# 边界（跑之前写死，跑完没有改过）

**本轮选定的选项**：提交人从我们给出的三个选项里选定选项一 ——
「选一个公开队列，先做『细胞随机划分 vs 患者分组划分』的对比，用同算力跑出分类器跨患者性能的差异」。

## 这一轮做什么

在一个非 HCC、非 PDAC 的实体瘤公开单细胞队列上，用同一个分类器、同一套超参、同样的算力预算，
比较两种划分方式给出的细胞状态分类性能：

- **A 细胞随机划分**（KFold，5 折）—— 常见但同一患者的细胞会同时落在训练和测试两侧
- **B 患者分组划分**（GroupKFold，5 折）—— 同一患者的细胞不跨侧，是无泄漏的正确基线
- **零模型**：标签打乱 200 次，得到"没有真实信号时两种划分之差"的分布

## 这一轮明确不做

- 第二个独立队列，以及跨队列验证 —— 提交方向的后半段，属下一轮
- 留一患者验证、留一队列验证（另外两个选项）
- 恶性细胞的状态分类
- 批次校正方法之间的比较
- 多分类器 / 多数据集 benchmark

## 数据来源

GEO GSE72056（Tirosh et al. 黑色素瘤单细胞 RNA-seq）。匿名游客可直接从 NCBI FTP 下载，
不需要申请、不需要 DUA。取其中 **2840 个非恶性、且类型标注明确的细胞，来自 19 位患者**，
六类：T 2040 / B 512 / Macro 119 / Endo 62 / CAF 56 / NK 51。

## 算力

纯 CPU，本机 4 核，总墙钟约 12 分钟。免费阶段不上 GPU。