dpb/doc/桃育种系统统计引擎实施记录.md

# 桃育种系统 · 统计引擎实施记录

> **版本**：v1.4（2026-08-04 追加统计严谨·预测完整性与 MLOps 复现性：PA 落库 / 溯源 / germplasm_id 填充 / 砧木扩列 / Calo 相关校正 / 空间竞争协变量 + 组合得失漏斗）
> **定位**：记录统计引擎多轮 P0/P1 落地 + 田间刚需（花粉档案）+ 决策正确性（无性系级指数）+ 统计严谨（配合力交配设计 / 相关校正 / 空间竞争）+ MLOps 复现性 + 组合得失漏斗的实现、验证与文件清单——**G×E 交互引擎**（2026-08-03）、**性状方向标注**（2026-08-04）、**花粉档案**（2026-08-04）、**无性系级指数**（2026-08-04）、**配合力交配设计**（2026-08-04）、**统计严谨·MLOps 复现性**（2026-08-04，①Calo②PA③溯源④germplasm_id⑤砧木⑥空间竞争）与**组合得失漏斗**（2026-08-04，⑧ v_combination_funnel）。本文档为持续追加的落地台账，与规格文档 `桃育种系统模块扩展需求规格.md`（v2.10）配套；规格管"应该长什么样"，本文管"实际落地了什么、怎么验证的"。 配套《桃育种系统业务链路与数据模型说明书》v1.1（2026-08-06 重生成，已同步 O1 花期数据消费补强 / N4 plan→trial→target 血缘 / 亲本校验 / 世代闭环落库 / 新增 §九 QA 与 CI 章节）与代码保持一致，三者（规格 + 实施记录 + 说明书）互为索引。
> **相关探针**：`Temp/claude/e2e_gxe_20260803.py`（G×E，5 场景）· `Temp/claude/e2e_direction_20260804.py`（方向标注，7 组）· `Temp/claude/e2e_pollen_20260804.py`（花粉档案）· `Temp/claude/e2e_clone_index_20260804.py`（无性系级指数，6 组）· `Temp/claude/e2e_combining_design_20260804.py`（配合力交配设计，5 组）· `Temp/claude/e2e_prediction_rigor_20260804.py`（②③④，4 组）· `Temp/claude/e2e_rootstock_20260804.py`（⑤）· `Temp/claude/e2e_corr_spatial_20260804.py`（①⑥，3 组）· `Temp/claude/e2e_combination_funnel_20260804.py`（组合得失漏斗，3 组）。 · `Temp/claude/e2e_o1_bloom_20260805.py`（O1 花期数据消费补强：四态软警示 + 窗口覆盖三态 + 库存五态 + 反向门禁，4 组）

---

## 一、G×E 交互引擎 P0（2026-08-03）

### 1.1 背景与目标

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

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

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

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

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

### 1.3 自动固定效应

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

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

### 1.4 可辨识性门禁（`G×E 不可辨识` → 409，拒绝运行）

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

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

### 1.5 克隆坍缩

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

### 1.6 异步任务记录（`StatisticsJobModel`）

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

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

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

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

---

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

### 2.1 缺陷背景（科学正确性硬伤）

`bre_trait` 原仅 `stage`/`is_core`，**无方向标注**。选择指数与决策默认"高 EBV = 优"，对**低优性状**（裂果率、病害级别、酸度——若目标是低酸）会**选反**：Smith-Hazel 的 b 与加权 Z 隐含"越大越好"。用户确认缺陷属实，拍板修复范围：
- **翻转范围**：指数+决策+排行**全翻转**；
- **into_ebv 范围**：'0' 仅从**选种相关候选**剔除（指数/EBV 排行/决策预览/ABLUP 下拉），describe/correlation/trait_values 不受影响；
- **default_h2 兜底**：zsum + smith_hazel 都兜底（无实测 h² 用先验，两者皆无才报错）。

### 2.2 数据模型变更

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

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

**种子数据（`backend/sql/bre_trait_seed.sql`，INSERT 0 43，ON CONFLICT DO UPDATE 含三新列）**：
- 7 个数值 core 性状（max/avg_fruit_weight、longitudinal/transverse/lateral_dia、flesh_thickness、ssc）：`direction='desc'`、`into_ebv='1'`、`default_h2` 取桃经典先验（果重/糖度 0.5、果径/肉厚 0.4/0.3）；
- 其余 categorical/date 性状：`into_ebv='0'`、`default_h2=NULL`。

