PHENOTYPE × MODULE × NUTRIENT
表型 × 模块 × 营养：队列关联与分层假设
923 样本同队列 · 26 表型组 × 106 营养-衰老模块 · 偏相关（控制 …）· BH FDR 全族 … 检验
数据版本 v1.1（2026-08-16）关联性探索分析 · 非因果推断脱敏聚合数据 · 白名单字段制
ACT 1
26 表型 × 106 模块偏相关全景
主视图为效应量排序（探索性）· 点击单元格打开模块卡三跳 · 关联性分析，非因果推断
加载 2756 对相关性行…
点击热图任意单元格 → 打开模块卡三跳 Drawer（表型 → 模块 → 营养端）
统计口径与边界（如实呈现）
- 偏相关控制协变量：…；FDR：BH 全族 26×106=2756（按 p_partial）。
- 效应量整体偏小：|r_partial| P50=0.037、P90=0.084、MAX=0.140，最强对解释方差约 2%——本视图按效应量排序作探索性呈现，不作「强相关」解读。
- q<0.05 共 … 对、q<0.10 共 … 对（显著性图层默认关闭，可上方开关）。
- 稳健性：备选得分矩阵（…）符号一致率 …%，结果依赖得分矩阵选择，解释需谨慎。
- 中医证型轴行为多症状合并口径（is_axis），与单症状行不可直接比较；营养素/中药匹配为结构内置参考（传统用法参考，非疗效声明）。
Methods & Governance（统计治理 · 分支决策 · 合成规则 · 数据边界）
统计口径
- 偏相关控制协变量：…；n = …（单一队列）。
- FDR：BH 全族 26×106 = … 检验（按 …）；q<0.05 共 … 对、q<0.10 共 … 对。
- 效应量分布（|r_partial|，现算）：P50 = …、P90 = …、MAX = …——整体偏小，按效应量排序作探索性呈现。
分支决策（16.7 预案1，如实呈现）
q<0.05 对数（…）< 100，主视图采用效应量模式（…），显著性仅作可开关图层、默认关闭；不降 FDR 阈值、不挑选性展示。确证性锚点：预注册三条（…）。
敏感性分析
备选得分矩阵（…）符号一致率 …%、秩相关 r = …；结果依赖得分矩阵选择，解释需谨慎。
虚拟人合成规则（第三幕）
模块分位由确定性轮转分配（GRID=[10,25,50,75,90]，模块序 i 取 GRID[(i×7)%5]），无随机数、无人工挑选；权重 = |百分位−50|/40；营养需求度 = Σ关联模块权重。为分层假设的量化表达（探索性），非疗效承诺；合成演示个体非任何真实样本。
数据边界
白名单字段制：无姓名、无条形码、无个体值；页面数据为本地离线计算的脱敏聚合结果。全程「关联 / 分层假设」措辞，不作因果推断与疗效声明。
ACT 2 · 已上线
模块卡三跳
点击上方热图任意单元格 → 表型→模块（r/95%CI/q）→ 元数据 → 营养素+中药匹配 Drawer
ACT 3
虚拟人的营养状态分层
合成演示个体 · 模块扰动向量 → 营养状态分层 → 营养需求度排名（每条附证据等级标签）
加载虚拟人合成数据…