183 lines
3.8 KiB
Markdown
Executable File
183 lines
3.8 KiB
Markdown
Executable File
# 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
|