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

### 2.3 后端翻转逻辑（`statistics/service.py`）

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

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

### 2.4 前端

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

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

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

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

---

## 三、本轮修复的结构性 bug（方向盲区家族）

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

### 3.1 `ebv_ranking` 方向盲区（读时重排）

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

### 3.2 `compare_predictions` 硬编码降序

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

---

## 四、花粉档案 breeding_pollen（2026-08-04）

### 4.1 缺陷背景（田间刚需）

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

### 4.2 架构决策（用户确认）

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

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

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

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

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

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

### 4.5 菜单/权限（`backend/sql/bre_menu.sql`）

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

### 4.6 前端

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

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

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

---

## 五、选择指数·无性系级聚合（2026-08-04）

### 5.1 决策正确性背景

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

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

### 5.2 数据模型变更

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

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

### 5.3 聚合与排名逻辑（`statistics/service.py`）

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

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

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

### 5.4 前端

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

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

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

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

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

---

## 六、配合力交配设计 design_type（2026-08-04）

### 6.1 缺陷背景（统计严谨）

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

### 6.2 数据模型变更

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

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

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

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

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

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

### 6.5 前端

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

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

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

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

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

---

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

### 7.1 缺陷背景（七条复审逐条核实）

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

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

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

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

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

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

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

### 7.4 前端

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

### 7.5 验证（三探针全过 + `vue-tsc`）

**`e2e_prediction_rigor_20260804.py`（②③④，4 组）**
| 组 | 断言 |
|---|---|
| [1] | 每株 `pa = √rel` 逐条一致；批次 `accuracy` = √(均值 rel)；溯源三字段（data_version=v2.7 / engine=1.0.0 / acc=0.439）；germplasm 级查询（按 gA 查得 2 条）；ebv_ranking 透出 pa |
| [2] | 复现性：同数据重跑 input_hash 完全一致 |
| [3] | 数据漂移：改 1 条观测值后重跑哈希必变 |
| [4] | 跨会话持久化：commit 后新会话读取值/哈希仍在（全行扫描断言） |

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

**`e2e_corr_spatial_20260804.py`（①⑥，3 组）**
| 组 | 断言 |
|---|---|
| [1] | Calo 校正值：`g_corr` 含性状对、`g_note` 含"可靠性校正"；`got_rg` 与独立重算 `clamp(r/√(rel_i·rel_j))` 一致（容差 1e-4），例 r=0.9966/rel 0.1925·0.1345 → r_g=1.0 |
| [2] | competition 消费验证：有坐标运行成功，EBV 与无协变量最大差异 0.5465（差分消费，非仅字段） |
| [3] | 数据需求判定：全无 row/col → CustomException 含 row_no/col_no |

### 7.6 遗留（已记账，不动引擎）

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

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

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

**六级链路与派生指标**：

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

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

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

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

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

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

---

## 八、分子育种「建数据能力」（2026-08-04）

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

### 8.1 DDL 缺口与补列

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

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

### 8.2 四模块五件套

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

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

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

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

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

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

### 8.5 菜单 / 权限 / 前端

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

### 8.6 e2e 验证（e2e_molecular_20260804.py）

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

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

---

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

### 9.1 缺陷背景（用户核实四条缺口，全部拍板落地）

用户核对后确认四条精修缺口属实并拍板「全部落地，更新文档，保留版本」：
1. **DUS/品种保护**：无 DUS 模块、无 UPOV TG/53 描述符观测模板（菜单 900230 预留仍占位）；档位=**数据能力（三表）**。
2. **stage 感知**：`bre_trait.stage`（v2.0 定义）存在但 BLUP/选择指数/决策无视，童期/成株性状混用无警示。
3. **模型外部验证**：可靠性仅 PEV 法（内部）；档位=**ABLUP + GXEBLUP 双支持** k-fold CV（外部预测准确度）。
4. **AI 伦理·分组偏差**：G×E 引擎已覆盖互作，缺按 site 的系统性 EBV 偏差/公平性报告。

