存在）
B3 QTL×E	POST /statistics/gwas-qtl-x-e——按环境（site/year）分层：tree 观测按环境分桶（TraitObservationModel.site），每环境跑 run_gwas（同 marker/参数），合并 QTL：{qtl, peak_marker, chromosome, n_env_sig, envs:{site:{p,effect,sig}}, stable}——≥2 环境显著且效应同号→stable、仅 1 环境→env-specific、异号→G×QTL 警示；计算端点不建表；前端 gwas 页 QTL×E tab
B4 MAS 语义	bre_mas_panel_marker 扩列（weld_mas_semantics.sql 幂等 ADD COLUMN IF NOT EXISTS）：mode String(16)（additive/dominance/recessive/allele/haplotype，默认 additive）/favorable_allele String(16)/haplotype_group String(32)；_mas_hit_map gather 保留原始基因型（a,b）按语义分支——additive=现规则（dose≥fav/方向）、dominance=dose≥1(high)/≤1(low)、recessive=dose==2(high)/0(low)、allele=有利等位存在、haplotype=同组内全部命中才计 1；decision_preview marker 条件沿用 n≥min_hits 语义自动透传；前端面板标记编辑器加三控件

批3 求解器核心（高风险，独立新路径）

缺口	落地
A2 AR1×AR1 空间协方差	blup.solve_spatial（ENGINE_VERSION 1.3.0）：y=Xb+Zg+e，e~N(0,σ²e·R)，R_ij=ρ^(
A7 稀疏 A⁻¹+共轭梯度	阈值分派 use_sparse = n_with_parents>0 and n>N_SPARSE(1000)：_build_ainv_sparse（Henderson 规则 COO 三元组 ainv_ii/jj/vv，纯 numpy）→ _cg_solve（C·v=稠密 XtX/XtZ/ZtZ 子块 + np.add.at 稀疏 Ainv·v，max_iter=800/tol=1e-9）；返回 "solver":"sparse-cg" + cg_iter；Hutchinson 随机探测（k=100、固定种子 20260804、np.random.RandomState）：diag(C22⁻¹)≈mean(P∘(C⁻¹P))、P 随机 ±1 → PEV 对角 → reliability=1−PEV/σa²，"reliability_approx":True；收敛失败→回退稠密/warning；稠密路径（n≤1000 或无线谱）逐字节不变，EBV/h²/σ² 为精确 CG 解（e2e 差 3.49e-12）、mean reliability 为 k=100 MC 近似（n=20 最坏 ~0.054，大群体收紧，文档标注「稀疏路径可靠性为近似」）

验证：批1 e2e_data_mating_gain_20260804.py（data-quality 命中人为离群株 / ΔG 公式自洽 / mating-recommend S-等位剔除+亲缘惩罚 / 无观测 409 门禁）；批2 e2e_molrigor_20260804.py 五段（EMMAX 复现 QTL + SSR 混合 GBLUP 全标记进入 + QTL×E stable/env-specific 判定 + dominance/haplotype 语义命中 + 门禁）；批3 e2e_spatial_sparse_20260804.py 三段（AR1×AR1 ρ=0.9796/h² 合理/method 标签 + 稀疏路径 EBV 3.49e-12/h² 0.00/CG 7 折/Hutchinson mean-rel Δ0.054 文档化 + 默认稠密路径引擎级 0 差、落库 4.92e-05 为 numeric(12,4) 量化）；回归：e2e_gwas（7 段）/e2e_advanced_gblup/e2e_gblup_cv/e2e_gxr/e2e_refine/e2e_corr_spatial/e2e_molrigor 全绿；openapi 核验 4 新端点 + RunStatsIn.spatial/gxe/gxr + GwasRunIn/GwasQtlXEIn.method=emmax + MasPanelMarkerIn 三字段；前端 vue-tsc EXIT=0。

---

8.24 十二项真缺口·批1 引擎三件落地台账（v2.16，2026-08-05，代码级）

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（9 端点 + 前端页 + API ts + 菜单）、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。本批批1=引擎三件（solver 扩展，独立新路径）。

缺口	落地
① ssGWAS	gwas.py 1.2.0 新增 _ssgwas（run_gwas L161 if method=="emmax" 后加 elif）：genomic.build_g_matrix（blend 岭保证正定）构 G → genomic.solve_gblup 拟合全样本 GEBV û；标记效应反推（Wang et al. 单步 GWAS）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 后处理（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 ssgwas（schema 已留）+ 前端 gwas 运行对话框 method 下拉加 ssgwas
② 全 MT-BLUP	mtblup.py 1.1.0 新增 solve_multi（现状 solve_bivariate 单对双性状、Va/Ve 取单性状 REML 仅 ρ 一维）：m 性状 y 堆叠、X/Z 块对角、Var(u)=G0⊗A（G0 m×m 半正定）、Var(e)=diag(ve_i·I)；EM-REML 迭代：初始 Va/Ve 取各性状 blup.solve REML、G0 非对角取 0，迭代更新 G0/ve（特征值截断 + Higham 投影保正定，mtblup 已有投影先例），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 模式（一次 m 性状给完整 G0 替代逐对）；逐对 bivariate 路径保持（回归零风险）
③ AR1×AR1 双参 ρ	blup.py 1.4.0 solve_spatial 加 aniso: bool=False（v1 单参 ρ_row=ρ_col 坐标上升 h²↔ρ）：R_ij=ρ_row^

8.25 十二项真缺口·批2 模块四件落地台账（v2.16，2026-08-05，代码级）

批2=模块四件：参照 propagation/seed_lot 现成五件套（model + service/controller/schema + module_bre/__init__.py 注册 + 前端 views/module_bre/<name>/index.vue + api/module_bre/<name>.ts + 菜单 component 翻转 + Excel 导入导出）。表均已存在（analysis_dataset 新表 create_all 建），业务增强见下。

模块	落地
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（report_name/report_type/year/target_id/doc_path/gen_by）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（name/description/trait_codes jsonb/sample_ids jsonb/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，不重复造轮子）
菜单翻转 + 文案清理	幂等 UPDATE component_path→module_bre/<name>/index、加 E 段按钮 900xxx；菜单 description 残留「待建」的 900014/900015/900021/900061/900063/900065 → UPDATE 去「待建」；前端 statistics/index.vue spatial 复选框加 aniso、gwas 运行对话框 method 下拉加 ssgwas

8.26 十二项真缺口·批3 底座五件落地台账（v2.16，2026-08-05，代码级）

批3=底座五件：审计切面 / 统一编号服务 / 超期预警定时任务 / 备份容灾 / BrAPI+MIAPPE 互操作。

缺口	落地
④ 审计切面	bre_audit_log 表（16 列已建，零实现）→ module_bre/audit/（AuditLogModel + GET /bre/audit/list 过滤 entity_type/action/operator_id + 详情）；base_crud.py 三个写方法事务内 flush 后追加：create→CREATE 记录级、update→UPDATE 字段级 diff（每变更字段一行）、delete→DELETE 记录级；开关 settings.AUDIT_BRE_ENABLED（默认 True）+ 模型 __bre_audit__=True opt-in；批量导入路径会话标志抑制逐行审计、仅汇总记一条；uuid=str(uuid4())、created_time/updated_time=now()、is_deleted=false；operator_id 仅 personnel.name==user.username 命中填（默认只填 created_id）
⑤ 统一编号服务	现状 4 处分散扫描式生成 → app/utils/number_gen.py NumberGenService（规则配置前缀/日期/序列/回绕）+ 原子取号 pg_advisory_xact_lock + bre_sequence 表（新表 name/current_seq）；迁移 4 处（行为格式保持）：cross_combination._gen_combination_code（YY+3位）、tree._gen_tree_no（组合-序号）、selection_result clone_code（组合-{:04d} 扩位）、seedling batch_no（YP-…）；e2e：并发取号不重复（advisory lock）、4 种格式回归
⑥ 超期预警定时任务	调度框架已就绪（app/core/ap_scheduler.py + module_task/cronjob 持久化），任务本体缺 → 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+有效期窗口）、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；e2e：造超期数据 → 触发 job → alert 落库 → 查询/幂等去重/resolve 后不再重复预警
⑦ 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 恢复脚本；系统 job 每日 02:00 备份；e2e：跑脚本 → 备份文件存在 + pg_restore --list 校验（bre_alert/bre_sequence/bre_audit_log/bre_analysis_dataset 均在内，不实还原）
⑧ BrAPI + MIAPPE	module_bre/brapi/controller.py（prefix /brapi/v2，只读不建表，app 根注册非 /bre 前缀）：GET /germplasm（bre_germplasm → germplasmDbId/germplasmName/germplasmPUI/accessionNumber/commonCropName=Peach/genus=Prunus/species=persica/subtaxa=variety_type + additionalInfo 育种字段）、GET /observationvariables（bre_trait → trait/method/scale，scale.dataType 按 numeric/date/text 映射 + validValues 自 valid_min/max 与 scale_json categories）、GET /studies（bre_trial_study + site 名）、GET /observations（bre_trait_observation + bre_observation 合并、tree→germplasm join）、GET /miappe（MIAPPE v1.1 元数据模板导出）；BrAPI 2.x 包裹 metadata{pagination,status,datafiles}+result{data}、0 基分页
验证	批1 Temp/claude/e2e_gaps_engines_20260804.py 3 组 PASS（ssgwas 复现已知 QTL + solve_multi 3 性状 G0 半正定 r_g 与逐对同号量级 + aniso 与 v1 兼容、aniso=False 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 CREATE/UPDATE 字段级 diff/DELETE + IMPORT 抑制汇总 + 8-session 并发取号 1-8 唯一 + 三类预警命中/无负例误报/去重/resolve + 备份 pg_restore --list 四表 + BrAPI 结构分页映射）；回归：e2e_spatial_sparse / e2e_gwas / e2e_molrigor / e2e_advanced_gblup / e2e_gblup_cv / e2e_refine / e2e_gxr / e2e_corr_spatial 全复跑零回归（其间修复 _allelic_columns SSR 兜底误伤——SNP 标记"1/2"多等位调用应视为缺失，恢复 GBLUP「非基因型株 EBV=0」语义，B2 SSR 分支显式 marker_type="SSR" 不受影响）；后端重启 + openapi 核验 631 路径（5 brapi + /report/generate + /audit/list + /alert/list）+ HTTP smoke；前端 vue-tsc --noEmit EXIT=0

