# 知识图谱验证报告

## 验证时间
2026-04-10

## 验证对象
gene-family-mas-v2 知识图谱 (基于V12.1提取的荔枝SUT基因)

---

## 1. 数据完整性验证 ✅

| 检查项 | 结果 | 状态 |
|--------|------|------|
| 基因实体数 | 47 | ✅ |
| 关系总数 | 98 | ✅ |
| DOI覆盖率 | 100% (98/98) | ✅ |
| 染色体定位关系 | 47 | ✅ |
| 系统发育分组关系 | 47 | ✅ |

---

## 2. 数据一致性验证 ✅

| 检查项 | 结果 | 状态 |
|--------|------|------|
| 孤立基因数 | 0 | ✅ |
| 重复关系数 | 0 | ✅ |
| 空值关系数 | 0 | ✅ |
| 无效DOI数 | 0 | ✅ |

---

## 3. 业务逻辑验证 ✅

| 检查项 | 结果 | 状态 |
|--------|------|------|
| 无分组的基因 | 0 | ✅ |
| 无染色体的基因 | 0 | ✅ |

---

## 4. 分组分布

| 分组 | 基因数 |
|------|--------|
| Group_IV | 29 |
| Group_I | 8 |
| Group_II | 6 |
| Group_III | 4 |

---

## 5. 染色体分布 (Top 10)

| 染色体 | 基因数 |
|--------|--------|
| Chr6 | 8 |
| Chr9 | 5 |
| Chr12 | 4 |
| Chr14 | 4 |
| Chr5 | 4 |
| Chr7 | 4 |
| Chr8 | 4 |
| Chr3 | 3 |
| Chr1 | 2 |
| Chr13 | 2 |

---

## 6. 关系类型统计

| 关系类型 | 数量 | 说明 |
|----------|------|------|
| grouped_with | 47 | 系统发育分组 |
| located_on | 47 | 染色体定位 |
| interacts_with | 2 | 基因互作 |
| ortholog_to | 2 | 同源基因 |

---

## 7. 样本验证 (SlSUT1)

```
SlSUT1 的关系:
  → interacts_with → SlSUT4
    DOI: 10.3390/plants13010095
    Species: Litchi chinensis
```

---

## 8. 文献溯源

| DOI | 物种 | 关系数 |
|-----|------|--------|
| 10.3390/plants13010095 | Litchi chinensis | 84 |
| 10.3390/plants13010096 | Litchi chinensis | 6 |
| 10.1105/tpc.104.023614 | Arabidopsis thaliana | 4 |
| 10.1104/pp.103.022590 | Oryza sativa | 4 |

---

## 9. 与PlantConnectome对比

| 维度 | PlantConnectome | gene-family-mas-v2 | 优势方 |
|------|-----------------|-------------------|--------|
| 关系数 | 3,207,996 | 98 | PC |
| 基因数 | 10,000+ | 47 | PC |
| 关系类型 | 1,458 | 4 | PC |
| 染色体位置 | ❌ | ✅ | GF |
| 系统发育分组 | ❌ | ✅ | GF |
| 基因组信息 | ❌ | ✅ | GF |
| 多组学数据 | ❌ | ✅ | GF |
| 文献溯源 | PMID | DOI | 平 |

---

## 10. 验证结论

### ✅ 通过项
- 数据完整性: 100%
- 数据一致性: 无异常
- 数据质量: 无空值/无效值
- 业务逻辑: 所有基因有分组和染色体

### ⚠️ 待改进
1. **关系类型单一**: 只有4种关系，需要增加regulates/expresses等
2. **规模较小**: 47基因 vs PC的1万+，需要批量处理
3. **表达关系缺失**: 从chunks提取表达关系失败
4. **互作关系少**: 只有2个，需要更多文献支持

### 💡 建议
1. 使用LLM从文本抽取更多关系类型
2. 批量处理100+篇论文扩展规模
3. 修复表达关系提取逻辑
4. 添加置信度评分

---

## 验证方法

```python
# 1. 连接数据库
conn = sqlite3.connect('/tmp/litchi_kg_extended.db')
cursor = conn.cursor()

# 2. 检查基因数
cursor.execute('SELECT COUNT(*) FROM entities WHERE type="gene"')

# 3. 检查关系数
cursor.execute('SELECT COUNT(*) FROM relations')

# 4. 检查DOI覆盖率
cursor.execute('SELECT COUNT(*) FROM relations WHERE doi IS NOT NULL')

# 5. 检查孤立基因
cursor.execute('''
    SELECT e.id FROM entities e
    WHERE e.type="gene"
    AND e.id NOT IN (SELECT source FROM relations)
    AND e.id NOT IN (SELECT target FROM relations)
''')
```

---

## 总体评价

**质量**: ⭐⭐⭐⭐ (4/5)
- 数据完整性和一致性良好
- 文献溯源完整
- 关系类型需要丰富

**可用性**: ⭐⭐⭐ (3/5)
- 可用于单基因查询
- 关系推理能力有限
- 需要扩展规模

**与PC互补性**: ⭐⭐⭐⭐⭐ (5/5)
- PC有广度，GF有深度
- 两者结合可构建完整知识图谱