### 9.2 DUS 数据能力（三表）

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

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

### 9.3 stage 感知

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

### 9.4 k-fold CV（外部验证）

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

### 9.5 公平性报告（只读，不建表）

`GET /bre/statistics/fairness?prediction_id=&group_by=site&threshold_sd=1.0`：
- `site_summary`：每 site n_trees/n_groups/n_individuals/EBV 分布（mean/sd/min/max）/mean_reliability/**deviation=site_mean−grand_mean**、`flagged=|deviation|>threshold_sd×grand_sd`。
- `rank_consistency`：site 内组合均值 EBV 排名 vs 全体组合排名，共享组合 ≥2 时手写 Spearman。
- `gxe_pattern`：组合×site 单元均值（单元 n≥2），暴露跨 site 排名翻转。

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

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

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

---

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

### 11.1 缺陷背景（用户两轮复核核实六条缺口、逐项拍板「全部落地」）

1. **MT-BLUP**：Smith-Hazel 的 G 非对角仍用 Calo 校正 EBV 相关近似（`service.py` 已诚实文档化为回退），缺真遗传相关估计 → 拍板**成对双性状 BLUP**（非全多变量 REML）。
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 随机效应已估 σ²gxe，无跨环境稳定性排名。
5. **MLOps 自动重训 + 版本回滚**：APScheduler 在但统计无重训接线、无 is_active → 拍板**漂移检测端点 + 手动触发**，不注册 cron。
6. **BLUP stage 拆分**：run_ablup 只打标签（model_name 后缀）不按 stage 取数。

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

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

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

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

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

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

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

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

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

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

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

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

### 11.8 前端

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

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

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

### 11.10 本轮修的三处引擎级 bug（e2e 探针暴露）

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

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

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

## 十二、田间试验精度补强·砧木×接穗随机互作 G×R（2026-08-04）

### 12.1 缺陷背景（用户核实两条精度缺口，拍板先做 G×R）

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

### 12.2 架构决策

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

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

`_solve_gxe` 加两个可选参数（默认值保现有 G×E 行为逐字节不变）：
- `factor_label="G×E"`——未收敛警告「{factor_label} 似然面可能极平/边界最优」；
- `factor_name="环境"`——方差归零警告「{factor_label} 方差分量收敛到 0（数据不支持基因型×{factor_name}互作）」。
- 公开 `solve()` 加参并透传 `_solve_gxe`（**服务端走的是 `solve()`，首次探针即暴露漏传**）。
- `ENGINE_VERSION` "1.1.0"→"1.2.0"。

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

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

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

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

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

1. **正例**：2 基因型（clone）× 2 砧木 × 2 株 = 8 株，强交叉互作观测（clone1×R1 高/R2 低、clone2 相反）→ GXRBLUP、job_type=GXR、σ²gxr=74.8>0、n_cross_rootstock=2、n_genotypes=2、8 EBV 行。
2. **门禁负例**：同基因型仅跨 1 砧木 → CustomException「G×R 不可辨识」。
3. **互斥负例**：`gxe=True, gxr=True` → CustomException「Z₂」。
4. **rootstock 剥离**：`gxr=True` 同时 `fixed_effects=["rootstock"]` → 剥离后不共线、正常出 σ²gxr。
- 后端重启（含孤儿 reloader worker 清理）后 openapi 确认 `gxr: True` 入参；`vue-tsc` EXIT=0。