8.27 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 前端落地台账（v2.17，2026-08-05，代码级）

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），拍板全部实施并裁决两点：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）、果实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）。分三批独立 e2e + 全量回归，每批验收。

批A 业务数据链（A1-A6）

缺口	落地
A1 果实采收结构化入口	bre_field_operation 加 4 可空列 yield_kg(单株产量kg)/fruit_count(果数)/avg_fruit_weight(均果重g)/marketable_rate(好果率%)；backend/sql/weld_busflow.sql ALTER TABLE ... ADD COLUMN IF NOT EXISTS（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 A2 种子 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 记录，不进树级统计
A2 产量/物候/品质/生长量/描述性状种子	backend/sql/bre_yield_phenology_traits.sql（INSERT ... ON CONFLICT(trait_code) DO UPDATE，幂等）：产量构成 5（single_tree_yield 单株产量 kg / fruit_number 果实个数 / avg_fruit_weight 平均单果重 g / marketable_rate 好果率 % / fruit_crack_rate 裂果率 % low）+ 物候 3 date 型（full_bloom_date 盛花期 / fruit_maturity_date 果实成熟期 / leaf_fall_date 落叶期）+ 品质 3（ss_content 可溶性固形物 % / titratable_acid 可滴定酸 % low / ss_acid_ratio 固酸比）+ 生长量 3（trunk_circumference 主干周长 cm / tree_height 树高 m / crown_width 冠幅 m）+ 描述性 categorical 5（fruit_shape 果形 / pubescence 茸毛 / freestone 离核 / ground_color 果皮底色 / coloring_type 着色类型，into_ebv=0）；category 产量构成/物候/果实品质/生长量/果实外观 + default_h2/direction
A3 种质级观测	bre_observation 加可空 germplasm_id（FK→bre_germplasm，weld SQL ALTER + index）；observation service assert_parents_exist 扩展种质校验；前端 observation 表单加种质选择器 + 搜索栏 germplasm 过滤
A4 授粉→收种→种子处理补链	bre_seed_lot 加可空 pollination_id（FK→bre_pollination）+ bre_seed_treatment 加可空 seed_lot_id（FK→bre_seed_lot，weld SQL 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 → obs_value 可 parse float、obs_type=date → 可 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 tree 育种阶段自动设置 + 成株性状门禁	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）

批B 统计算法（B1-B4）

缺口	落地
B1 type-B 多环境遗传力	service 新 helper _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"
B2 correlation_matrix genetic 模式	correlation_matrix 加 `mode="pheno"
B3 selection_index 自动权重	selection_index 加 auto_weights: bool=False：True 时权重=_trait_meta_map 的 default_h2（或实测 h²，兜底 0.1）、强制 use_h2=False（防双重相乘）、direction 由 _weighted_z_index 内核 asc 翻转处理；weights_json 记 "__auto":true；into_ebv=0 剔除进 dropped
B4 UPGMA 聚类	新 run_cluster：入参 trait_ids/entity_type(tree|clone)/mode(pheno|genetic)/distance(1-

批C 前端（C1-C4，按用户裁决：不恢复导入按钮）

项	落地
C1 观测录入增强	observation 页搜索栏加 plot/trial_study(站点)/germplasm 快捷过滤（ObservationQueryParam 加 tree_id/plot_id/germplasm_id/trial_study_id）；表单支持 germplasm 目标（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	statistics/index.vue：correlation tab 相关性热图（mode 切换 pheno/genetic + 数值表）；gblup tab 可靠性热图 + EBV 随年份趋势折线（per-batch 聚合）；新增 type-B tab（热图 + 明细表 + 分环境对表）；新增 cluster tab（树状图 + 聚类表）；echarts.ts 注册 HeatmapChart + VisualMapComponent
C3 combination-funnel 前端入口	statistics 工具栏「组合得失漏斗」按钮 + 对话框（1080px）调 GET /statistics/combination-funnel 六级派生指标表（后端 :351 已有、前端此前缺失）
C4 stage_phenotype 容器同步	stage_phenotype/index.vue tabs 通用观测→observation、农事操作→field_operation（_shared/StageView.vue compMap 注册，替换 ComingSoon）

验证：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→种子处理全链路 + 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 2 环境矩阵对角 1/对称/r_g∈[-1,1]/site 与 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/g_method=calo + index auto==手工 default_h2 权重排名/asc 符号翻转/into_ebv=0 剔除 + cluster 3 已知类 UPGMA 还原/k=1·k=n 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）；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 全复跑零回归（e2e_spatial_sparse 两处 data_version 断言 v2.14→v2.15 同步）；后端重启 + openapi 核验新路径（/type-b-heredity、/type-b、/type-b/{id}、/cluster、correlation?mode/genetic、/selection-index auto_weights）；前端 vue-tsc --noEmit EXIT=0。

---

8.28 遗传链完整性两次修复：世代闭环 + 近交惩罚静默关闭落地台账（v2.18，2026-08-05，代码级）

两次修复同根同源——统计引擎的系谱解析若拿不到亲本，一切遗传分析（A-BLUP/亲缘/近交规避/遗传增益）都会在用户无感知时静默退化。用户先后以具体现象报告：① 建种质断链（晋升种质被当 founder）；② 近交惩罚可能「静默关闭」（亲缘矩阵全 0 且无告警）。逐条核实后确认，并发现额外崩溃隐患（候选既是 child 又是祖先 → 系谱重复 → 引擎抛错），一并修复。

修复 ① 世代闭环（selection_result/service.py）：_promote_tree_to_clone 晋级到 line/regional_trial/released 建种质时，同步落 bre_pedigree——child_code=品种名、dam/sire=tree.dam_id/sire_id（为空回退组合 female/male_parent_id）、combination_id、generation=tree.generation；child_code 幂等查重；种质携带 generation/stage；combo=None 顶部初始化防"已有 clone 再晋级品系"路径 UnboundLocalError。判别点：两棵仅经晋升种质共享祖先的下一代树 A[T2,T3]=0（修复前）→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。

修复 ② 近交惩罚静默关闭（statistics/service.py）：

• 根因：mating_recommend 亲缘矩阵靠 _germplasm_pedigree 用 bre_pedigree.child_code 与 cultivar_name/accession_no 精确等值匹配建系谱。名称不完全一致（大小写/空格/代号）→ 行全部跳过 → pedigree 空 → rmat={} → 所有配对 r=0 → kin_pen=max(0,0−thr)=0 → 近交规避整体失效且返回体无任何告警。
• 重写 _germplasm_pedigree 多源级联（返回 (pedigree, coverage)）：① bre_pedigree.child_code 规范化（strip+casefold）命中名称（显式系谱为权威，且直接修复大小写/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；多对歧义如 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——消除候选既是 child 又是祖先时的 g{id} 重复追加 → relationship_matrix『系谱个体重复』崩溃。coverage 含 total/resolved/resolved_ids/founder/matched_rows/orphan_rows/fk_sources。
• mating_recommend 显式告警：kinship_status=ok|partial|none + kinship_warning（none→「候选亲本均未解析…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）。绝不静默 no-op。
• 设计红线（e2e_data_mating_gain 回归保真）：A6 探针的 trial 树 germplasm_id=G4 但 dam/sire=FM/MM（与 bre_pedigree 显式 dam=G0 冲突）→ 显式系谱必须压过冲突 FK，r(G0,G4)=0.5 保持——FK 只做兜底，绝不覆盖显式系谱。

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；后端重启 + HTTP 核验 /bre/statistics/mating-recommend 返回 kinship_status/kinship_warning/kinship 与逐对旗标（真实数据 32/33 → status=none 正确触发，且暴露 2 条真实孤儿系谱行——数据质量信号）。

