# DKDComboMiner — 검수 로그 (QA)

날짜: 2026-05-01
검수자: Claude (자동 검수)

## 1. Python 구문 체크
**명령**: `python3 -c "import ast; ast.parse(open('main.py').read())"`
**결과**: ✅ PASS — `SYNTAX OK`

## 2. argparse `--help` 동작
**명령**: `python3 main.py --help`
**결과**: ✅ PASS — usage 문, 모든 옵션(`--top`, `--max-combo`, `--output`, `--csv`, `--biomarkers`, `--populations`, `--stages`, `--no-grant`, `--seed-info`)이 정상 출력됨.

## 3. 데이터 파일 로드 테스트
**명령**: `python3 -c "import json; [json.load(open(p)) for p in ['data/ontology.json','data/pubmed_evidence.json','data/faers_signals.json','data/korea_cohorts.json']]"`
**결과**: ✅ PASS — 4개 JSON 파일 모두 정상 파싱.

## 4. End-to-end 실행 (top 10)
**명령**: `python3 main.py --top 10`
**결과**: ✅ PASS
- 총 235,872 cell scored (max_combo=2, 18 stages × 7 biomarkers × 8 populations × ≈230 combos)
- top-10 hypothesis card + grant aims + 한·영 abstract 출력 (`outputs/run_top10.md`, 11.7 KB)
- top-1: Empagliflozin+Liraglutide | G2A1 | UACRV | T2DM_ASCVD (score 0.816)

## 5. End-to-end 실행 (top 100)
**명령**: `python3 main.py --top 100 --output outputs/run_top100.md`
**결과**: ✅ PASS — 78 KB Markdown 생성.

## 6. 외부 네트워크 호출 검사
**명령**: `grep -E "import (requests|httpx|urllib|aiohttp)" main.py`
**결과**: ✅ PASS — 일치 없음. 표준 라이브러리만 사용.

## 7. 디스클레이머 검사
**검사 대상**: README.md, main.py docstring, 모든 출력 (run_top*.md, grant aims, abstract)
**결과**: ✅ PASS — "Research-use only / 연구용·참고용 / IRB 승인" 문구가 README와 모든 출력 헤더에 포함됨.

## 8. 생성 파일 인벤토리
- `README.md` (4.4 KB) — 목적·기능·실행법·디스클레이머
- `main.py` (15 KB) — CLI 진입점, 235K cell ranking pipeline
- `data/ontology.json` (3 KB) — drug/stage/biomarker/population
- `data/pubmed_evidence.json` (0.4 KB) — synthetic seed 메타정보
- `data/faers_signals.json` (1 KB) — class-level + combo synergy caution
- `data/korea_cohorts.json` (1.3 KB) — KR cohort 합성 메타데이터
- `outputs/run_top10.md` (11.7 KB) — 상위 10 hypothesis + aims + abstract
- `outputs/run_top100.md` (78 KB) — 상위 100 hypothesis + aims + abstract
- `QA.md` — 본 파일

## 9. 의도 부합 점검 (사용자 명세 대비)
| 명세 항목 | 충족 여부 | 비고 |
|-----------|-----------|------|
| 약물 11+ 종 ontology | ✅ 23종 | SGLT2i 5 + GLP-1RA 5 + MRA 4 + RAS 4 + ADJ 5 |
| 5+ subgroup 차원 ontology | ✅ stage(18) + biomarker(7) + population(8) | |
| PubMed/CTG/FAERS/한국 cohort cross-reference | ✅ synthetic | 외부 API 금지 제약 준수 |
| ~70,000 cell ranking | ✅ 235,872 cell (mono+pair) | 명세보다 큼 (3-class pair 포함) |
| 가중합 score (a~f 6요소) | ✅ 7요소 (gap/trend/trial_gap/KDIGO/mech/feasibility/FAERS_penalty) | |
| top-100 hypothesis card | ✅ outputs/run_top100.md | |
| grant-ready Markdown | ✅ specific aims + innovation + approach + preliminary | |
| KDA·KSAD abstract 한·영 250 word | ✅ render_kda_abstract() | |
| Python CLI + argparse | ✅ main.py | |
| 표준 라이브러리만 사용 | ✅ pydantic 미사용 | |
| 외부 네트워크 호출 없음 | ✅ | |
| 의학 디스클레이머 | ✅ README + 모든 출력 | |
| Streamlit GUI (선택) | ⚠️ 미구현 | 명세에서 "있으면 좋다(선택)"로 명시 |

## 10. 재현 방법
1. 디렉터리 진입: `cd "<project root>"`
2. Python 3.11 표준 라이브러리만 필요 (외부 패키지 설치 불필요)
3. `python3 main.py --top 50` (기본 실행)
4. 결과 확인: `outputs/run_top{N}.md`

## 결론
✅ **모든 검수 항목 통과.** 명세 대비 구현 충실; Streamlit GUI는 명세상 선택사항이므로 미구현. CLI 단일 진입점으로 시연·재현 가능.