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

### 13.1 缺陷背景（用户核实两条 GS 实证缺口，拍板先做 k-fold）

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

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

### 13.2 架构决策

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

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

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

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

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

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

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

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

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

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

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

### 14.1 背景（用户核实四方向覆盖，拍板按建议次序做）

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

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

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

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

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

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

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

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

### 14.4 前端

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

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

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

## 十五、GWAS/QTL/MAS 标记辅助选择闭环（2026-08-04）

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

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

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

### 15.2 数据装配与 5 张新表

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

### 15.3 服务端端点与 MAS 决策 hook

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

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

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

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

1. **run_gwas**：job GWAS/SUCCESS；bre_gwas_result n=32/m=200→200/bonf=2/fdr=2/qtl=2/input_hash 64 位/engine_version=1.0.0/threshold_bonf=sig/m_after_maf。
2. **bre_gwas_snp**：全字段（chromosome/position/neg_log10p/q_value）；MK0/MK1 均 Bonf 显著且为所在染色体（chr1/chr3）最小 p（MK0 p=2.3e-05、MK1 p=5.4e-05）。
3. **QTL 定位**：2 区间峰标记=MK0/MK1，source=gwas 落库且挂批次。
4. **已知 QTL CRUD**：create/update/list（source=known）全过。
5. **MAS**：面板 2 标记（favorable_dose=2/high）→ decision_preview marker 条件（min_hits=1）命中 16 株 + **无表型童期幼苗 1 株**，低剂量株不命中。
6. **门禁**：dataset 无映射样本 → CustomException「无法映射」。
7. **清理**：finally FK 逆序自动清理。
- **回归**：`e2e_advanced_gblup.py` + `e2e_gblup_cv_20260804.py` 复跑**零回归**（GBLUP/ssGBLUP CV accuracy 0.794）；openapi 核验 10 条 gwas/qtl/mas-panel 路径。

### 15.6 数据设计要点（避免 PC 吞噬 QTL 的实证教训）

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

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

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

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

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

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

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

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

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

### 16.4 版本与验证

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

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

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

### 17.1 批1 引擎三件（solver 扩展，独立新路径）

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

### 17.2 批2 模块四件（标准 CRUD 五件套 + 前端 + 菜单翻转）

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

### 17.3 批3 底座五件

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

### 17.4 版本与验证

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

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

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

### 18.1 批A 业务数据链（A1-A6）

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

### 18.2 批B 统计算法（B1-B4）

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

### 18.3 批C 前端（C1-C4，按用户裁决：不恢复导入按钮）

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

### 18.4 版本与验证

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

### 18.5 世代闭环修复：单株晋级同步落系谱（2026-08-05 跟进）

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

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

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

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

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

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

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

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

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

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

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

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

**修复**（`statistics/service.py` `mating_recommend`）：

1. **direct 优先**：种质级 EBV 行（`germplasm_id` 直连）＝亲本自身预测值，无条件最优先；有 direct 的候选**绝不被其子代树值污染**（回退仅对 `missing` 集生效，杜绝树级 99.0 泄漏进亲本）。
2. **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）。
3. **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。
4. **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。
5. **显式可查，绝不静默降级**：返回体新增 **`candidate_ebv`**（每候选 `germplasm_id/name/value/source/n_progeny/n_combos`，missing 的 value=None）+ **`ebv_source.coverage`**（direct/progeny/missing 计数）+ 逐对 `flags` 加「亲本EBV为子代测验近似(降权0.5)」/「亲本无EBV(按0计)」。

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

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

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

**修复**（`statistics/service.py` `data_quality_report`）：

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

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

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

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

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

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

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

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

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

**A 父本验证**（consistency，不落库）：

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

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

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

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

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

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

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

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

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

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

**验证**：

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

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

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

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

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

**D OCS 最优贡献选择**（`POST /statistics/ocs`）：

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

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

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

**验证**：

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

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

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

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

1. 读 `direction`（此前读取未用）得 `desirable_high = direction != "asc"`；
2. 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`；
3. `interpretation` 方向化——asc 衰退「F 每升 0.1，{trait} 表型平均**上升（恶化）** …%」/ 未达显著「斜率**偏正**…」/ 未检出「F 对表型无**上升（恶化）**影响」。对齐 `data_quality_report` 既有 `desirable_high` 方向语义。

**② 深层系谱近交系数**：

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

**验证**：

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

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

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

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

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

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

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

**验证**：

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

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

> 用户实证复查提出三项，本会话逐项核实**全部成立**，用户拍板范围：① **N3**（中-高，真实断点）——`trial_design` 已给增广/α-格子落库 `block_no` 不完全区组结构，但 `run_ablup` 只把 block_no 当空间竞争协变量网格 key，未作随机效应（[service.py:651](backend/app/api/v1/module_bre/statistics/service.py#L651)）→ 用户选「**显式 block 开关**」；② **N1**（中）——`mendelian_check` 只读不落库、不进数据质量报告、不自动隔离可疑树，错配亲本仍污染系谱 → 用户选「**断开错误亲本链**」；③ **N2**（中）——run_gblup/ssGBLUP、genetic_corr、type_b、run_cluster、stability 等大体量新模块只有结构性断言，缺逐文件数值真值校验 → 用户选「**全量统计引擎**」。`_DATA_VERSION` v2.25→**v2.26**（同步 3 处探针版本断言：e2e_prediction_rigor / e2e_spatial_sparse×2 / e2e_statsflow）；`blup.ENGINE_VERSION` 1.4.0→**1.5.0**。