8.29 选配「亲本 EBV」回退逻辑方法学修复落地台账（v2.19，2026-08-05，代码级）

与 §8.28② 同区域（mating_recommend）的方法学缺陷——不是"拿不到数据"，而是"拿到后用错了"：旧实现对缺直接 EBV 行的候选种质，用其子代树 EBV 均值代表该亲本育种值，且不区分来源、不降权。用户三条质疑逐条核实成立：① 子代测验值是子代世代的预测值（≈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（每棵树的均值重复计，稀释）；③ 跨组合混合无区分。会误导选配排序。

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）。
• 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，A6 回归安全）。
• 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 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；后端重启 + HTTP 核验真实端点返回 candidate_ebv 与 ebv_source.coverage（真实数据 coverage={direct:0,progeny:0,missing:12} 正确）。

---

8.30 数据质量「离群值」方向语义错位修复落地台账（v2.20，2026-08-05，代码级）

与 §8.17①/§8.23① 的 A5 数据质量端点同区域（data_quality_report）的语义错位——旧实现把 IQR/MAD 检出的任何偏离株一律标为「离群株（疑似异常）」，但偏离的方向才是关键：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找的精英单株，把精英候选标成「疑似录入错误」会诱导弃选、误导决策。

修复（statistics/service.py data_quality_report）：

• 方向感知：取 bre_trait.direction（desc/None → desirable_high=True 高值优；asc → False 低值优）。判定标准与既有遗传评估链路（v2.3 性状方向标注）完全一致。
• 双通道分流：IQR 超界 / MAD 稳健 z>3.5 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）。
• 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 + 精英树（16.0）+ 错误树（2.0），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_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）。

8.31 ΔG 投影假设声明 + 工程健壮性打磨落地台账（v2.21，2026-08-05，代码级）

用户报告两点，均非功能 bug、核实确认后拍板落地：① genetic_gain 的 next_pheno_mean = pheno_mean ± dg 隐含「环境均值恒定」假设，年际气候漂移会使投影偏；② 工程健壮性细节（spatial 缺坐标整批失败无优雅降级、numpy 重复导入/未向量化）。

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——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。note为静态常量（同性状/同数据不变，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（EBV 仍由系谱预测，blup.solve_spatial 本就对所有个体输出 EBV）；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）。
• ③ numpy 工程清理：data_quality_report/genetic_gain 及另 5 处函数体内重复 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（np.where(mad>1e-9, 0.6745·(a−med)/mad, 0) / (a<q1−1.5iqr)|(a>q3+1.5iqr) / |z|>3.5）一次性定位命中株，输出逐字节不变。

验证：Temp/claude/e2e_spatial_sparse_20260804.py 降级场景断言全过——5 株（前 4 株 2×2 网格带坐标 + 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（缺坐标株系谱预测）；全缺坐标场景仍整批 409 且报错说明 row_no/col_no 需求。A6 探针 [2] 新增 note 断言：note 含「环境均值恒定」且两性状稳定不变。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 且双表空无误报。

8.32 A–F 六项功能级缺口·批1 父本验证 + 近交衰退落地台账（v2.22，2026-08-05，代码级）

用户全模块 grep 实证 A–F 六项功能级缺口（均有/深度问题，非正确性 bug），本会话逐项 grep 复核全部成立后拍板「全部六项分批落地」。批1 = A 父本验证 + C 近交衰退（小快，纯校验 + 数据侧既有）；批2 = B GS 家系 CV + F 试验设计深度；批3 = D OCS + E MABC。

A 父本验证（consistency，不落库，pollination/tree/cross_combination service）：

• A1 pollination 花粉来源父本一致性（pollination/service.py 新增 _validate_pollen_parent，create/update 统一在 _validate_pollen_window 后调用）：取 pollen_lot.male_tree_id——批次声明采集父本树时，授粉声明 male_tree_id 须与之相同，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」（父本树名取 tree_no 兜底 #id）；批次无采集父本（混合/外地采集）或授粉未声明父本 → 放行，不武断拒绝。
• A2 tree 显式亲本 vs 组合父母本警示（tree/service.py _resolve_parents 签名改返回 (dam, sire, warning)）：显式 dam/sire 与组合 female/male_parent 不一致时聚合 warning「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）」（单侧仅报该侧）；warning 不阻断（tree 可独立建，武断 409 会误伤）；tree/schema.py 加只读 warning: str | None 字段（仅返回体，不落库），create/update 返回体均带。
• A3 cross_combination 同质自交门禁（cross_combination/service.py _check_parent_roles 中，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 经 _check_parent_roles(data.female_parent_id, data.male_parent_id)、update 经生效亲本 eff_female/eff_male 统一触发（同亲本必共享全部 S-等位，与既有 _check_s_compat 409 语义一致不冲突）。

C 近交衰退分析（计算端点不建表，statistics/service.py + statistics/schema.py + statistics/controller.py）：

• POST /statistics/inbreeding-depression（InbreedingDepressionIn：trait_id/trait_code 必填 + year/trial_study_id 可选 + min_n=10）——inbreeding_depression 方法：构造 tree 系谱（t{tree_id} 个体 + g{germplasm_id} founder）→ blup.relationship_matrix 取 F=A_ii−1；关键：inbreeding dict 仅含 F>0，非近交树必须从 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（可选按 year/trial_study_id 过滤）→ 取交集树 → 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，负=近交使表型下降）；high_inbreeding 按 F 降序取前 10（并列取 value 降序），现场核查；n<min_n 优雅降级 sufficient=False + reason「同时具备系谱近交系数 F 与表型的树仅 {n} 棵（需 ≥{min_n}）」+ regression/high_inbreeding 为 null/[]（不 409）。
• 前端「亲缘/近交」tab 加「近交衰退（F → 表型）」区：trait select + year input + 运行按钮；el-alert（insufficient=warning / has_depression=error / 无衰退=success）+ el-descriptions（n_obs/slope/r2/t_slope/depression_rate/mean_F/max_F/direction）+ high_inbreeding 表（tree_no/F/value）。注意 el-alert :type 合法值 primary/success/warning/info/error，无 danger（index.vue 667 曾因 'danger' 致 vue-tsc TS2322，改 'error'）。

验证：

• Temp/claude/e2e_parent_validation_20260805.py 10 断言全过——A1：批次采集父本(male_tree)≠授粉父本(other_tree) → 409 含「不一致」；一致 → 放行；混合批次（无 male_tree_id）→ 放行；update 把一致授粉改不一致 → 409。A2：双侧显式 fm2/mm2 vs 组合 fm/mm → warning 含双侧「不一致」+「以显式为准」、dam/sire=显式；单侧 sire 偏离 → 仅「显式父本…」；显式一致 → warning=None；update 显式偏离 → warning。A3：create female==male → 409 含「自交」；update 生效亲本同质 → 409。
• Temp/claude/e2e_inbreeding_depression_20260805.py 4 断言全过——12 树（6×F=0 dam≠sire + 6×F=0.5 自交 dam==sire）：衰退性状 y=100−60F+ε → sufficient/n_obs=12/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；无衰退性状 y≈100 → slope≈0/has_depression=false/「未检出」；min_n=20 → sufficient=false + reason 含「12 棵」「≥20」；trait_id=99999999 不存在 → 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=[]。

_DATA_VERSION v2.22（statistics/service.py:95）。

8.33 A–F 六项功能级缺口·批2 GS 家系 CV + 试验设计深度落地台账（v2.23，2026-08-05，代码级）

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）。沿用工程模式：独立 e2e 探针（真引擎直跑）+ 全量回归零回归 + vue-tsc EXIT=0 + 后端重启 HTTP 核验。

B GS 家系 CV（scripts/breeding_stats/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 随机分层逐字节不变（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）→ 家系去重 fams → 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（与 blup.kfold_cv 逐键对齐）。
• 服务 run_cv 加 split="random"|"family"（controller/schema 透传，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，两者皆空则缺省自成一族）传入引擎；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）+ 结果表显示 n_families。

