一个本地优先生信 SDK 的两轮独立验证：从逐位复现到跨厂商 GPU
把「结果可复现」拆成两轮独立验证来兑现：第一轮在本地工作站逐位复现既有管线（TPM r = 1.000000、SHA256 逐字节相同），第二轮把同一套工具放上 NVIDIA 与摩尔线程两台云服务器（五类输出跨厂商哈希一致，Rust 实现比传统 Python 工具快 3.6–4.0 倍）。本文是两轮验证的合并叙述，并附一节已知问题与未说明的边界。
Linxira Bio SDK 是我们做的本地优先生信工具包，核心设计一句话：Rust 确定性引擎 + 受控编排原生工具 + 交叉验证。对统计类分析，引擎用 Rust 实现，并提供同一算法的 Python 与 R 独立实现做互证；对生态级工具（salmon、fasterq-dump、AutoDock Vina 等），引擎只做受控、无 shell 的编排，把输出归约为可校验的结构化结果。
“本地优先、结果可复现”是这类 SDK 的常见口号。我们不想让这句话停在口号上，于是把它拆成了两轮独立验证来兑现：
- 第一轮（2026-09-14，本地工作站）：验证编排的正确性——能否逐位复现既有管线；
- 第二轮（2026-10-02，云租赁双厂商 GPU）：验证跨厂商一致性——换硬件、换编译器、换 CPU，结果还一样吗，还快吗。
两轮的完整报告发布在 Linxira OS 官网博客：第一轮：可复现性实测报告 ↗、第二轮：云租赁双厂商 GPU 对照 ↗。本文是两轮的合并叙述，所有数字与原文一致。
第一轮：逐位复现既有管线#
这轮回答两个问题：SDK 的三套实现（Rust / Python / R）能否互证？在真实数据、与既有管线完全相同的参数下，SDK 能否复现其输出？
三后端互证#
同一算法三种语言独立实现，相同输入、预热一次计时五次。四项能力（序列统计、PCA、Venn、PDB 摘要）三端全部在 1e-6 容差内逐字段一致（PDB 摘要逐位一致）；fixture 级中位延迟 rust 2 ms、python 271–284 ms、r 468–2,623 ms——小样本上墙钟由解释器启动主导，这是基线要刻画的对象。
逐位复现 salmon 管线#
10 个正常覆盖样本（NCBI SRA 公开数据），与既有管线的 quant.sf 做逐转录本对照，参数完全对齐（同版本 salmon 2.7.0、同索引、-l A -p 8 --validateMappings --seqBias --gcBias）：
| 指标 | 结果 |
|---|---|
| TPM Pearson r | 1.000000（σ = 0，零 3σ 离群） |
| NumReads 相对差 | 0 |
| 字节级 SHA256 | 与参考管线完全相同（1,503,599 字节逐位一致） |
r = 1 是”挣来的”#
对照实验专门证明了这一点：同一 run 去掉 --seqBias --gcBias 两个参数，TPM Pearson r 立刻从 1.000000 掉到 0.980896，NumReads 逐条相同的只剩 75%。参数带齐重跑，又严格回到逐位一致。r = 1 不是运气，是参数严格对齐下挣来的；它声明的是编排层等价性，不是准确度声明。
26 样本深库补算：真实重启下自动续跑#
约 5.2 亿 reads 的 26 个配对样本补算，批次按计划跨越了主机的每日重启：06:50:30 重启，06:50:50（开机 20 秒后）用户级 systemd 单元自动续跑——已完成样本按产物存在性跳过，残余 22 个按序继续，09:24 完成，零人工干预。26/26 输出完整 33,955 转录本 ID 集；近空文库样本（reads 只有索引 12.5%）被自动暴露为独立边界行，没有静默混进任何均值。
这轮的诚实边界#
我们不宣称打败 salmon / fasterq-dump 本体——SDK 编排的就是同一引擎，同参数下追求的是逐位复现而非超车；墙钟时间受机械硬盘吞吐约束，表征的是部署环境而非引擎性能；r = 1 只对”同工具、同参数、同输入”成立，任何跨实现、跨参数的比较 r 必然小于 1。
第一轮报告里的工程决策后来被逐层拆解过一次：只是把 Python/R 换成了 Rust：拆一份可复现性基准的工程设计。