**批5-A（N3）：ABLUP 区组随机效应**：

1. **引擎** `blup.py`：`solve` 加 `block: dict|None` 分派 `_solve_block(pedigree, phenotypes, *, fixed, covariate, block_of, record_map, tol)`（镜像 `_solve_gxe`，[blup.py:1006-1205](backend/scripts/breeding_stats/blup.py#L1006-L1205)）——Z₂ 按 `block_of: {记录id: 区组水平}` 分组（G×E 的 (g,e) 复合键退化为单区块水平），剖面 REML 坐标上升估 (σ²a/σ²e, σ²block/σ²e)、MME、PEV 可靠性；输出键 `sigma_block/block_ratio/block_effects/n_blocks`、factor_label=「区组」；区组方差收敛到 0 / 无系谱 / 未收敛三警告。`ENGINE_VERSION` → 1.5.0。
2. **服务** `run_ablup`：新参 `block: bool=False`。互斥并入 [L491-494](backend/app/api/v1/module_bre/statistics/service.py#L491-L494)：`block` 与 `gxe/gxr`（共用 Z₂ 槽）409、`block` 与 `spatial`（残差结构与第二随机效应槽）409。新分支：读 `select(TreeModel.id, TreeModel.block_no)` → `block_of={f"t{tid}": int(blk)}`；无 block_no 的树**降级剔除表型保留系谱**（镜像 spatial 缺坐标降级，note 记剔除数）；`len(set(block_of))<2` → 409「区组数据不足：需 ≥2 个区组（请先运行 /statistics/trial-design 生成设计并落库 block_no）」；`method="ABLUP-BLOCK"`、model_name 前缀 `ABLUP_BLOCK_`、note_payload 含 `sigma_block/block_ratio/n_blocks/warning`；accuracy 按 block 树均值可靠性。
3. **Schema/控制器/前端**：`RunAblupIn` 加 `block: bool=False`；controller `/ablup/run` 透传；前端 statistics「多环境 GxE」tab 加 `blockEnabled` 复选框 + 互斥 watch（block↔gxe/gxr/spatial）+ payload.block + 成功文案/说明三元。
4. **探针** `Temp/claude/e2e_ablup_block_20260805.py` **3 批次落库全过**——[1] 3 区组×5 株已知 σ²block>0 → method/n_blocks/σ²block/block_ratio + EBV 独立矩阵解一致；[2] 单区组 409；[3] 无 block_no 409；[4] block+gxe/block+spatial 409 互斥；[5] 部分缺 block_no 降级剔除 + note 含剔除数；[6] 全收敛数据无区组归零警告。

**批5-B（N1）：孟德尔检验落库 + 自动隔离 + 进数据质量报告**：

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

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

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

**验证**：

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

**批5 跟进（2026-08-05，收尾）**：

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

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

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

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

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

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

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

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

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

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

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

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

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

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

> 用户对批7 提出三点质疑，逐项核实**全部成立**，拍板「**两者都要**」——先建统一回归脚本把所有探针纳入（立即止血），再抽正式 tc 套件。纯测试基建，**无后端代码改动**，`_DATA_VERSION` 保持 v2.28：
>
> 1. 全库 `test_bre_*_tc.py`（08-03）只覆盖「数据建链/导入导出/多波次」，对 GBLUP/ssGBLUP、OCS、MABC、近交衰退、试验设计、孟德尔检验这些新建分析模块**零命中**（full_tc 的 correlation 只是 GET 200 冒烟）；
> 2. 19:55 改动（批7）未补 golden 测试——批7 探针建在 Temp/claude 一次性目录、无统一回归脚本；
> 3. 风险：新模块若算偏（ssGBLUP 的 H⁻¹ 拼接、OCS 投影梯度收敛）会当「正常结果」输出——正是当年 G/I 静默失效的同款隐患（int-key bug 即活证据）。

