系列前言：在前四篇中，我們完整介紹了開源工具 DENG Cell Audit (silver131-dev/deng-cell-audit) 的四大核心：四階段計數算子（#1）、秩殘差去混淆（#2）、L1 向量代數分解與證據守門（#3），以及無塵室開源發布工程（#4）。

在競賽結束後，我們盤點了 GitHub、知乎、BioTender 與官方論文評論區的公開技術討論，發現了兩個極度耐人尋味的社群共識：

1. 許多嘗試微調大型 Foundation Model（如 STATE）的團隊，發現成績反而顯著差於最簡單的 NTC Baseline（控制組不變基準）；
2. 前段班公開方案幾乎都在做「多資料集轉移（Multi-Atlas Transfer）＋加權融合（Weighted Ensemble）」。

這篇完結篇將結合我們在 63-Target 外部盲測面板（E150，33,015 原生基因軸） 的預封存實證數據，從數學與算子角度解答：「為什麼跨背景預測中大模型容易在 MSE 翻車？」以及「如果要把多個公開 Atlas 做 Ensemble，應該插在白箱算子的哪一層才不會破壞物理不變量？」

一、 為什麼大模型微調會輸給 NTC Baseline？來自 63-Target 盲測的實證解答

在單細胞跨背景零樣本預測（Zero-shot Cross-Context Generalization）中，許多人的直覺是：「模型學到的擾動訊號越強、對差異表達基因（DE genes）的反應越靈敏，總分就一定越高。」

但當我們在完全獨立的第三種細胞背景（63 個靶點 × 33,015 個原生基因軸，共 504 個預封存預測矩陣）上，嚴格對比「保守縮放（α = 0.25）」、「積極放大（α = 0.50）」與「零擾動基準（G0，即純 NTC Baseline）」在六項評估指標上的表現時，我們看到了一場劇烈的指標拉鋸戰（Metric Tug-of-War）：

解開「大模型輸給 Baseline」的結構性原因

這張表直接揭開了跨細胞背景轉移最殘酷的數學真相：

1. 方向正確 vs 幅度過衝（Overshooting）：當我們把跨背景借來的訊號放大（或當 Foundation Model 自信地輸出強烈的擾動預測）時，需要「跨越整數化門檻」才能得分的指標（如 PDS、FID、REACH）會全面獲益；但與此同時，只要來源背景（如 K562）與目標背景存在細胞特異性調控差異（Context Mismatch），被放大的錯誤座標在平方懲罰（L2²）下就會造成 MSE 急遽膨脹！
2. 長尾與轉錄複合體熱點（Error Hotspots）：在我們的逐靶點拆解中，MSE 惡化最嚴重的並非隨機分佈，而是高度集中在特定轉錄中介複合體（如 MED12、MED9）以及特定 TFIID 次單元（TAF6、TAF10、MED18）。
3. 為什麼保守的 NTC Baseline (G0) 很難被穩定擊敗？：因為在大多數基因對單一靶點擾動反應微弱的單細胞矩陣中，「猜完全沒變（G0）」在 MSE 上擁有天然的防禦優勢（不會發生反向過衝懲罰）。任何複雜模型若缺乏嚴格的收縮門檻（Shrinkage）與 UMI 預算約束，一旦在幾個高表現基因上預測方向相反，其累積的平方誤差就會瞬間抵銷掉它在 DE 基因上賺到的分數！

二、 社群共識「Multi-Atlas + Ensemble」為什麼不能直接在 Count 空間相加？

賽後公開的前段方案（例如結合 K562、RPE1、HEK293T、HCT116、Tahoe-100M 等 5 個公開資料集的 Atlas Transfer 路線）指出了一條非常清晰的提分路徑：不要只從單一細胞系借訊號（Single-Source Borrowed Response），而是融合多個來源（Multi-Atlas Weighted Ensemble）。

但在單細胞工程實務上，如果你拿到三個不同來源或模型產出的預測計數矩陣 Y^(1), Y^(2), Y^(3) ∈ ℤ_≥0^(N × G)，直接套用傳統競賽的線性融合公式：

Y_naive = w_1 * Y^(1) + w_2 * Y^(2) + w_3 * Y^(3)   (其中 Σ_m w_m = 1)