F 试验设计深度（trial_study_entry/model.py + sql/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.py 列 block_no: Mapped[int | None] + weld_trial_study_entry.sql ALTER TABLE ... ADD COLUMN IF NOT EXISTS block_no integer，SQLAlchemy create_all 只建新表故 weld 幂等兜底，psql 应用后 \d 确认）；新端点 POST /statistics/trial-design（TrialDesignIn：trial_study_id + design_type="rcbd" + seed 可选；StatisticsRouter.post("/trial-design") 权限 module_bre:statistics:create）——trial_design 方法：db.get(TrialStudyModel) 409 缺、design_type≠"rcbd" 409、block_count=study.block_count or 1、按 entry_number 有序取参试条目（空 → 409「无参试条目」）、random.Random(seed) 洗牌 + round-robin 分进 block_count 区组（均分 + 组内随机顺序 = 田间布局）、update(TrialStudyEntryModel).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 设计矩阵：SS_group=rss(X1)−rss(Xg)、SS_block=rss(Xg)−rss(Xgb)、SS_error=rss(Xgb)，纯 numpy 零 scipy + fdist.f_pvalue），输出 n_groups/n_blocks/n/overall_mean/ss_total/ss_between(=ss_group)/ss_block/ss_within(=ss_error)/ms_between/ms_block/ms_within/sigma_g/sigma_e/h2_broad/f/p_value/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（rows {"group","value"}）；block=True → 查 bre_tree.block_no 组 rows（{"group","block","value"}）、过滤 block_no 为空株、<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）」，solve_rcbd 后 method=ANOVA/H2/RCBD。
• 前端 statistics ANOVA tab 重构：顶部「生成 RCBD 设计」工具条（trial_study el-select + seed el-input-number + warning el-button @click=submitDesign）+ 设计区组表（designBlocks：block/参试编号列）+ trait select + year + el-checkbox anovaBlock「RCBD 区组校正(bre_tree.block_no)」+ 提交；结果 el-descriptions 加 n_blocks/f_block/p_block 条件 v-if + 区组均值表（家系均值下）。statistics.ts 加 trialDesign() + TrialDesignResult 类型。

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 条目均分/全部 9 条目齐全/seed·design_type 回显）；[2] block_no 落库核验（紧随首次生成执行避免复现覆盖，落库区组集合 == 返回设计集合）；[1b] seed=42 复现同一设计 / seed=43 得不同设计（random.Random(seed) 可复现）；[3] block=False → method=ANOVA/H2、无 f_block/n_blocks/blocks 键、n_groups=3/n=9（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、3 区组均值随 +3/0/−3 递减；[5] 无参试条目研究点 → 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+2+1 家系同折）；[2] k=5 → 每折恰 1 家系 n_test 全 3、无折叠 warning；[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 → 折叠为 6 折 + warning「折叠为 6 折（family-blocked）」；[5] 单家系 → folds=[] + warning「1 个家系」。注：探针树创建曾漏 db.add_all([fm, mm]) 致 germplasm.id=None → 组合 female/male_parent_id 全空 → sire 全空 → n_families=15，补 add 后修正为 5。
• 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。

_DATA_VERSION v2.23（statistics/service.py:97）。genomic.ENGINE_VERSION 1.3.0（批2-B，函数扩展不升主版本；aniso 空间双参此前已 1.4.0，与 run_cv 无耦合）。

8.34 A–F 六项功能级缺口·批3 OCS 最优贡献选择 + MABC 标记辅助回交落地台账（v2.24，2026-08-05，代码级）

A–F 六项缺口批3 = D OCS 最优贡献选择（群体配种贡献联合优化）+ E MABC 标记辅助回交（前景+背景选择工作流）。批1（A 父本验证 + C 近交衰退，v2.22 §8.32）与批2（B GS 家系 CV + F 试验设计深度，v2.23 §8.33）已落地；本批为 A–F 六项闭环收官。沿用工程模式：独立 e2e 探针（真引擎直跑）+ 全量回归零回归 + vue-tsc EXIT=0 + 后端重启 HTTP 核验。两端点均纯计算不落库（对齐 data_quality 惯例）。

D OCS 最优贡献选择（statistics/service.py + controller/schema 三件）：

• 共享 helper 抽取 _candidate_ebv_map（service.py:3429-3531）：mating_recommend 内联 EBV 解析块原样抽取为 (prediction, tree_ids) → {germplasm_id → ebv}（prediction batch ABLUP/GXEBLUP/GXRBLUP/GBLUP/ssGBLUP；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——已在抽取前内联块存在，属 v2.19 方法论延续，非抽取回归（e2e_mating_ebv [4] P3×P4=0.0 权威验证；e2e_audit_fix_20260804 ④ 已同步该语义）。
• 端点 POST /statistics/ocs（OcsIn：candidate_germplasm_ids + n_select=5 + lam=0.1 + prediction_id 可选；_proj_simplex + _solve_ocs）：max Σc_i·ebv_i − λ·c'Ac，s.t. Σc=n_select、c≥0（纯 numpy 欧氏投影梯度 + 拉格朗日投影，无 scipy；候选数 <50 足够收敛）。A 由 _germplasm_pedigree 取系谱、blup.relationship_matrix 计算 rmat 组装（对角=1，非对角按候选对取 r）。输出：contributions（每候选 c 降序：germplasm_id/name/c/ebv/source + 可选 n_progeny/n_combos）、mean_ebv、avg_kinship（c'Ac）、kinship_quad、vs_top_n{n,mean_ebv,avg_kinship,ebv_loss,kinship_reduction}（同 n_select 贪心 top-n 对照，量化 OCS 亲缘控制价值）、ebv_source/kinship_status/kinship_warning（A 覆盖 <100% → kinship_status="partial" + warning「部分候选对缺少亲缘系数」）。门禁：空候选 / n_select>候选数 / λ<0 → 409。
• 前端「选配推荐」tab OCS 运行区（候选种质多选 + n_select + λ 滑杆 + contribution 表 + vs_top_n 对比 + kinship_warning alert + 亲缘状态 tag）。

E MABC 标记辅助回交（statistics/service.py + controller/schema 三件）：

• 端点 POST /statistics/mabc-progress（MabcIn：candidate_tree_ids + foreground_panel_ids + background_panel_ids + recurrent_parent_tree_id + foreground_min_hits=1 + generation=BC1 + background_target=90）：前景选择复用 _mas_hit_map/_mas_marker_hit（additive/dominance/recessive/allele/haplotype 五语义，stage 无关、童期幼苗即可筛选），foreground_pass = 有利剂量命中 ≥ foreground_min_hits；背景基因组恢复率对 background_panel 每标记取候选 vs 轮回亲本「纯合剂量一致」比例（_pure_homologous：候选纯合且有利等位 ∈ 轮回亲本等位集；杂合不计），标记均值 = 基因组恢复率估计 %（round 2）；回交代建议按 _BC_LADDER=["F1","BC1","BC2","BC3","BC4","BC5"] + _MABC_GENERATIONS={"F1","BC1","BC2","BC3"}：前景通过+恢复≥target → 晋级下一代（F1→BC1→…→BC5→自交固定）；前景通过+恢复不足 → 再回交一代；前景通过+恢复无法评估（轮回亲本缺背景基因型）→ 补测后判定；前景未通过 → 维持 + 前景未通过提示。输出 per_tree{foreground_hits/by_panel/foreground_pass/background_recovery/n_background_compared/n_background_recovered/bc_generation/reason} + recommended（前景通过按恢复率降序，恢复率 None 排尾）+ summary{n_pass/n_with_recovery/mean_background_recovery} + warning（轮回亲本无背景基因型 / 背景面板无标记）。门禁：空候选 / 空前景或背景面板 / generation∉_MABC_GENERATIONS / background_target∉(0,100] / 轮回亲本树不存在 → 409。
• 前端独立「回交 MABC」tab（前景/背景 MAS 面板多选 + 轮回亲本树单选 + 候选回交单株多选 + 前景阈值/当前世代/背景目标参数 + 逐株结果表 + recommended 恢复率降序表 + warning alert）。

验证：

• Temp/claude/e2e_ocs_20260805.py 17 断言全过——[1] Σc=3（n_select）、c≥0、coverage=direct 5/5、c 降序排列、贡献最高=A；[2] mean_ebv 与 vs_top_n 相当、kinship_reduction=0.0398、kinship_quad≈4.641（OCS 以极小 EBV 损失换亲缘大幅下降）；[3] λ 梯度 ↑（0→0.5→1→10）→ avg_kinship 单调非增（1.0→0.5157→0.3211→0.2685）且贡献越摊越匀；[4] λ=0 满额投最高 EBV 单亲（OCS 退化 = 贪心 top-n）；[5] A 缺失 → kinship_status=partial + warning「部分候选对缺少亲缘系数」（D/E 均可触发）；[6] 三 409（空候选 / n_select>候选 / λ<0）。清理干净（按 PREFIX 删 genos/samples/markers/datasets/panels/组合/亲本，e2e 前预清残留）。
• Temp/claude/e2e_mabc_20260805.py 23 断言全过——[1] 前景 5 pass（C1/C2/C4/C5/C6）+ 1 fail（C3 前景 M1 0/0）；[2] 背景恢复复算 100%（C1/C4/C6）/75%（C2）/0%（C5）n_background_compared=4；[3] reason（C1/C4 晋级 BC2 / C2/C5 再回交 BC1 / C3 前景未通过）；[4] recommended 恰为前景通过子集、恢复率降序 [100,100,100,75,0]；[5] 童期 C6 前景通过+晋级（stage 无关）；[6] 轮回亲本无背景基因型 → 恢复 None + warning + 不阻断；[7] 六 409（空候选 / 空前景面板 / 空背景面板 / generation=BC2 非法 / background_target=0 / 轮回亲本不存在）。清理干净。
• 回归：e2e_molrigor（复练 _mas_hit_map）/ e2e_gwas / e2e_mating_kinship / 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 抽取后 mating_kinship 14/14、mating_ebv 与 audit_fix ④ 语义双核对）。vue-tsc EXIT=0。HTTP 核验：后端重启（PID 更换）后 POST /bre/statistics/ocs（n_select=1 最小正例 200 结构）+ POST /bre/statistics/mabc-progress（空面板 409 / 非法 generation 409 / 成功路径 200 + 轮回亲本缺背景基因型 warning）经真实端点返回。环境性 b34（G1 门禁 sample 量）为探针脆弱非本批回归，e2e_g1_gate 独立通过。
• 方法学保留：OCS 与 mating_recommend 逐对 kin-penalty 启发式并存不冲突（OCS 管群体层面「配多少」，mating_recommend 管配对层面「配哪对」）；MABC 前景语义与 decision_preview marker 条件同源（童期幼苗可标记辅助选入）。

