DeepGraph 免费验证案例 · AML 跨队列一致性初检

提交方向：AML 耐药相关候选靶点（提交人从我们给出的两个选项里选定「跨队列一致性初检」） 交付时间：2026-08-26 这一轮真跑了：TCGA-LAML 全基因组发现（20530 基因）→ BeatAML 真实临床标签复制， 外加 1000 次标签置换零模型。纯 CPU。

0. 结论（先说结果）

在 TCGA-LAML 筛出的 200 个候选里，有 25 个在 BeatAML 独立复制成功 （方向一致 + FDR<0.10）。零模型跑 1000 次，95.5% 的置换给出 0 个，没有一次达到 25 （经验 p < 0.001）。把复制阈值从 FDR<0.10 收紧到 <0.05，仍有 22 个留下。

关键在于：两个队列的"耐药"定义完全不同 —— TCGA 用的是生存分位数代理， BeatAML 用的是真实的诱导治疗反应（难治 vs 完全缓解）。方向仍然一致，说明信号不依赖 某一种耐药操作化方式。这正是「跨队列一致性」这条路想要的判据。

1. 复制成功的基因（按 BeatAML 效应量排序，前 12）

完整 25 个见 work/results.json 的 replicated 字段。

2. 判定规则（跑之前写死，见 claims.json）

• 发现层：TCGA-LAML，耐药代理 = 总生存下四分位且已故（35 例）， 敏感代理 = 上四分位（43 例）；Mann-Whitney U + BH，取 FDR 最小的 200 个
• 复制层：BeatAML，难治 178 例 vs 完全缓解 302 例； 只检验那 200 个，方向一致且 FDR<0.10 记为复制成功
• 零模型：两队列各自标签置换 1000 次，重复整套流程
• 推翻条件：实际复制数 ≤ 零模型 95 分位，或复制成功 < 5 个 → 两条都没触发

3. 这些数不支持什么（请务必看这一节）

1. 发现层本身很弱。 TCGA 那 200 个候选里，最小 FDR 是 0.044。 它们是「最像的 200 个」，不是「已经确证的 200 个」。真正起筛子作用的是复制这一步。 拿单个候选去讲故事之前，请先看它在第 1 节的表里有没有。
2. 不是 Venetoclax/Azacitidine 专属耐药。 公开队列里拿不到这两个药的反应标签。 本轮用的是诱导治疗反应（BeatAML）和生存代理（TCGA）。它们与这两个药的耐药相关但不等同。
3. 分母是 150 不是 200。 200 个候选里 cBioPortal 认得 166 个，其中 150 个在 BeatAML 有表达数据。 缺的那些是基因符号版本差异造成的，与耐药无关，但复制率应按 150 计。
4. 生存代理不等于耐药。 TCGA 那一侧用生存分位数划分，混杂年龄、体能状态、移植与否等因素。
5. 不做功能验证、不做临床决策建议。

4. 我们怎么确认这不是程序错误

交付前做了五项敌意复核（work/adversarial_check.py），其中一项抓到了真问题：

第一版跑出来"复制 0 个" —— 因为取临床标签时用了 patientId，而表达矩阵用的是 sampleId， 两边对不上，队列 B 直接空掉。这个 bug 会伪造出一个"复制不了"的假结论。 修好后才有本报告的数字。其余四项：样本 ID 交集核对、方向符号逐条核、 缺失基因是否与结果相关、阈值收紧后剩多少。

5. 下一步：三个真正值得追的方向

1. 把耐药定义换成你关心的药。 如果你手上有 Venetoclax/Azacitidine 的反应数据（哪怕几十例）， 把它接到同一套流程上，这 25 个基因里哪些还站得住，会立刻清楚。
2. 加第三个队列做三重复制。 两个队列一致已经不容易，三个一致基本就能进正文。
3. 对这 25 个做机制层筛选（通路富集、已知药靶注释、表达特异性）， 把"统计上复制"收敛成"值得做实验"的少数几个。

这三条都属于付费轮。

6. 随附材料

• work/fetch_cohorts.py：取两个队列的分组标签（cBioPortal 公开 API）
• work/experiment.py：发现 + 复制 + 零模型全流程
• work/adversarial_check.py：第 4 节那五项复核
• work/plot_results.py / work/figs/replication.png
• claims.json：跑之前写死的预测与判定规则（含一次设计调整的记录）
• work/results.json：每个数字的唯一回查源

数据来源：UCSC Xena 的 TCGA-LAML 表达矩阵、cBioPortal 的 BeatAML (OHSU 2018)， 均为匿名可直接访问的公开资源。本轮不需要提交人提供任何数据、代码或稿件。