""" GlucoClampTracer (글루코클램프트레이서) — Streamlit MVP ======================================================== 하이퍼인슐린혈성-정상혈당 클램프(hyperinsulinemic-euglycemic clamp) 실험으로부터 in vivo 인슐린 감수성을 정량하는 단독 실행형 도구. 도메인: DM(당뇨병) · 카테고리: 동물실험 도구 실행: streamlit run app.py 의존성: streamlit, numpy, scipy, pandas, statsmodels(선택), matplotlib ⚠ 참고용 · 연구용(for reference / research use only). 임상 진단/치료 목적으로 사용하지 마십시오. """ from __future__ import annotations import io import os import numpy as np import pandas as pd import matplotlib matplotlib.use("Agg") import matplotlib.pyplot as plt import streamlit as st import clamp_core as cc APP_DIR = os.path.dirname(os.path.abspath(__file__)) DATA_DIR = os.path.join(APP_DIR, "data") st.set_page_config( page_title="GlucoClampTracer", page_icon="🩸", layout="wide", ) DISCLAIMER = ( "⚠ **참고용 · 연구용 도구입니다 (for reference / research use only).** " "본 도구의 계산 결과는 동물실험 데이터 분석 보조용이며, " "임상 진단·치료 목적으로 사용할 수 없습니다." ) # --------------------------------------------------------------------- # 데이터 로딩 유틸 # --------------------------------------------------------------------- @st.cache_data def load_demo_data(): """data/ 폴더의 합성 샘플 CSV 3종을 로드한다.""" ts = pd.read_csv(os.path.join(DATA_DIR, "clamp_timeseries.csv")) tr = pd.read_csv(os.path.join(DATA_DIR, "tracer_enrichment.csv")) tg = pd.read_csv(os.path.join(DATA_DIR, "tissue_2dg.csv")) return ts, tr, tg def _read_csv(uploaded): if uploaded is None: return None return pd.read_csv(uploaded) # --------------------------------------------------------------------- # 사이드바 — 데이터 소스 + 전역 파라미터 # --------------------------------------------------------------------- st.sidebar.title("🩸 GlucoClampTracer") st.sidebar.caption("클램프 인슐린 감수성 정량 — DM 동물실험 도구") data_mode = st.sidebar.radio( "데이터 소스", ["데모 데이터 로드", "CSV 업로드"], help="오프라인 동작 — 업로드가 없으면 합성 데모 데이터를 사용합니다.", ) ts_df = tr_df = tg_df = None if data_mode == "데모 데이터 로드": try: ts_df, tr_df, tg_df = load_demo_data() st.sidebar.success("합성 데모 데이터 로드 완료 (18마리, 3그룹)") except FileNotFoundError: st.sidebar.error( "data/ 폴더에 샘플 CSV가 없습니다. " "먼저 `python3 generate_sample_data.py` 를 실행하세요." ) else: up_ts = st.sidebar.file_uploader("① 클램프 시계열 CSV", type="csv") up_tr = st.sidebar.file_uploader("② 트레이서 enrichment CSV", type="csv") up_tg = st.sidebar.file_uploader("③ 조직 2-DG CSV", type="csv") ts_df = _read_csv(up_ts) tr_df = _read_csv(up_tr) tg_df = _read_csv(up_tg) if ts_df is None: st.sidebar.info("CSV 미업로드 시 데모 데이터로 대체됩니다.") try: ts_df, tr_df, tg_df = load_demo_data() except FileNotFoundError: pass st.sidebar.markdown("---") st.sidebar.subheader("정상상태 탐지 기준") target_glucose = st.sidebar.number_input("목표 혈당 (mg/dL)", 80.0, 250.0, 150.0, 5.0) target_tol = st.sidebar.number_input("허용 편차 (± mg/dL)", 5.0, 50.0, 20.0, 5.0) max_cv = st.sidebar.number_input("최대 혈당 CV (%)", 2.0, 25.0, 10.0, 1.0) min_window = st.sidebar.number_input("최소 