# STRING PPI Task 1：v12.0 快照部署与验证

范围：只部署和验证 STRING v12.0 species snapshot；未连接 backend，未修改 PPI 执行，未重启 Web 或 Celery，也未提交分析任务。

## Gate 1 结论

Gate 1 通过。缺少完整快照的 RED 已被正确复现；现有准备脚本无需修改；官方固定文件已下载，manifest、SHA256、文件大小、树结构和 registry 一致性均已独立验证；完整 snapshot/registry 测试共 19 项通过。

## RED 基线

- `python -m pytest -q tests/unit/test_string_species_snapshot.py`：退出码 0，`9 passed`。说明脚本和 fixture 行为原本正常。
- `python -m pytest -q tests/unit/test_string_species_registry.py::test_full_snapshot_supports_registry_only_species_and_second_non_ft_target`：退出码 1。
- 失败为 `StringSnapshotError: ... data/string/v12.0/source_manifest.json unavailable`，明确是生产快照缺失，不是语法、导入或 fixture 错误。

## 脚本审计

`scripts/prepare_string_species_snapshot.py` 已满足本任务：固定 v12.0 官方 HTTPS URL、临时目录下载与原子替换、严格 TSV/布尔解析、父节点完整性、非 root 环检测、registry/tree STRING 物种一致性、33090/3702 必需节点、SHA256、size、snapshot_id 与 manifest。因此未修改脚本或测试。

## 下载产物

执行：

```bash
/home/xzq/miniconda3/envs/test4py311/bin/python scripts/prepare_string_species_snapshot.py \
  --version 12.0 --destination data/string/v12.0
```

退出码：0。来源与产物：

| 文件 | 官方固定 URL | 字节数 | SHA256 |
|---|---|---:|---|
| `species.v12.0.txt` | `https://stringdb-downloads.org/download/species.v12.0.txt` | 1,023,159 | `4bb4c99c14db8d695decadf3b403a5b87ac490b468a842cbc54ec2e412400fec` |
| `species.tree.v12.0.txt` | `https://stringdb-downloads.org/download/species.tree.v12.0.txt` | 97,357,335 | `54cf2e3378cbcabc38e355b044336813b7c0e76292ef34d70f8c8debc2e49ee1` |

`snapshot_id`：`ede47d546d853d0ec30ee75066976a35c08fd2412e6e5fc7866bbd205fc2eeb3`。实际文件的 size 和重新计算的 SHA256 与 `source_manifest.json` 完全一致。

## 全量验证

```bash
/home/xzq/miniconda3/envs/test4py311/bin/python -m pytest -q \
  tests/unit/test_string_species_snapshot.py \
  tests/unit/test_string_species_registry.py
```

退出码 0：`19 passed in 11.99s`。

全量结构复核：

- registry STRING 物种：12,535；tree 中 `is_STRING_species=t`：12,535；集合一致。
- tree 节点：2,212,178；所有父节点可解析；只有 TaxID 1 的官方 root 自环，未发现非 root 环。
- Viridiplantae 33090 存在，父节点为 2759。
- Arabidopsis thaliana 3702 同时存在于 registry/tree，tree 标记为 STRING species，父节点为 3701。

## Setaria viridis 文件事实

科学名和显式 TaxID 4556 两种查询得到相同结论：

- TaxID 4556 存在于 STRING tree，父节点为 Setaria 4554；
- 4556 不在 `species.v12.0.txt` registry，tree 的 `is_STRING_species=false`；
- 因此不是 v12.0 直接支持物种，选择模式为 `tree_nearest`，需要用户确认；
- 候选 1：Setaria italica 4555，LCA=Setaria 4554，tree distance=2；
- 候选 2：Panicum miliaceum 4540，LCA=Paniceae 147428，distance=6；
- 候选 3：Dichanthelium oligosanthes 888268，LCA=Paniceae 147428，distance=6。

这里的 distance 是 STRING taxonomy tree 的拓扑边数，不是带枝长的分子进化距离。

## 变更边界

新增/部署：

- `data/string/v12.0/species.v12.0.txt`
- `data/string/v12.0/species.tree.v12.0.txt`
- `data/string/v12.0/source_manifest.json`
- 本验证 JSON/MD

未修改：backend、PPI 执行层、resolver 生产接线、Web/Celery 配置和服务状态。