_DATA_VERSION v2.24（statistics/service.py:97）。genomic.ENGINE_VERSION 1.3.0（批3 复用 _mas_hit_map/_candidate_ebv_map，引擎函数零改动）。

8.35 近交衰退两处正确性修复落地台账（2026-08-05 跟进，代码级）

用户实证复查 inbreeding_depression（v2.22，§8.32）两处缺陷，本会话核实成立后修复： ① 方向盲目的衰退判据——has_depression = slope<0 且 t≤−1.645 无条件取负斜率，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，故仅近交衰退分析受影响）。

修复（statistics/service.py inbreeding_depression）：

• ① 方向感知检测：读 direction（此前读了未用）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」。对齐既有 data_quality_report 的 desirable_high 方向语义。
• ② 深层近交系数：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）展开所有被引用种质的祖先，再补树节点 + 未解析种质 founder 兜底（软删引用不悬空）。多世代半同胞共享祖亲 → F 正确 >0，不再低估。

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 + 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 仍为 F=0.5 自交株（旧判据误报未检出，修复后正确检出）；[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，desc 性状 y=100−60F → max_F=0.125、mean_F=0.0625（旧浅层=0 低估）、slope≈−61、has_depression=true、高近交前 6 全为 H 半同胞株；[x] trait 不存在 409 保持。
• 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（_germplasm_pedigree 本体零改动，仅消费方 inbreeding_depression 引用）。vue-tsc EXIT=0（前端仅提示文案方向化一行）。版本仍 v2.24（正确性修复不升版，避免批3 版本断言连锁）。

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

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 仅 fingerprint_check（无性系混杂/标签互换检测），对 mendelian/parentage 零命中——零孟德尔分离一致性检验、零亲本亲缘验证；② trial_design 仅 RCBD，增广/α-格子仍 TODO（docstring 明言留待后续）。α-格子范围用户已拍板：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）。

批4-A：孟德尔/亲本一致性检验（genotype_call 模块，GET /bre/genotype_call/mendelian/check，镜像 fingerprint/check 的 GET+Query 模式，纯计算不落库）：

• 规则：子代树样本基因型 vs 声明亲本（tree.dam_id/sire_id→germplasm）基因型——按标记解析等位（_allele_set，"/" 分割去空白/缺失），子代等位集 ⊆ dam∪sire 等位集并集即孟德尔兼容（union 规则）；任一亲本该标记等位空白/缺失 → 非信息位点（不计分母）；单株兼容率 = 兼容位点 / 信息位点数，flag = rate < compat_threshold（默认 0.98，对齐 fingerprint）。
• 数据解析（跨数据集）：子代样本 source_type=="tree"（source_id→tree 集合）；声明亲本两亲皆空 → no_declared_parents；亲本基因型取 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）；亲本声明但无 germplasm 基因型样本 → missing_parent_genotype（不 409，数据现状，reason 标注缺哪个亲本）；数据集无样本 → 零值返回。
• 输出：{trees_checked/trees_flagged/trees_no_parents/trees_missing_parent_genotype, summary{informative_markers/incompatible_markers}, trees:[{tree_no,dam,sire,status,informative_markers,compatible,incompatible,compatibility_rate,flag,incompatible_markers:[{marker_id,allele,dam,sire}]}]}。

批4-B：试验设计深度（trial_design 按 design_type ∈ {rcbd, augmented, alpha} 分派；rcbd 路径逐字节不变，回归零变化）：

• augmented（增广）：入参 check_germplasm_ids 显式对照（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）。对照每区组重复（anchors，check_reps=block_count）、新品系 rng.shuffle + round-robin 均分区组（同 RCBD 随机化、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）：入参 block_size=k + reps=r 可选。v=条目数需 v%k==0（s=v/k=每重复块数）否则 409；k 缺省时 v 为完全平方自动取 k=√v，否则 409「α-格子需指定 block_size（当前 {v} 条目非完全平方）」；reps 缺省=平方时 k+1（完全格子）/ 一般时 s；r<2 → 409「重复数需 ≥2」。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 素数完全平衡（_is_prime），非素数 → balance_warning=True 保守告警（可分解不保证平衡）；r>k+1 → 409「完全平方格子重复数最多 {r_full}」。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。block_no 写复合编码 rep*100+block（rep 1..r、block 1..k）。输出 {reps, block_size, balance_warning, blocks:{rep:{block:[entry_number…]}}}。
• 探针抓出的真 bug：平方分支 block_no 初版 m*100+b（0-based m）致 rep1 落库 1..3 与贪心分支/文档的 rep*100+block 不一致 → 修正为 (m+1)*100+b。

验证：

• Temp/claude/e2e_mendelian_check_20260805.py 8 断言全过——数据设计验证跨数据集解析（子代样本 D1、亲本样本 D2、D3 空）：G1/G2 亲本基因型各 5 标记、T1 全 0/1 唯 M5=2/2（亲本均无该等位）→ 5 信息位点 4 兼容 1 冲突 rate=0.8 flag + incompatible_markers 含 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「未声明亲本」；T4 dam=G3（声明但无 germplasm 基因型）→ missing_parent_genotype + reason「母本」不 409；summary informative=10/incompatible=1；D3 空数据集 → 零值返回 summary=None 不 409。清理干净。
• Temp/claude/e2e_trial_design_ext_20260805.py 19 断言全过——[1] augmented：12 条目（G01-G12）3 对照（G01-G03）× block_count=3 → n_new=9/n_checks=3/check_reps=3、新品系 block_no∈{1,2,3} 且不重复、对照 block_no=None、checks 结构；[2] alpha 平方 v=9=k²（k=3 素数）r=4 → 自动 k=3/s=3/r=4、4 rep×3 块×3 条、每 rep 覆盖 9、任一对至多同块一次（maxλ≤1 且恰 36 对）、balance_warning=False、block_no 复合编码落库（修复后 401/402…）；[3] 部分 r=3 仍可分解平衡；[4] v=16 k=4（非素数）r=5 完全格子 + balance_warning=True（保守告警可分解）；[5] v=12 一般（k=3 显式）s=4/r 缺省=s=4 贪心可分解 + 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。
• 回归：rcbd 路径由 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 design_type=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 互补不冲突（fingerprint 管样本间一致性/混杂，mendelian 管子代-亲本孟德尔规则）；augmented 对照 anchoring + α-格子平衡性显式告警与既有 RCBD 随机化并存。

_DATA_VERSION v2.25（statistics/service.py:97）。同步 3 处探针版本断言（e2e_prediction_rigor / e2e_spatial_sparse / e2e_statsflow）。

8.37 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）落地台账（v2.26，2026-08-05，代码级）

用户实证复查提出三项，本会话逐项核实全部成立，分三子批落地：N3 trial_design 已落库 block_no 不完全区组结构但 run_ablup 未把 block 当随机效应（只当空间竞争协变量网格 key）——用户拍板「显式 block 开关」；N1 mendelian_check 只读纯计算、不落库不隔离错配亲本——用户拍板「断开错误亲本链」（可疑树退化为 founder、自身表型保留，可逆）；N2 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——用户拍板「全量统计引擎」新增强立 ground-truth 数值探针。_DATA_VERSION v2.26（statistics/service.py:97），blup.ENGINE_VERSION 1.4.0→1.5.0。

批5-A（N3）：ABLUP 区组随机效应（blup.py solve 加 block: dict|None 分派新 _solve_block，镜像 _solve_gxe，blup.ENGINE_VERSION 1.5.0）：

• 引擎：_solve_block(pedigree, phenotypes, *, fixed, covariate, block_of, record_map, tol)——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），其余逐字节复用 _solve_gxe：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 / 未收敛三警告文案。
• 服务：run_ablup 加 block: bool=False。互斥：block 与 gxe/gxr（共用 Z₂ 第二随机效应槽）409、block 与 spatial（残差结构与第二随机效应槽互斥）409。新分支读 bre_tree.block_no 构 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。
• 前端：「多环境 GxE」tab 加 blockEnabled 复选框 + 互斥 watch（block↔gxe/gxr/spatial）+ payload.block + 成功文案三元。
• 探针 e2e_ablup_block_20260805.py 6 场景全过——[1] 3 区组×每区组 5 株已知 σ²block>0 → method=ABLUP-BLOCK/n_blocks=3/σ²block>0/block_ratio>0/EBV 与探针内独立矩阵解一致；[2] 单区组 → 409 区组数据不足；[3] 无 block_no → 409；[4] block+gxe → 409、block+spatial → 409；[5] 部分树缺 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（genotype_call 新表 + 写端点 + statistics 消费方断链，bre_mendelian_check/bre_mendelian_check_tree/bre_pedigree_exclusion 三新表 create_all 自动建）：