윈도우 길이 (분)", 10.0, 90.0, 30.0, 10.0) st.sidebar.markdown("---") st.sidebar.subheader("트레이서 / 동역학") tracer_type = st.sidebar.selectbox( "트레이서 종류", ["[3-3H]glucose (방사성, dpm)", "[6,6-2H2]glucose (안정동위원소, MPE%)"], ) steele_mode = st.sidebar.selectbox( "Steele 방정식", ["steady (정상상태)", "non-steady (비정상상태)"] ) apply_hot_ginf = st.sidebar.checkbox("Hot-GINF 보정 적용", value=False) # --------------------------------------------------------------------- # 핵심 계산 — 동물별 클램프 지표 집계 # --------------------------------------------------------------------- def compute_animal_metrics(ts_df, tr_df): """모든 동물에 대해 정상상태 GIR + 트레이서 동역학을 계산한다.""" use_3h = tracer_type.startswith("[3-3H]") mode = "steady" if steele_mode.startswith("steady") else "non-steady" records = [] for aid, sub in ts_df.groupby("animal_id"): sub = sub.sort_values("time_min") clamp = sub[sub["time_min"] >= 0] ss = cc.detect_steady_state( clamp["time_min"], clamp["glucose_mg_dL"], target_glucose, target_tol, max_cv, min_window, ) bw = float(sub["body_weight_g"].iloc[0]) lean = float(sub["lean_mass_g"].iloc[0]) if "lean_mass_g" in sub else None group = str(sub["group"].iloc[0]) model = str(sub["model"].iloc[0]) if "model" in sub else None rec = { "animal_id": aid, "group": group, "model": model, "body_weight_g": bw, "lean_mass_g": lean, "ss_found": ss["found"], "ss_start_min": ss["start_min"], "ss_end_min": ss["end_min"], "glucose_cv_pct": ss["cv_pct"], "mean_glucose": ss["mean_glucose"], } if ss["found"]: gir_raw = cc.mean_gir_in_window( clamp["time_min"], clamp["gir_mL_per_h"], ss["start_min"], ss["end_min"], ) gir_pk = cc.gir_to_per_kg(gir_raw, "mL/h", bw) gir_lean = cc.normalize_by_mass(gir_pk, bw, lean) else: gir_pk = gir_lean = float("nan") rec["gir_mgkgmin"] = gir_pk rec["gir_mgkgmin_lean"] = gir_lean # 트레이서 동역학 if tr_df is not None and aid in set(tr_df["animal_id"]): trd = tr_df[tr_df["animal_id"] == aid] basal = trd[trd["state"] == "basal"] clampr = trd[trd["state"] == "clamp"] if len(basal) and len(clampr): tir = float(clampr["tracer_3h_infusion_dpm_min"].iloc[0]) if use_3h: e_b = float(basal["plasma_3h_sa_dpm_per_mg"].iloc[0]) e_c = float(clampr["plasma_3h_sa_dpm_per_mg"].iloc[0]) else: e_b = float(basal["plasma_2h2_enrichment_pct"].iloc[0]) e_c = float(clampr["plasma_2h2_enrichment_pct"].iloc[0]) hot = (float(clampr["hot_ginf_dpm_min"].iloc[0]) if apply_hot_ginf and "hot_ginf_dpm_min" in clampr else 0.0) kin = cc.compute_kinetics( tir, e_b, e_c, gir_pk if not np.isnan(gir_pk) else 0.0, mode=mode, hot_ginf_rate=hot, ) rec.update({ "ra_basal": kin["ra_basal"], "ra_clamp": kin["ra_clamp"], "hgp_basal": kin["hgp_basal"], "hgp_clamp": kin["hgp_clamp"], "rd_clamp": kin["rd_clamp"], "hgp_suppression_pct": kin["hgp_suppression_pct"], }) # 트레이서 CV (basal vs clamp enrichment 안정성 proxy) rec["tracer_cv_pct"] = float( np.std([e_b, e_c], ddof=1) / np.mean([e_b, e_c]) * 