合作者
方法与复现
可组合的科研应用
与分布式协作
科研工作常常从脚本或模型演示开始。Pero 把它做成可以单独打开的 App，再把任务交给合作者、AI 和合适的计算环境。输入、方法和结果留在同一份记录里。
macOS arm64 · 安装要求
适用于 Apple Silicon。贡献代码需本机 Git、已安装并登录的编码 CLI，以及已登录的 GitHub CLI（gh auth login）。开发版尚未公证。
安装与贡献说明 ↗- 01研究者定下问题与验收。
- 02Agent准备下一步，不改已有结论。
- 03算力在数据所在的地方运行。
从问题，到可以接续的结果。
目标架构 · 建设中研究者
GitHub 贡献者
Agent 建议
形成任务
共享项目
输入 · 方法 · 验收
OpenPero 协调
依赖 · 权限 · 分发
认领与分发
Agent
代码与工具
计算节点
模型与实验
提交产物与记录
交付
代码 · 数据 · 报告
独立复核
验证 · 审阅 · 接受
纳入项目
成果 · 记录 · 下一步
这是正在建设的协作方式。计算可以留在自己的电脑、实验室或云端。算完、核对和决定接受，分开记录。
为什么是项目
接着上次的研究做。
保留问题、资料、分析结果与研究判断。回到项目，就知道做到哪里，还有什么需要验证。
新变化，变成具体工作。
新数据或相关文献出现时，先说明影响，再提出任务。按你的规则执行，不擅自改写已有结论。
找到合适的人与工具。
把任务交给合作者、AI 或计算节点。明确输入与交付，完成后一起检查，而不只是收到“已完成”。
DISTRIBUTED
同一份任务，交给合适的人与计算。
合作者写方法，Agent 准备下一步，计算留在数据所在的地方。下面用 Virtual Cell 的一个问题，走完提出、分发、复核，再写回项目。
单基因扰动，能预测双基因组合吗？
Virtual Cell · 固定留出组合，比较三种预测基线。
待拆分等待你确认
1提出工作2确认与分发3运行与复核4回到项目
01 / 一项清楚的工作INPUT
◉ISSUE #12 · 示例编号
评估未见双扰动组合的预测误差
固定合成数据与组合划分，比较 control、train_mean 和 additive，保留全部测试结果。
研究贡献可独立复现
输入合成表达矩阵 · 固定组合划分
方法Virtual Cell baselines / v1
交付结果数据 + 运行记录
检查5 / 5 测试组合 · median ΔMSE
不会读取或发布真实 Issue。切换来源会清空本次演示。
02 / 让工作接起来COORDINATE
P
任务协调任务依赖 · 执行位置 · 验收条件
待确认01
复跑对照基线control · 本机等待任务草稿
本机○02
比较预测方法train_mean / additive · 执行位置示意与基线任务可并行
实验室 · 示意○03
独立复核结果依赖 01 + 02 · 贡献者认领计算完成后可认领
开放认领○这一步只在本页演示，不会连到别的计算机。
03 / 成果回到课题REVIEW
等一份可以复核的结果。
每次运行都带上输入、方法和参数。执行成功，不等于研究验收通过。
三种方法，同一测试集。待复核
controltrain_meanadditive
| 方法 | median ΔMSE | 覆盖 |
|---|
自动检查已完成，等待贡献者复核。
↳
写回项目，不丢掉过程。
只有经确认的成果，才更新本页项目记录。
ACTIVITY示例 Issue 已准备好。先把目标整理成任务。
TASKS
一项任务，先固定输入和检查。
上面演示的就是这样一项任务。交给人或计算之前，先写清数据、方法和怎样才算做完。执行完成，还不等于结论被接受。
- 输入合成表达矩阵，划分固定
- 方法三种预测基线
- 检查五个测试组合上的误差
APPS · VIRTUAL CELL
从一个分子，
看见科学的另一面。
Virtual Cell 是第一个 App。先看一个熟悉的分子，再把这项任务跑成可以检查的结果。
VIRTUAL CELL / AI FOR SCIENCE
从扰动预测，到可以检查的证据。
基于 Virtual Cell App 的合成数据与评估定义。用已知单扰动预测未见双扰动组合，再用留出观测核对。这里可独立重跑，不会覆盖上方协作记录。
VIRTUAL CELL / 合成数据INTERACTIVE DEMO
✦
下一步：检查加性基线的盲区
先运行 additive，再逐个查看留出组合。预测与观测的偏离，留给下一步模型研究。
预设建议演示 · 未连接后台 Agent已知单扰动，预测未知组合。
PERTURBATION BENCHMARK / NON-BLIND
预测与留出观测
—
— combinations
—
指标始终覆盖全部 5 个组合
RUN 001 · additive
合成数据 · 非盲评估 · 未训练 AI 模型。建议为预设示例；刷新后重置。
04 — BUILT TOGETHER, ONE CONTRIBUTION AT A TIME
从一个小任务，
参与一个大课题。
贡献代码，也贡献方法与复核。
一份清楚的输入、一项独立的交付，就是开始。
这里提供可编辑的 Issue 模板，下载不会向 GitHub 发布。
代码开放，工作也可以被接续。
网页与桌面任务定义、方法、产物和验收依据，都应当可以检查、导出与复用。
计算留在数据旁边