• 落库：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 → 落 bre_mendelian_check（计数/summary_json/data_version/input_hash/engine_version）+ 每树子行 bre_mendelian_check_tree（FK check_id CASCADE；status/兼容计数/rate/flag/reason/incompatible_markers_json）；POST /bre/genotype_call/mendelian/check/run（Auth module_bre:genotype_call:edit），GET 只读预览保留零回归。
• 自动隔离（可逆）：对 flag=true 树 upsert bre_pedigree_exclusion（唯一 tree_id、source_type="mendelian"、source_check_id）；本次未 flag 但此前隔离过的树（同 dataset 范围）删除隔离行——注册表=最新检验结论，数据修正/阈值提高后自动解除。
• 进数据质量报告：data_quality_report 加可选 dataset_id，提供时追加 mendelian 段（最新一次检验计数 + flagged 树列表 + 当前隔离状态）；flagged>0 → summary.has_warning=True；无检验记录 → mendelian: None。
• 系谱消费方断开亲本链（「断开错误亲本链」语义）：共享 _excluded_tree_ids() 读隔离注册表，树级 dam/sire 读取处把隔离树 parent 置 None + note——覆盖 _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 基因型样本不受影响（错配的是亲本声明，非基因型本身）。
• 前端：genotype_call 孟德尔对话框主按钮改 POST run（展示 check_id + 隔离树数）；statistics「数据质量」tab 加 dataset 选择器 + mendelian 段（flag 计数 alert + 隔离树表）。
• 探针 e2e_mendelian_persist_20260805.py ok=19 fail=0——[1] POST run 落库（bre_mendelian_check 行/计数/子表行/check_id）；[2] 隔离生效 + EBV 断开验证（隔离树与声明亲本亲缘=0、EBV 符合 founder 语义）；[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（新探针 e2e_stats_numerics_20260805.py ok=101 fail=0，直接调引擎 + 关键服务端点，逐段独立 ground-truth 对照）：

• 已覆盖真值段：blup.solve 普通（独立 V⁻¹ BLUP ≡ MME、网格 REML 表面一致）；_solve_gxe/_solve_block（MME 正规方程恒等 + 方差分解一致性 + 区组效应恢复）；solve_spatial(_aniso)（R 重构 + MME 恒等 + aniso ρ_row/ρ_col 恢复）；genomic.build_g_matrix（手算 VanRaden method2）+ solve_gblup（MME 恒等 + 可靠性公式）；_build_h（教科书 H⁻¹=A⁻¹+[0,0;0,G⁻¹−A22⁻¹] 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 对角 1 相关 0.5 恢复 + PSD）；finlay_wilkinson（独立 OLS 对照）；ammi（解析 2×2 SVD）；anova.solve_rcbd（手算 SS/MS/F）；combining._solve_diallel（手算 GCA/SCA）；_proj_simplex/_solve_ocs/_selection_intensity；服务端点 run_cluster（UPGMA 首次合并=最小距离对）/genetic_gain（ΔG=k·r_g·σ_A 公式复算）/data_quality_report（IQR/MAD 手算边界）/kinship_matrix（3 节点 A 手算）。
• 探针抓出的两处探针自身 fixture 缺陷（非引擎 bug，全部修复）：① A8/A9 双变量/多变量小样本低 h² 设计（4 创始人+10 子代）REML 面平坦/近边界 → 单性状 ve 塌缩 → ρ 剖面假收敛（独立性状 r_g=-0.99）、G0 恢复不可靠——高遗传力（va≫ve，h²≈0.87-0.9）+ 高真相关（0.95/0.90/0.85）+ 10 全同胞家系×3 株良态设计替换后 r_g 恢复误差 ≤0.06（11s）；② B4.2 硬编码 tree_id==4（fixture 树真实自增 id 非 4）→ 改引用 fixture 树列表 trees[3]。引擎本体零缺陷（EM-REML/M-step/固定点/MME/剖面逐项验证教科书正确）。
• runtime 约束记录：solve_multi 3 性状 n≥100 时本机 numpy LAPACK 每次迭代 0.7s（n=100），超 2 分钟——数值探针 fixture 保持小样本（n≤54）规避。

验证：三新探针全过 + 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。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）。

---

8.38 规划↔目标↔试验 可追溯性闭环落地台账（v2.27，2026-08-05，代码级）

用户全代码库 grep 实证可追溯性缺口成立：plan_id/bre_plan/ForeignKey…plan 只命中 plan/ 模块自身字段，零传入外键；bre_trial 无 plan_id/target_id；无 project/program 表——bre_plan 是彻底孤立的根表（规划定了目标、挂了试验，却无任何指针从目标/试验指回规划）。用户拍板「加试验挂目标」：最小双链方案——bre_target.plan_id + bre_trial.plan_id，另加 bre_trial.target_id（试验挂目标），不新建 project/program 表。_DATA_VERSION v2.26→v2.27（statistics/service.py:97 + genotype_call/service.py:45 同步，5 处探针版本断言同步：e2e_prediction_rigor / e2e_spatial_sparse×2 / e2e_statsflow / e2e_mendelian_persist）。

DB（weld SQL 幂等）：weld_plan_trace.sql 三列 ALTER——bre_target.plan_id（FK→bre_plan，可空）、bre_trial.plan_id（FK→bre_plan，可空）、bre_trial.target_id（FK→bre_target，可空）。已应用并验证 \d bre_target / \d bre_trial 三 FK 就位。

模型/模式/服务：

• target：TargetModel.plan_id + PlanModel relationship；TargetCreateSchema/TargetUpdateSchema.plan_id 透传；get_list 加 outerjoin 解析 plan_name；create 前 _assert_parents_exist（plan_id 不存在 → 409，None 跳过——孤目标仍可建）；delete assert_no_children（有 combo 子 → 409）。
• trial：TrialModel.plan_id/target_id + 双 relationship；schema 双字段透传；get_list 解析 plan_name + target_name；create 前双父校验（不存在 plan_id/target_id → 409，None 跳过——独立试验仍可建）；delete assert_no_children（有 trial_study 子 → 409）。
• plan：新 trace(plan_id) 服务方法 + GET /bre/plan/trace/{id} 控制器——返回 {plan, targets:[{id,target_name,plan_id,n_combinations,n_trees,combinations:[{id,combination_code,bre_target_id,trees}]}], trials:[{id,trial_name,plan_id,target_id,target_name,n_trial_studies,n_trees,trial_studies:[{id,study_name,year,trees}]}], totals:{targets,trials,combinations,trial_studies,trees}}；组合/试验点软删过滤（is_deleted=true 不进入）；挂计划的 target 才入目标链（孤目标不入）；不存在计划 → 409「计划不存在」；plan.delete assert_no_children（有 target/trial 子 → 409，防孤挂链）。
• 前端：target/trial 表单「所属计划/目标」select（PlanAPI.getPlanOptions / TargetAPI.getTargetOptions，res.data.data ?? []）+ 表格/详情列（plan_name/target_name）；plan 页「追溯」行操作（PlanAPI.getPlanTrace）弹窗——ElCollapse 目标链/试验链，组合与试验点 ElTags（组合码（N株）/试验点名（N株））。

探针 Temp/claude/e2e_plan_trace_20260805.py 17 断言全过——[1] 目标链（挂计划目标 T1 含未软删 C1+C4、软删 C2 排除，n_combinations=2/n_trees=4，组合明细 C1=2 树/C4=2 树）；[2] 试验链（挂计划+目标试验 R1，软删 S2 排除，n_trial_studies=1/n_trees=2，target_name 解析到 T1）；[3] totals（targets=1/trials=1/combinations=2/trial_studies=1/trees=6）；[4] 孤目标 T2 不入 trace + 不存在计划 409；[5] target page 返回 plan_name、trial page 返回 plan_name+target_name、孤目标 plan_id/plan_name=None；[6] 三父校验（target 坏 plan_id / trial 坏 plan_id / trial 坏 target_id 均 409）；[7] 双删除守卫（plan.delete 有子 409、target.delete 有子 409）。探针自清理（含 bre_target 审计行，防孤儿）。

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 + 审计切面 e2e_audit 排查修复：探针残留检查原 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（如 bre_seed_lot id 72 可与 bre_target id 72 撞车），目标序列被推进到 691 后与既有 bre_cross_combination/bre_germplasm 审计行撞 id 间歇误报 → 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）vue-tsc EXIT=0。HTTP 核验（后端重启）：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）。方法学保留：三 FK 全可空（历史孤目标/独立试验不受影响），可追溯性是渐进式——新数据挂链即可查，存量数据不强制回填。

