从假设，到可复现 notebook。
面向科研团队，OmicOS 读取实验设计和数据结构，调用 OmicVerse 完成质控、注释、整合、轨迹和空间分析，并把过程沉淀为可继续编辑的 notebook。
Company vision
面向下一代组学研究的操作系统。Operating system for next-generation omics research
组学分析今天当然可以执行。真正的问题是：脚本能跑，但样本语境、参数选择、 模型判断、失败路径和证据交付很难持续留在同一个环境里。源境解码建设 OmicOS， 让 OmicVerse 工具链、单细胞模型与 Agent 协作围绕同一个研究对象工作。
不是重新发明分析工具，而是重组研究过程。
OmicOS 要处理的不是“怎么跑一个函数”，而是从问题、数据、工具、模型到证据的连续性。它让每次执行都有上下文，每次结果都能回到下一次判断。
01研究问题
从实验目的、样本背景和分析假设开始，而不是从函数列表开始。
02数据语境
把 h5ad、mtx、空间坐标、临床表型和公开 atlas 放进同一份任务上下文。
03工具执行
调用 OmicVerse 和生态工具时保留包版本、参数、替代方案和失败路径。
04模型推断
让单细胞大模型服务细胞状态解释、扰动预测和跨数据集迁移，而不是孤立输出。
05证据交付
把 notebook、图表、限制条件和结论组织成可以继续审阅的证据记录。
OmicOS 是组学工作的协作层。
在 OmicVerse 已经提供算法和工具的基础上，OmicOS 负责记住任务目的、组织步骤、调用工具、协调 Agent、检查结果，并把过程沉淀为 notebook 和证据记录。
Operating loop
一次组学任务不应该只留下最终图片。OmicOS 把数据、上下文、模型、Agent 和证据放在同一个运行循环里，让研究者知道每一步为什么发生、如何复现、还能从哪里继续。
三类真实使用者，落到同一个系统。
源境解码的愿景从真实任务出发：科研团队需要把假设变成可复现分析，药物发现团队需要把细胞状态模型转化为扰动筛选，患者侧需要把测序数据整理成可讨论的治疗证据。
从细胞状态，到扰动筛选。
基于自主训练的单细胞大模型，系统可以进行细胞状态建模、虚拟扰动和候选药物排序；多智能体负责拆解任务、记录失败路径和交付证据。
从测序数据，到治疗证据排序。
测序数据被映射到细胞表型，再结合单细胞大模型和药物分子动力学建模，形成靶向药响应证据排序，供医生、患者和研究团队讨论。
自动化负责连续性，人负责判断。
OmicOS 的目标不是替代研究者，而是减少上下文丢失、参数漂移和证据断裂。系统负责把过程连起来，关键判断仍然回到研究者、医生和团队手里。
问题先于工具
系统从实验目的和数据语境开始，而不是从函数列表开始。
模型进入流程
单细胞大模型必须接入数据、参数和证据链，才能服务真实任务。
Agent 留下过程
每次规划、调用、失败、替代方案和解释都应被记录。
结果可被接管
notebook、图表和限制条件必须能被研究者继续修改和复现。
证据面向讨论
系统交付的不是一句答案，而是可讨论、可质疑、可推进的证据。