第二轮：跨厂商 GPU 云租赁对照#
SDK 即将加入 GPU 厂商后端（含摩尔线程 MUSA）。上线前要回答：工具链放到不同厂商的硬件上，结果还对吗、还快吗、还能复现吗？我们同日租了两台云服务器——NVIDIA RTX 4080 SUPER（32GB vGPU）与摩尔线程 MTT S4000（48GB）——同一仓库克隆后临场编译（47.3 秒，59 个 crate）。
一个原则先说清楚：考题全部用现成的社区基准，不自制——对接用 AutoDock Vina 官方教程体系（HIV-1 蛋白酶 + 茚地那韦，官方答案随教程发布）；内存带宽用 STREAM 惯例；SSR 挖掘用社区参照实现 pytrf 做正确性对照；转录组用”信号注入”（在模拟数据里藏 150 个已知差异基因和一条定向富集通路，让工具找回来）。用现成基准，结果才能与社区直接对比，不存在”考题为自己量身定做”的问题。
对接搜索预算有一条明确的”够用线”#
12 组（搜索预算 × 随机种子）在两台机器上各跑一遍，最优构象与官方参考构象的重原子偏差（埃）：
| 搜索预算 | 种子 42 | 种子 43 | 种子 44 |
|---|---|---|---|
| 8（默认） | 0.058 | 0.861 | 12.42（正确构象丢了） |
| 16 | 0.058 | 0.861 | 0.015 |
| 32 | 0.062 | 0.068 | 0.015 |
| 64 | 0.056 | 0.047 | 0.045 |
两台机器的这张表逐值相同（包括失败的那个种子）。e=8 三次里有一次找不到正确构象（偏差 12 埃，且结合能 -10.9 看起来还”不错”——Monte Carlo 预算不足的典型陷阱：程序不报错，只安静给次优解）；e≥32 三次全部落进 0.07 埃以内。快筛用 8，定结论用 32——这是每个用对接的人都该给自己定的预算线。
分析链通过信号注入检验#
藏入的富集通路以 p = 6.3×10⁻³¹ 居首（44 基因命中），其余 25 条通路全部在背景水平，无假阳性；PCA 与聚类把处理/对照干净分开。不漏报、不误报。
五类输出跨厂商逐字节一致#
对接结果 JSON、SSR 挖掘 TSV、同种子对接复跑文件、表达谱五步链 JSON、富集分析 JSON——五类文件的 SHA256 在两台服务器上完全相同。换厂商、换 CPU、换核数，结果一个字节都不差。
速度：Rust 比传统 Python 工具快 3.6–4.0 倍#
SSR 挖掘是”同一算法、两种实现”的直接对照（我们的 Rust 实现 vs 社区通行的 pytrf），100 万碱基输入、三台不同 CPU 各测三次取中位：
| 机器（CPU） | Rust | pytrf | 提速 |
|---|---|---|---|
| 16 核 Xeon | 0.082 s | 0.312 s | 3.8× |
| 15 核 Xeon Gold 6430 | 0.047 s | 0.169 s | 3.6× |
| 128 vCPU Xeon Platinum | 0.073 s | 0.288 s | 4.0× |
输出与参照实现逐字节一致——提速不以改变结果为代价。（第一轮里还有更极端的锚点：1.2GB FASTQ 质控，rust 21.9 s vs python 316.6 s，14.5×。）
GPU 内核本身：带宽同档，原子操作回避#
同一份内核源码、两家编译器各编各的，四个内核全部通过正确性门。内存带宽（STREAM triad 口径）666 vs 711 GB/s 基本打平、各达标称值九成左右——跑数据搬运为主的生信内核等价；直方图类的原子操作 MUSA 目前落后约 4 倍，写 MUSA 内核时应换分桶归并回避。另有两个驱动层事实（Vulkan 入口缺失 / 初始化失败）做了中性记录，不影响本文结果。
两轮合起来，说明了什么#
- 编排层等价是”挣来的”：同参数逐位复现（r = 1.000000、SHA256 相同）+ 对照实验证明该指标对参数错误的灵敏度。
- 确定性不挑硬件：换厂商、换 CPU、换编译器，五类分析产物哈希一致——确定性设计贯穿全栈，不挑分析类型。