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

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

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

**tc 套件关键教训**（写进探针防再犯）：

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

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

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

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

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

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

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

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

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

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

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

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

**O3 非线性基因组预测（genomic 1.4.0）**：
- `solve_rrblup`（service 5774 分派）：**岭回归逐标记** y=μ+Xu+e，u=(Xc'Xc+λI)⁻¹Xc'yc，λ 由剖面 REML σa²/σe² 定（σu²=σa²/c、c=2Σp(1-p)），EBV=Xc·u+μ —— **与 GBLUP 数学对偶**（G=XcXc'/c 时闭式解 ĝ=G(G+λa·I)⁻¹yc+μ 逐位吻合，探针 1.42e-13）；输出 marker effects（GBLUP 无的解释能力）+ PEV 可靠性近似。
- `solve_bayesb`：**BayesB Gibbs 可变选择**——δ_j~Bernoulli(1−π)+方差尺度混合、σ²j~inv-χ²(df_s+1,(df_s·scale0+u_j²)/(df_s+1))、σe²~inv-χ²(df_e+m,...)，**`numpy.random.default_rng(seed)` 确定性**（MLOps 铁律：同 seed 两次 EBV 逐位一致）；π 默认 0.95、稀疏 QTL 场景取 0.7 更贴合 30% QTL 真值。
- `kfold_cv_genomic` 加 dosage/markers 分派：rrblup/bayesb 折内走对应求解器（**实证 CV**）；`run_cv` GS 分支透传 seed + genotypes + markers，method_name=KFCV/RRBLUP·KFCV/BayesB。
- `run_gblup` method 扩 `("gblup","ssgblup","rrblup","bayesb")` + seed 透传，rrblup/bayesb 从 `_gather_gblup_inputs` dosage 构 X → `asyncio.to_thread` 引擎，落 `PredictionModel(method=RRBLUP/BayesB)` + `PredictionValueModel`（EBV/rel/pa/rank）、engine_version=1.4.0。前端 GBLUP/CV 页签 method radio 加 RRBLUP/BayesB + seed 输入。

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

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

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

## 十、文件清单与备份

### 新增/修改文件（2026-08-03）

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

### 新增/修改文件（2026-08-04）

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

### 新增/修改文件（2026-08-04 无性系级指数）

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

### 新增/修改文件（2026-08-04 配合力交配设计）

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

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

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

### 新增/修改文件（2026-08-04 分子育种建数据能力）

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

### 新增/修改文件（2026-08-05 世代闭环：单株晋级落系谱）

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

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

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

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

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

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

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

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

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

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

| 文件 | 说明 |
|---|---|
| `backend/app/api/v1/module_bre/pollination/service.py` | A1 `_validate_pollen_parent`（create/update 统一：批次采集父本≠授粉父本 409，混合/未声明放行） |
| `backend/app/api/v1/module_bre/tree/service.py` | A2 `_resolve_parents` 改返回 `(dam, sire, warning)` + create/update 返回体 warning（以显式为准，不阻断） |
| `backend/app/api/v1/module_bre/tree/schema.py` | `warning: str | None` 只读字段（仅返回体不落库） |
| `backend/app/api/v1/module_bre/cross_combination/service.py` | A3 `_check_parent_roles` 同质自交 409（create/update 生效亲本统一） |
| `backend/app/api/v1/module_bre/statistics/schema.py` | `InbreedingDepressionIn`（trait_id/trait_code + year/trial_study_id + min_n） |
| `backend/app/api/v1/module_bre/statistics/controller.py` | `POST /bre/statistics/inbreeding-depression` |
| `backend/app/api/v1/module_bre/statistics/service.py` | `inbreeding_depression`（F=A_ii−1 + 树级表型均值 → numpy lstsq 回归，F=0 兜底）+ `_DATA_VERSION` v2.22 |
| `frontend/web/src/api/module_bre/statistics.ts` | `inbreedingDepression` API |
| `frontend/web/src/views/module_bre/statistics/index.vue` | 亲缘/近交 tab 近交衰退区（trait/year + el-alert + el-descriptions + 高 F 株表；el-alert `'error'` 修复 TS2322） |
| `Temp/claude/e2e_parent_validation_20260805.py` | 批1-A 父本验证探针（10 断言，运行后自动清理） |
| `Temp/claude/e2e_inbreeding_depression_20260805.py` | 批1-C 近交衰退探针（4 断言，运行后自动清理） |
| `doc/桃育种系统模块扩展需求规格.md` | v2.22 版本行 + §8.32 台账 |
| `doc/桃育种系统模块扩展需求规格.v2.22.md` | 冻结快照 |
| `doc/桃育种系统统计引擎实施记录.md` | §18.10 落地 + 文件清单/备份/复跑 |
| `doc/桃育种系统规划对照总表.md` | header ⑳ + 相关行补注 |