---

8.39 系谱键空间错位修复——type_b / genetic_corr 静默丢系谱（v2.28，2026-08-05，代码级）

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）」，拍板全量十项逐一复查。审计发现真 bug：type_b（run_type_b_heredity）与 genetic_corr（correlation_matrix mtblup / run_genetic_corr）服务层把 int tree_id 表型键 传给 mtblup.solve_bivariate，而系谱（_build_pedigree）用 str "t{id}" —— blup.solve 把系谱外个体自动并入 base（视作无关 founder，blup.py solve 系谱外 id 合并进 base 的鲁棒逻辑）→ 系谱被静默丢弃。平衡数据（同株跨环境）掩盖了它；分裂家系（无同株跨环境、靠全同胞链桥接）会暴露：int 键 → r_B/r_g 锁死在 ±0.99（平剖面端点假收敛）。_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×2 / e2e_statsflow / e2e_prediction_rigor / e2e_mendelian_persist）。

修复：新增共享 helper _tree_individual_keys(d)（{tree_id:值}→{"t{tree_id}":值}，对齐 _build_pedigree 个体键空间），四个调用点统一收口——_genetic_corr_matrix（L2214）/ _smith_hazel_index 的 mtblup 分支（L2754）/ run_genetic_corr（L5122，喂 solve_multi 与 solve_bivariate）/ run_type_b_heredity（L5294）。run_ablup 早已正确（phenos_keyed={f"t{tid}":v}），不受影响。

探针 Temp/claude/e2e_rg_golden_20260805.py —— 20 founder（10 母×10 父）、10 全同胞家系×3 同胞=30 株、3 站点；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，站1-站2 无共有树）+ 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 无共有树）。ok=21 fail=0：

• [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）。

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，含版本断言同步的 spatial/prediction_rigor/statsflow/mendelian_persist）+ vue-tsc EXIT=0。HTTP 核验（后端重启）：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，run_ablup 正确路径不受影响；探针 fixture 高遗传力（h²≈0.89）+ 分裂家系结构保证判别力。

8.40 回归基建：统一回归 + 高风险模块正式 tc 套件（测试基建，不 bump 版本，2026-08-05）

用户三点质疑（① 全库 test_bre_*_tc.py 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、孟德尔检验零命中；② 批7 改动未补 golden；③ 新模块算偏会当「正常结果」输出——正是当年 G/I 静默失效同款隐患）核实全部成立，拍板「两者都要」：先统一回归脚本（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。

统一回归 run_regression.py（仓库根）：glob Temp/claude/e2e_*.py（排除 e2e_probe*）+ backend/scripts/test_bre_analysis_*_tc.py = 63 测试；顺序串跑不并发（RC=124 机器争用超时前科）；每测试独立子进程、完整输出写 Temp/claude/regression_logs/<name>.log、控制台回显尾部 + EXIT；任一失败整体 exit≠0 供交付流程判断；DPB_PYTHON 覆盖解释器（须 dpb env python）；utf-8 reconfigure 防 GBK 崩溃；过滤器 + --keep-logs。验证：全量 58/59，唯一失败 gaps_engines 批量卡死、单跑 RC=0 确认（机器争用非探针问题）。

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

套件	断言数	golden 判别核心
test_bre_analysis_ssgblup_tc.py	ok=14	H⁻¹ 拼接判别——非基因型株 GBLUP EBV=0 / ssGBLUP EBV≠0（拼接错则非基因型亲属 EBV=0 或爆炸）
test_bre_analysis_ocs_tc.py	ok=23	投影梯度收敛——Σc=3/c≥0/coverage direct 5/A≈1.419、λ↑→avg_kinship 单调非增、c'Ac≈4.641、λ=0 满额投 A、409+422
test_bre_analysis_mabc_tc.py	ok=24	前景命中/背景恢复率 100/75/0 复算、晋级 BC2/再回交/维持、童期 C6 晋级、422+409
test_bre_analysis_mendelian_tc.py	ok=9	POST /bre/genotype_call/mendelian/check/run（下划线 genotype_call）落库 + flag 进 bre_pedigree_exclusion 隔离注册表 + 阈值 0.0 重跑可逆 + GET 零回归

tc 套件关键教训：① HTTP 语义差异——schema 层 Pydantic 校验（ge/le）拦截 → 422，服务层 CustomException → 409（e2e 直调只见 409，tc 走 HTTP 见 422）；② Mapper 注册——tc 必须显式 import UserModel，否则 InvalidRequestError: UserModel failed to locate a name；③ 时序验证——孟德尔隔离断言须在 run1 后、run2（清除）前验证；④ 启动残留预清理 _wipe()——防上次进程被杀留唯一键脏数据，套件可重复跑。交付流程：改动统计引擎/业务链后端代码后跑 python run_regression.py 全量 EXIT=0 方可交付；新 tc 命名 test_bre_analysis_<模块>_tc.py 由驱动自动纳入。

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

用户认可 §8.40 的 4 套 tc（ssGBLUP/OCS/MABC/孟德尔），并拍板「两者都要」后继续补齐 5 个静默失效风险「显著低于」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），以达成 v8 验收标准「CI 跑通 pytest 全绿」。两条用户硬约束：① 全部基于真实 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 是云端服务本机用不上），CI stage 落地为本机驱动脚本 run_ci.py。纯测试基建，_DATA_VERSION 保持 v2.28。

补齐 5 套正式 tc（沿用 §8.40 骨架：TestClient 真实 API、-X utf8 防 GBK、_wipe() 启动残留预清理、自带清理、sys.exit(1 if fail else 0)）：

套件	断言数	golden 判别核心
test_bre_analysis_genetic_corr_tc.py	ok=19	平衡 3 性状真 r_g(AB)=0.95 / AC=BC=0 判别（r_g(AB)>0.65、间隙>0.3、h²∈(0,1)）+ 分裂家系判别 r_g(S1,S2)>0.5 且 n_common=0（S1 测同胞 0/1、S2 测同胞 2，无共有树靠全同胞系谱桥接；S1/S2 独立种子 SEED_S=3 扫描保 r≈0.99）
test_bre_analysis_type_b_tc.py	ok=18	Type-B 多环境遗传力 3 站点分裂家系（站1=同胞0/1、站2=同胞2、站3=全株）：3 环境、r_B(1,2)>0.5 且 n_common=0（复刻 tY-first rng 消耗序 → r=0.990）+ 三 409
test_bre_analysis_inbreeding_tc.py	ok=44	近交衰退方向感知：y=100−60F 衰退 slope<−40 / t<−3 / 高 F 前 6 自交株；无衰退 slope≈0 未检出；上升 y=10+40F slope>30（方向正确）；deep 系谱 F=0.125；min_n=20 insufficient 优雅降级 + 422/409
test_bre_analysis_trial_design_tc.py	ok=25	增广（9 新品系+3 对照×3 区组，对照 block_no=None 不落库、新品系落 1..3）+ α-格子平方 v=9 k=3 r=4（λ≤1、每 rep 可分解、warn=False）/ 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 复合编码落库读回 + 四 409；教训：α-格子 r=4 会整表覆写 block_no，部分 r=3 重跑须放在 r=4 之前否则读回的是部分态
test_bre_analysis_stability_tc.py	ok=16	AMMI/FW：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（

pytest 包装层 backend/tests/test_stat_analysis_tc.py：9 套 tc 各一个 pytest 测试（@pytest.mark.pg + parametrize），以 subprocess 顺序串跑真实脚本（镜像 run_regression 契约，DPB_PYTHON 覆盖、-X utf8）。环境控制关键——包装层不 import 任何 app 模块（防 conftest 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（可被 TC_CI_* 覆盖验证 skipif 路径）。skipif 探测：asyncpg 连 PG + redis.asyncio ping（须 protocol=2——redis-py 7.x 默认 RESP3，本机 WSL redis-server 版本较老 hello 失败报 ResponseError，与 app.core.database.redis_connect 对齐）；任一失败 pytest.skip。pyproject.toml 注册 pg marker（消 PytestUnknownMarkWarning）；conftest.py 加 collect_ignore_glob=["../scripts/test_*.py"] 防 pytest 收集 import 独立脚本污染 sqlite 环境。

本机 CI stage run_ci.py（仓库根，镜像 run_regression 风格）：step 0 探测本机真实 PG16+Redis（失败给出明确指引：起服务/核对 .env.dev/TC_CI_* 覆盖，exit 非 0）；step 1 pytest -m pg（dpb python + -X utf8）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；run_ci.py EXIT=0「CI 全绿」；run_regression.py test_bre_analysis glob 自动纳入 9 套。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/业务链后仍跑 python run_regression.py 全量。备份镜像 Temp/claude/backup_analysis_tc2_20260805/。

