{
 "task_slug": "tcm-stroke-network-pharm-null-control",
 "question": "常规网络药理学 degree-hub 流程从中药活性成分选出的核心靶点，是否比靶点数量匹配的随机化合物集选出的靶点更能命中未参与流程的缺血性卒中疾病基因？",
 "falsifiable_prediction": "预测:中药成分臂的 holdout_auroc 相对随机化合物零分布的经验 p > 0.05(即无成分特异性,核心靶点主要由 PPI 度分布决定)。推翻条件:3 个种子中至少 2 个给出经验 p < 0.05 且 AUROC 相对零分布中位数的提升方向在 3 个种子中一致。",
 "dataset": "CTD 化合物-基因互作 https://ctdbase.org/reports/CTD_chem_gene_ixns.tsv.gz (42.7MB gz, 人类记录 1,327,615 行 / 11,095 化合物); CTD 人工审编基因-疾病 https://ctdbase.org/reports/CTD_curated_genes_diseases.tsv.gz (564KB gz, 卒中 MeSH D002545/D020521/D000083242/D020244/D002546 合计 131 唯一基因); STRING v12.0 人类物理互作 https://stringdb-downloads.org/download/protein.physical.links.v12.0/9606.protein.physical.links.v12.0.txt.gz (8.95MB) + https://stringdb-downloads.org/download/protein.info.v12.0/9606.protein.info.v12.0.txt.gz (2.0MB, ENSP→symbol)。全部免注册,已于 2026-08-07 实测 HTTP 200。",
 "arms": [
  {
   "name": "baseline-degree-hub",
   "is_baseline": true,
   "what": "标准网络药理学流程:取 20 个已在 CTD 有人类互作记录的中药活性成分(丹参酮类/黄芩素/黄芩苷/人参皂苷类/小檗碱/姜黄素/白藜芦醇/葛根素/丹酚酸类/黄芪甲苷/淫羊藿苷/梓醇/天麻素/羟基红花黄色素A/灯盏乙素/槲皮素/山奈酚/木犀草素/三七皂苷R1/芍药苷)的人类靶点并集,与 D_seed(卒中基因的 50%)取交集作为种子节点,在 STRING 子网中对全部候选基因按 degree 打分排序。"
  },
  {
   "name": "null-random-compounds",
   "is_baseline": false,
   "what": "零分布臂:从 CTD 的 11,095 个人类化合物中按靶点数量分层匹配抽取同等规模的随机化合物集(靶点数 >=20 的采样池 1,986 个,>=50 的 1,045 个),跑与 baseline 完全相同的流程,重复 1000 次,生成各指标的零分布。"
  },
  {
   "name": "proposed-null-corrected",
   "is_baseline": false,
   "what": "背景校正臂:用 null-random-compounds 生成的零分布,对每个候选基因的 degree 分数做经验校正(z-score 与 empirical p),按校正后分数重新排序,考察是否比原始 degree 排序更能命中 hold-out 卒中基因。"
  }
 ],
 "metrics": [
  {
   "name": "holdout_auroc",
   "higher_is_better": true,
   "what": "主指标。将全部候选基因按流程分数排序,以 D_hold(未参与流程的 50% 卒中基因)为正例、其余基因为负例计算 AUROC。对小正例集(约 65 个)比 precision@K 稳健。"
  },
  {
   "name": "precision_at_k",
   "higher_is_better": true,
   "what": "次指标。top-K 中命中 D_hold 的比例,K∈{10,20,50}。贴近实际用法但统计功效弱,报告时须注明。"
  },
  {
   "name": "topk_jaccard_vs_null",
   "higher_is_better": false,
   "what": "中药成分臂 top-K 靶点与 1000 次随机化合物臂 top-K 靶点的 Jaccard 相似度中位数。越高说明核心靶点越不特异、越模板化。"
  }
 ],
 "sweep": {
  "top_k": [
   "10",
   "20",
   "50"
  ],
  "string_score_threshold": [
   "400",
   "700",
   "900"
  ]
 },
 "seeds": [
  0,
  1,
  2
 ],
 "budget_minutes": 45,
 "cpu_feasible": true,
 "out_of_scope": [
  "任何湿实验验证(MCAO / OGD-R / WB / qPCR / 免疫荧光)",
  "分子对接与结合自由能计算(受体结构准备在 CPU 上不稳定,且不是本轮的科学问题)",
  "TCMSP / HERB 的成分-靶点数据(无稳定下载接口,抓取工程量超预算);本轮只覆盖 CTD 中有人类实验记录的约 20 个单体成分,结论不能直接外推到 OB/DL 筛出的全成分列表",
  "CTD 的 inferred(推断)基因-疾病关联(压缩包 3.1GB,下载+扫描超出 60 分钟预算),仅用人工审编子集",
  "因果性结论:只能回答靶点排名是否超出随机基线,不能回答某靶点是否为中药真实作用靶点",
  "OB/DL 阈值敏感性分析(第 3 节②建议的分析,本轮数据源不含 OB/DL 字段)"
 ]
}