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

| 文件 | 说明 |
|---|---|
| `backend/scripts/breeding_stats/genomic.py` | B `kfold_cv_genomic` 加 `split="random"|"family"` + `family_of`（家系阻塞折、无家系个体自成一族、家系数<k 折叠 warning、单家系边界、输出 n_families；random 逐字节不变） |
| `backend/app/api/v1/module_bre/statistics/schema.py` | `AnovaIn.block`（RCBD 区组校正开关）+ `TrialDesignIn`（trial_study_id/design_type/seed） |
| `backend/app/api/v1/module_bre/statistics/controller.py` | `POST /bre/statistics/trial-design` + run_anova 透传 block |
| `backend/app/api/v1/module_bre/statistics/service.py` | `run_cv` 加 split 透传 + GS family_of 构建 + note 记 n_families；`trial_design` RCBD 生成器（random.Random(seed) 洗牌 + case() 批量落库）；`run_anova` 加 block 分支（solve_rcbd）；`_DATA_VERSION` v2.23 |
| `backend/scripts/breeding_stats/anova.py` | F2 `solve_rcbd`（RCBD 双因素 Type I 顺序，SS_group/SS_block/SS_error + f_block/p_block + 区组均值；solve 单因素逐字节不变） |
| `backend/app/api/v1/module_bre/trial_study_entry/model.py` | F1 `block_no` 列（可空 integer） |
| `backend/sql/weld_trial_study_entry.sql` | F1 `ALTER TABLE bre_trial_study_entry ADD COLUMN IF NOT EXISTS block_no integer`（幂等） |
| `frontend/web/src/api/module_bre/statistics.ts` | `runAnova` 加 block + `trialDesign()` + `TrialDesignResult` |
| `frontend/web/src/views/module_bre/statistics/index.vue` | ANOVA tab 重构（生成 RCBD 设计工具条 + 设计区组表 + anovaBlock checkbox + 区组均值/block 结果 v-if） |
| `Temp/claude/e2e_trial_design_20260805.py` | 批2-F 探针（5 组断言，运行后自动清理） |
| `Temp/claude/e2e_gs_family_cv_20260805.py` | 批2-B 探针（5 组断言，运行后自动清理） |
| `doc/桃育种系统模块扩展需求规格.md` | v2.23 版本行 + §8.33 台账 |
| `doc/桃育种系统模块扩展需求规格.v2.23.md` | 冻结快照 |
| `doc/桃育种系统统计引擎实施记录.md` | §18.11 落地 + 文件清单/备份/复跑 |
| `doc/桃育种系统规划对照总表.md` | header ㉒ + 相关行补注 |

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

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

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

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

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

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

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

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

### 新增/修改文件（2026-08-05 批6 规划↔目标↔试验 可追溯性闭环）

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

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

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

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

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

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

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

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

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

### 备份（无 git，批量编辑前手动镜像）

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

### 复跑验证

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

# 批5 区组随机效应 + 孟德尔落库隔离 + 统计引擎数值校验：三探针（真引擎直跑，运行后自动清理）+ 27 套全量回归（含 gxe/gxr/mendelian_check/trial_design 零变化）：
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_ablup_block_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mendelian_persist_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_stats_numerics_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mendelian_check_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_trial_design_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_trial_design_ext_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gxe_20260803.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gxr_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_molrigor_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gwas_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mating_kinship_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mating_ebv_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gblup_cv_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_statsflow_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_spatial_sparse_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gs_family_cv_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_batch_selection_20260803.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_ocs_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_mabc_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_base_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_engines_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_gaps_modules_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_prediction_rigor_20260804.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_inbreeding_depression_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_parent_validation_20260805.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_advanced_gblup.py
PYTHONIOENCODING=utf-8 ENVIRONMENT=dev PYTHONPATH=backend python Temp/claude/e2e_corr_spatial_20260804.py
```

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

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

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

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

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

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

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

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

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

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

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

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

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

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