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

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（b = P⁻¹G(I−M)a，纯 numpy 不迭代）；② 前后端同步扩展。统计引擎方法学扩展 → _DATA_VERSION v2.28 → v2.29（genomic.ENGINE_VERSION 1.3.0 → 1.4.0；blup/mtblup 版本不动）。无新表——O2 复用 bre_type_b_result（env_dim 已是自由字段）、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——按 coalesce(obs.stage, TraitModel.stage) 分组（观测缺省继承 bre_trait.stage、两者皆空不参与分组）、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 幼年–成年遗传相关 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（岭回归逐标记：y=μ+Xu+e，u=(Xc'Xc+λI)⁻¹Xc'yc，λ 由剖面 REML 的 σa²/σe² 定 → σu²=σa²/c、EBV=Xc·u+μ，与 GBLUP 数学对偶）+ solve_bayesb（BayesB Gibbs：δ_j~Bernoulli(1−π) + 方差尺度混合 + inv-χ² 更新，确定性 seed 可复现——MLOps 铁律）；kfold_cv_genomic 加 dosage/markers 分派 rrblup/bayesb 折内走对应求解器；run_gblup method 扩 ("gblup","ssgblup","rrblup","bayesb") + seed 透传，落 PredictionModel(method=RRBLUP/BayesB) + PredictionValueModel（EBV/rel/pa/rank）+ marker effects（GBLUP 无的解释能力）；run_cv GS 分支 rrblup/bayesb 传 dosage，method_name=KFCV/RRBLUP·KFCV/BayesB。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 b = P⁻¹·G·(I−M)·a，M = C'(C·G·P⁻¹·G·C')⁻¹·C·G·P⁻¹·G（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 不满足 ΔG=0（实测 ΔG=4.46），证明修正必要）；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；extra 落 restricted/constraint_mode=ΔG=0/economic 标记 + warnings（受限性状数/eco_missing/P 样本量）；门禁 restricted_traits ⊆ cols（越界 409）、economic_weights 性状须在 tmap。method 校验扩 ("zsum","smith_hazel","restricted")，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）→ 任意 GET /cv/{id} 400——补上后 rrblup/bayesb CV 详情可查（既有 tc 均未触达该端点，静默失效风险同款）。

验证：e2e_o234_20260805.py 探针 19 断言（O3 rrBLUP/GBLUP 闭式对偶 EBV 逐位吻合 1.42e-13 + marker effects 恢复 + BayesB 固定 seed 两次逐位一致 + kfold rrblup/bayesb 5 折完整；O4 受限性状 ΔG=0 机器精度 −8.88e-16/−3.66e-16 + 旧公式不满足（修正必要）+ economic asc 翻转严格下降（(P⁻¹G)₀₀>0 保号）；O2 真实 PG 16 树幼/成双阶段 r_g=0.6145>0.5 + n_common=16）；正式 tc test_bre_analysis_o234_tc.py ok=41 fail=0（TestClient 真实 API + golden：O2 env_dim=stage 落库 r_g=0.8995>0.5 / n_common=12 / 双阶段各 12 株 / data_version=v2.29；O3 rrblup·bayesb·gblup 落库 method + engine_version=1.4.0、bayesb 同 seed 两次 EBV 逐位一致（可复现）、rrblup/GBLUP EBV 相关 1.000（对偶）、CV KFCV/RRBLUP·KFCV/BayesB 折数=5、非法 method 409；O4 restricted b_受限=0.0（ΔG=0 投影生效）+ 非受限自由响应 + smith_hazel economic desc 性状 b>0 / asc 翻转 b<0 + 缺 restricted_traits 409）；TC_SCRIPTS 注册第 10 套；全量回归零回归（含既有 9 套 + 61 e2e）+ run_ci.py EXIT=0「CI 全绿」。备份镜像 Temp/claude/backup_o234_20260805/。

---

8.43 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（v2.30，2026-08-06，代码级）

用户反馈 O1 花期字段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：bre_germplasm 新增双 Date 列 bloom_start_date/bloom_end_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。连锁：model/schema（Create+Update）/export 映射/import header/Excel 模板 + 前端 germplasm 表单双 date-picker、列、详情。

② mating_recommend 花期软警示：新 helper _bloom_overlap(female, male)（statistics/service.py）——优先结构化区间（月日年际比较），缺区间 fallback 到 5 档字典（相邻/同档视为重叠）。四态：overlap（重叠,可同期授粉）/ store（父本先开,需采粉贮藏至母本花期授粉）/ offset（母本先开,父本花期在后）/ unknown（缺区间与档位,提示补充）。pairs[] 每项加 bloom_status/bloom_msg；非重叠（store/offset/unknown）追加进 flags[]（前端红色 tag 已渲染），overlap 不进 flags——软警示不硬阻断。

③ 授粉窗口规划：新端点 GET /bre/pollen/window-plan?window_start=&window_end=（pollen/service.window_plan）——把花期数据 × bre_pollen 库存映射到 [W1,W2] 窗口。花期按年际月日投影到窗口起始年（桃花期 3-4 月单年窗口假设），每株窗口内花期种质给花粉覆盖三态 covered（整段有批次覆盖）/partial（部分覆盖）/none（需采粉贮藏或同期授粉）；库存侧给批次窗口状态 full/expiring/entering/expired/not_started。纯计算不落库；窗口反向 409。前端 pollen 页顶部加「授粉窗口规划」卡片（日期范围默认本年度/次年花期 03-01~04-30，花期覆盖表 + 库存状态表）。

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 花期覆盖三态 covered/partial/none + 档位投影种质、窗口 B 库存五态 full/expiring/entering/expired/not_started + 窗口反向 409）；vue-tsc EXIT=0；全量回归（run_regression.py）+ run_ci.py EXIT=0 零回归。版本连锁：4 e2e 探针 + o234 tc 断言 v2.29→v2.30。备份镜像 Temp/claude/backup_o1_bloom_20260805/。

---

9. 已决策取值汇总（v1.2，本人敲定）

下列枚举由本人依据 RosBREED 桃无性选育流水线 + 现有 14 域敲定（用户授权"你来定"）。全部作为 sys_dict 新增字典类型，落库英码、前端显中文，并接入 Excel 导入翻译（DictLabelResolver）。

9.1 breeding_stage（选择阶段）

code	中文	主要适用实体	说明
germplasm	种质资源	germplasm	基础材料/引入种
parent	亲本	germplasm	用于杂交的亲本
seedling	实生苗/群体植株	tree	杂交实生群体、未入选
sp	初选株	tree	Single Plant，田间初选
ap	复选株	tree	Advanced，跨年跨点复选
line	品系	germplasm	克隆扩繁、系统观察
regional_trial	区试品系	germplasm	区域试验
released	新品种/审定	germplasm	命名/登记/审定

tree 用 seedling/sp/ap；germplasm 用 germplasm/parent/line/regional_trial/released；selection_result 记录 from_stage→to_stage 晋级流转。

9.2 breeding_generation（遗传世代）

code	中文	说明
F1	杂交集	首次杂交产生的分离群体（桃主要选种群体）
F2	自交/互交分离世代	F1 自交或 F1×F1
BC1	回交 1 代	导入性状（如抗病）回交
BC2	回交 2 代
BC3	回交 3 代

引入种质/地方品种 generation 留空。权威存 cross_combination.generation（与 cross_type 联动：回交→BCn，自交→F2），tree/germplasm 冗余拷贝便于筛选。

9.3 breeding_group_type（分组维度）

code	中文	说明
project	育种项目	正式项目集合
family	家系/杂交组合群	同 cross_combination 的后代集合
category	种质类别群	油桃/蟠桃/观赏桃等类别
temporary_set	临时选系集	临时任务选系集
custom	自定义	用户自由定义

不设 objective 维度（与 target 育种目标语义重叠）。

9.4 breeding_design_type（试验设计）

code	中文	说明
rcbd	随机区组	高级 trial 常用，区组+重复+对照
augmented	增广设计	多品系少重复+对照重复，早期选种最适用
contrast	对比试验	少量材料与对照比较
split_plot	裂区设计	砧木×接穗等两因子
unreplicated	观察圃/简约	无重复，初步观察

9.5 propagation 纳入一期（§3.8）

打通 入选株(tree) → 克隆种质(germplasm) → 扩繁批次(propagation) → 新定植树(tree) 闭环。

9.6 字典落地

在 breeding_dict.sql 增补 breeding_stage/breeding_generation/breeding_group_type/breeding_design_type 四类（英码+中文），并接入对应 service 的 Excel 导入翻译（DictLabelResolver）与前端下拉。

---

定稿状态（v2.2，2026-07-30）：历经 v1.0→…→v1.9 + v2.0 架构决策锁定 + v2.1 review 修订（R1–R9） + v2.2 深度复审 A–H 全量落地（含 F1/F2 架构拍板：单一长表 + 两长表职责正交 + 统计 VIEW/看板 MV；A1 clone 建于入选 / A3 砧木 FK 统一字典 / A4 pedigree 唯一权威 / B1-B4 统计口径 / C1-C3 门禁重构 / D1-D4 clone 居中 / F3-F5 门禁与公式修正 / G1-G3 编号·审计·method / H1-H3 打磨，详见 §8.10）。所有模块、字段、枚举、建模铁律、互操作映射均已规格化。仍为决策锁定、方案态：除生成器 A/B/C 外，待用户明确"做/搞吧"后据此实施，不先行编码。