你會立刻踩中三個算子地雷：

1. 破壞整數型別：加權平均會產生大量諸如 1.3、0.7 的浮點數，不再是合法的 UMI 整數 count。
2. 事後各自取整會破壞 UMI 守恆：如果你對 Y_naive 直接做 np.round()，每一列（單一細胞）的總 UMI 讀數就會開始隨機漂移，違反我們在第 1 篇建立的 Row-Sum UMI Conservation。
3. 整數化門檻的非線性截斷（Threshold Starvation）：假設某個真實訊號在三個來源的浮點配額分別是 +0.4, +0.4, +0.4。如果三個模型「先各自整數化再平均」，三個模型在取整時都會把它捨去為 0，加權平均後還是 0；但如果「先在浮點／對數效應空間融合再過一次整數化」，合成後的訊號就能順利跨越門檻！

三、 正確的工程架構：將 Multi-Atlas Ensemble 嵌入 DENG 白箱審計管線

如果我們將外部高手的「Multi-Atlas + Ensemble」策略，與我們已經開源的 deng-cell-audit 白箱算子結合，下一代跨背景擾動預測系統（DENG v04）的最佳架構應該長這樣：

[Atlas 1: K562]     ──► d^(1)_t ┐
[Atlas 2: RPE1]     ──► d^(2)_t ├─► (Stage A) 跨來源 L1 代數抵銷審計 (decomposition.py)
[Atlas 3: HCT116]   ──► d^(3)_t │      • 計算跨 Atlas 一致性與抵銷率 C_atlas / B_atlas
[Atlas 4: Tahoe100M]──► d^(4)_t ┘      • 依據目標細胞 NTC 指紋 (ntc.py) 進行相似度加權
                                │
                                ▼
                  合成效應 d_ens = Σ w_m * d^(m)_t
                                │
                                ▼
              (Stage B) 證據守門與路由 (evidence.py)
                 • 若跨來源完全拮抗或無證據 ──► 強制 HOLD / 退回 G0 Baseline
                 • 通過審計 ──► 進入單次白箱算子
                                │
                                ▼
              (Stage C) 單次計數空間轉換 (operator.py)
                 • Bound & Floor ──► Scaling (W) ──► Active-Pool UMI Conservation (Z)
                 • 最後統一做一次 Largest-Remainder Integerization (Y)

這個融合架構的三大優勢

1. 把 decomposition.py 升級為「跨資料集衝突偵測器」：在第 3 篇中，我們用 C_cancel = Σ_g (|c_g| + |s_g| - |c_g + s_g|) 來衡量 common 與 specific 的代數抵銷。在 Multi-Atlas 架構下，完全同一個函式可以直接用來量測「不同公開資料集對同一基因靶點的效應方向是否互相抵銷」！如果 K562 說該基因上調、HCT116 卻說下調，高漲的 C_over_B 就會自動發出警告，提醒系統降低縮放權重 α，避免在未知 Context 中引發 MSE 爆炸。
2. **利用 ntc.py 的控制組指紋決定 Atlas 權重 w_m**：透過比對目標未知細胞系的 NTC 表達分佈（mean_cp10k 與 detection_fraction）與各公開 Atlas 控制組的相似度，動態決定該向哪個細胞系借更多權重，而不是盲目使用固定權重。
3. **只在最後一步執行一次 trace_operator()**：所有的 Ensemble 與收縮都在連續的對數效應空間完成，最後才交由 trace_operator() 統一執行一次 UMI 守恆與最大餘數整數化，100% 確保輸出矩陣的數學純淨度與小訊號存活率。

四、 結語：當「白箱防禦」遇上「多源融合」

這次賽後透過對比社群的公開方案，我們得到了最寶貴的一塊拼圖：

• 社群前段班教我們的事：不要迷信單一龐大的 Foundation Model，在零樣本跨背景挑戰中，「多資料集借用（Multi-Atlas Transfer）＋預測多樣性融合（Ensemble）」才是突破單一細胞系偏誤的關鍵。
• DENG 專案留下的獨特資產：而在追求多來源融合的同時，我們建立的「計數算子不變量（#1）、秩殘差去混淆（#2）、代數抵銷分解與證據守門（#3）、無塵室可重播契約（#4）」，剛好為這套多源融合提供了最堅固的工程底座與防呆護欄。

希望這 5 篇從底層矩陣算子一路聊到高層競賽策略的系列文，能為正在探索單細胞 AI、高維稀疏數據建模或 MLOps 資料治理的你帶來實質的啟發！

• 📦 GitHub 開源儲存庫：https://github.com/silver131-dev/deng-cell-audit
• 🏷️ 版本與授權：DENG Cell Audit v0.1.0-rc3 — by ARiN (MIT License)

（全系列完）