- 速度不以正确性为代价：3.6–14.5× 的提速全部伴随”输出逐字节一致”的对照。
- 方法论上不给自己出题：两轮考题全是现成社区基准或业界通行做法（信号注入），每份报告自带边界声明，逐轮实验台账公开。
已知问题与未说明的部分#
这一节不为了修饰结论，只是把没写进正文的部分先摆在明面上：记号越清楚，复现的人越少走弯路。
一、已知问题（缺陷 / 差距 / 失效路径）#
- MUSA 原子操作落后约 4 倍：直方图内核的原子吞吐 26.6 GB/s（NVIDIA）对 6.5 GB/s（MUSA）。本文只留了一句”写 MUSA 内核时应换分桶归并回避”。待补：分桶归并版本改完之后的实测数字，以及”原子吞吐”这一口径的定义。
- 两个驱动层事实只做了中性记录：NVIDIA 的 vGPU 云实例驱动不带 Vulkan 入口（三个独立实例同一报错）；摩尔线程的 Vulkan 驱动能加载、能打开设备，但初始化一步失败（疑用户态 toolkit 3.1.0 与宿主驱动 2.7.0 配对问题）。本文压成半句，没说证据形态，也没说厂商反馈状态。待补：是否公开日志片段、是否已向厂商反馈。
- CLI 直调 WGCNA 的接口缺陷（原报告附录已挂账）：Rust 胶水层预创建输出目录，与 R 驱动”输出目录必须不存在”的校验互斥，导致该路径必然失败（CI 无 R，所以一直没暴露）；当前以直接调用 R 驱动绕行，修复在开发轨道。本文完全没提。
- 下载验收只校字节数的教训：同一批 18 个文件里 12 个 gzip 损坏（下载器多实例中断续拼所致），但字节数全部”正确”；现已加
gzip -t内容验收门并重下。本文没提——它其实是”异常要大声”最便宜的一个例证。
二、已测但本文未说明的口径与边界#
- GPU 内核表只保留了两行：拷贝 1 GiB（630 vs 474 GB/s，NVIDIA 快约三分之一）、相关性矩阵（282 vs 49 GB/s，双方均未做合并访存，绝对值非峰值）没有进本文；“带宽同档”这个结论实际只建立在 triad 一行上。待定：完整四行表是否放回正文。
- 五类哈希的射程：SHA256 一致证明的是”同输入、同版本、跨硬件”，跨版本、跨参数不成立（第一轮去掉两个 bias 参数后 r 掉到 0.980896，是同一逻辑的另一个证据）。另外，GPU 直方图内核走的是原子累加，本文没交代五类产物里是否包含该内核的输出，也没单独验过它的位级可复现性。
- 环境版本锚点缺失：原报告有驱动 595.71.05 / MUSA 2.7.0 / mcc（MUSA toolkit 3.1.0）/ nvcc 11.8 / Vina 1.2.5 / SDK 1.1.1；本文只写了”临场编译 47.3 秒、59 个 crate”，也没说这个编译耗时是哪台机器、是否两台都测。
- 口径与边界：云实例是单实例、单时间窗，只代表这两台实例，不代表厂商规格；磁盘读速是页缓存口径（容器无权清缓存）；CPU 侧内存带宽 14.9 / 13.5 GB/s 与 GPU 侧 666 / 711 GB/s 是两个口径，本文只写了后者；对接线程数超过 8 之后不再提速（72 秒 → 13 秒后持平）也没写进来。
- REFORMS 自评：第一轮按 REFORMS 清单（32 项）自评 23 项达标、9 项因不涉及 ML 建模不适用、0 项未达标；这层自评口径本文没有保留。
以上 1–4 属于已知问题，5–9 属于”已经测过、但本文没有展开说明”的口径与边界；两轮原文与仓库台账里有对应的原始记录，后续修订会按逻辑归属补进对应章节。
原文与复现#
- 第一轮原文：当 Rust 遇上转录组定量：一个本地优先生信 SDK 的可复现性实测报告 ↗（2026-09-14）
- 第二轮原文：把一个有标准答案的药物对接实验，搬到两台不同厂商的 GPU 服务器上 ↗（2026-10-02）
- SDK 仓库（含全部复现脚本）：github.com/Linxira-OS/linxira-bio-sdk ↗
- SDK 所属发行版：Linxira OS ↗
声明：两轮均为作者自报的验证报告（非第三方独立验证），环境、命令、边界在原文全量披露；第二轮为单实例单时间窗，第三方复现是后续工作。代码 AGPL-3.0-or-later，文章 CC-BY-4.0。