PlantAI-rag/docs/analysis/kg_validation_report.md

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

# 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