186 lines
4.2 KiB
Markdown
Executable File
186 lines
4.2 KiB
Markdown
Executable File
# PlantConnectome 对比验证计划
|
|
|
|
**日期**: 2026-04-10 15:08 GMT+8
|
|
**目标**: 验证V12.1提取结果与PlantConnectome的对比
|
|
|
|
---
|
|
|
|
## 对比方案
|
|
|
|
### 方案1: 直接对比荔枝论文 ✅ 推荐
|
|
|
|
**理由**:
|
|
- 荔枝论文是我们已处理的
|
|
- 有完整的提取结果（6个关系）
|
|
- 可以验证提取准确率
|
|
|
|
**步骤**:
|
|
1. 在PC中搜索荔枝论文 (PMID: 38203234)
|
|
2. 提取PC中的基因关系
|
|
3. 与我们提取的6个关系对比
|
|
|
|
### 方案2: 选择PC中的番茄SUT论文
|
|
|
|
**理由**:
|
|
- PC可能有更完整的番茄SUT数据
|
|
- 可以对比不同来源的数据
|
|
|
|
**步骤**:
|
|
1. 在PC中搜索番茄SUT相关论文
|
|
2. 选择一篇有完整数据的
|
|
3. 用V12.1提取该论文
|
|
4. 对比结果
|
|
|
|
---
|
|
|
|
## 对比维度
|
|
|
|
| 维度 | 我们的结果 | PC结果 | 对比方式 |
|
|
|------|-----------|--------|---------|
|
|
| 基因数量 | 7个 | ? | 数量对比 |
|
|
| 关系数量 | 6个 | ? | 数量对比 |
|
|
| 关系类型 | expressed_in, highly_expressed_in | ? | 类型对比 |
|
|
| 组织/器官 | pulp, peel, seed | ? | 覆盖度对比 |
|
|
| 证据来源 | qRT-PCR | ? | 准确性对比 |
|
|
|
|
---
|
|
|
|
## 执行步骤
|
|
|
|
### 步骤1: 准备PC查询
|
|
|
|
**PC数据位置**:
|
|
```
|
|
/home/xia-lab/wutx/01model/PlantConnectome_2025version/pc/
|
|
├── PlantConnectome2025version_KG.csv # 知识图谱
|
|
├── all_dic.json # 倒排索引
|
|
└── ...
|
|
```
|
|
|
|
**查询方式**:
|
|
```python
|
|
import pandas as pd
|
|
|
|
# 加载PC知识图谱
|
|
kg = pd.read_csv('/home/xia-lab/wutx/01model/PlantConnectome_2025version/pc/PlantConnectome2025version_KG.csv')
|
|
|
|
# 搜索荔枝相关关系
|
|
litchi_relations = kg[
|
|
(kg['source'].str.contains('SLSUT', case=False, na=False)) |
|
|
(kg['target'].str.contains('litchi', case=False, na=False))
|
|
]
|
|
```
|
|
|
|
### 步骤2: 提取PC数据
|
|
|
|
**需要的信息**:
|
|
- Source: 基因 (如 SlSUT1)
|
|
- Relation: 关系类型 (如 expressed_in)
|
|
- Target: 目标 (如 fruit pulp)
|
|
- Evidence: 证据句子
|
|
- PMID: 文献来源
|
|
|
|
### 步骤3: 对比分析
|
|
|
|
**对比表格**:
|
|
|
|
| 关系 | 我们的结果 | PC结果 | 匹配度 |
|
|
|------|-----------|--------|--------|
|
|
| SlSUT1-pulp | highly_expressed_in | ? | ? |
|
|
| SlSUT1-peel | highly_expressed_in | ? | ? |
|
|
| SlSUT1-seed | expressed_in | ? | ? |
|
|
| SlSUT8-pulp | highly_expressed_in | ? | ? |
|
|
| SlSUT8-peel | highly_expressed_in | ? | ? |
|
|
| SlSUT8-seed | expressed_in | ? | ? |
|
|
|
|
**评估指标**:
|
|
- 召回率 (Recall): 我们提取的关系占PC关系的比例
|
|
- 准确率 (Precision): 我们提取的正确关系比例
|
|
- F1分数: 综合评价
|
|
|
|
---
|
|
|
|
## 预期结果
|
|
|
|
### 情况A: 我们的结果更完整 ✅
|
|
|
|
**可能原因**:
|
|
- PC可能未处理这篇论文
|
|
- PC的关系抽取有遗漏
|
|
|
|
**结论**: V12.1提取效果良好
|
|
|
|
### 情况B: PC结果更完整
|
|
|
|
**可能原因**:
|
|
- 我们的正则模式不够全面
|
|
- LLM Prompt需要优化
|
|
|
|
**改进方向**:
|
|
- 学习PC的关系抽取方法
|
|
- 优化我们的提取策略
|
|
|
|
### 情况C: 互补关系
|
|
|
|
**可能原因**:
|
|
- 我们提取了表达关系
|
|
- PC可能有其他类型关系（如蛋白互作）
|
|
|
|
**结论**: 两种方法可以互补
|
|
|
|
---
|
|
|
|
## 执行建议
|
|
|
|
### 立即执行
|
|
|
|
1. **查询PC中的荔枝论文数据**
|
|
```bash
|
|
cd /home/xia-lab/gene-family-mas-v2
|
|
python3 << 'EOF'
|
|
import pandas as pd
|
|
|
|
kg = pd.read_csv('/home/xia-lab/wutx/01model/PlantConnectome_2025version/pc/PlantConnectome2025version_KG.csv')
|
|
|
|
# 搜索SLSUT相关
|
|
sut_relations = kg[kg['source'].str.contains('SLSUT|SUT', case=False, na=False)]
|
|
print(f"找到 {len(sut_relations)} 个SUT关系")
|
|
print(sut_relations.head(20))
|
|
EOF
|
|
```
|
|
|
|
2. **对比结果**
|
|
- 列出PC中的关系
|
|
- 与我们提取的6个关系对比
|
|
|
|
### 后续行动
|
|
|
|
根据对比结果决定:
|
|
- 如果我们的结果好 → 继续优化V12.1
|
|
- 如果PC结果好 → 学习PC方法
|
|
- 如果互补 → 考虑融合两种方法
|
|
|
|
---
|
|
|
|
## 问题
|
|
|
|
### Q1: PC中是否有荔枝论文的数据？
|
|
|
|
需要查询确认。PC主要处理拟南芥、水稻等模式植物，荔枝可能不在其中。
|
|
|
|
### Q2: 如果PC没有荔枝数据怎么办？
|
|
|
|
可以选择PC中有的番茄SUT论文进行对比。
|
|
|
|
### Q3: 对比的公平性？
|
|
|
|
- 使用相同的论文
|
|
- 对比相同类型的关系
|
|
- 评估召回率和准确率
|
|
|
|
---
|
|
|
|
**计划制定**: 2026-04-10 15:08 GMT+8
|
|
**下一步**: 查询PC数据
|
|
**签名**: 🧬🤖
|