100.0 ) records.append(rec) return pd.DataFrame(records) metrics_df = None if ts_df is not None: metrics_df = compute_animal_metrics(ts_df, tr_df) # --------------------------------------------------------------------- # 헤더 # --------------------------------------------------------------------- st.title("GlucoClampTracer 🩸") st.markdown( "**하이퍼인슐린혈성-정상혈당 클램프 인슐린 감수성 정량 도구** — " "DM(당뇨병) 도메인 · 동물실험 도구" ) st.info(DISCLAIMER) if ts_df is None: st.warning("데이터가 없습니다. 사이드바에서 데모 데이터를 로드하거나 CSV를 업로드하세요.") st.stop() tab1, tab2, tab3, tab4, tab5 = st.tabs([ "① 클램프 입력·정상상태", "② 트레이서 동역학", "③ 조직 2-DG 흡수", "④ 모델 참조·QC", "⑤ 코호트 통계·리포트", ]) # ===================================================================== # 탭 1 — 클램프 입력 + 정상상태 자동 선택 # ===================================================================== with tab1: st.header("① 클램프 원자료 입력 + 정상상태 자동 선택") st.caption( "펌프 GIR 로그 · 혈당 샘플 · 체중을 입력하면 사용자 정의 기준으로 " "정상상태 윈도우를 자동 탐지하고 체중/제지방량(lean mass)으로 정규화합니다." ) animals = sorted(ts_df["animal_id"].unique()) sel_animal = st.selectbox("동물 선택", animals, key="t1_animal") sub = ts_df[ts_df["animal_id"] == sel_animal].sort_values("time_min") clamp = sub[sub["time_min"] >= 0] ss = cc.detect_steady_state( clamp["time_min"], clamp["glucose_mg_dL"], target_glucose, target_tol, max_cv, min_window, ) c1, c2 = st.columns([3, 2]) with c1: fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(7, 5.2), sharex=True) ax1.plot(sub["time_min"], sub["glucose_mg_dL"], "o-", color="#c0392b") ax1.axhline(target_glucose, ls="--", color="gray", lw=1) ax1.axhspan(target_glucose - target_tol, target_glucose + target_tol, color="#27ae60", alpha=0.10) if ss["found"]: ax1.axvspan(ss["start_min"], ss["end_min"], color="#2980b9", alpha=0.18, label="steady-state window") ax1.legend(fontsize=8) ax1.set_ylabel("Glucose (mg/dL)") ax1.set_title(f"{sel_animal} - Glucose & GIR") ax2.plot(sub["time_min"], sub["gir_mL_per_h"], "s-", color="#2980b9") if ss["found"]: ax2.axvspan(ss["start_min"], ss["end_min"], color="#2980b9", alpha=0.18) ax2.set_ylabel("GIR (mL/h)") ax2.set_xlabel("Time (min, 0 = clamp start)") fig.tight_layout() st.pyplot(fig) plt.close(fig) with c2: if ss["found"]: st.success("정상상태 윈도우 탐지 성공") st.metric("윈도우", f"{ss['start_min']:.0f} – {ss['end_min']:.0f} 분") st.metric("평균 혈당", f"{ss['mean_glucose']:.1f} mg/dL") st.metric("혈당 CV", f"{ss['cv_pct']:.2f} %") st.metric("샘플 수", ss["n_points"]) else: st.error("기준을 만족하는 정상상태 윈도우를 찾지 못했습니다.") st.caption("사이드바에서 CV 한계나 허용 편차를 완화해 보세요.") bw = float(sub["body_weight_g"].iloc[0]) lean = float(sub["lean_mass_g"].iloc[0]) st.markdown(f"**체중** {bw:.1f} g · **제지방량** {lean:.1f} g") if ss["found"]: gir_raw = cc.mean_gir_in_window( clamp["time_min"], clamp["gir_mL_per_h"], ss["start_min"], ss["end_min"]) gir_pk = cc.gir_to_per_kg(gir_raw, "mL/h", bw) gir_lean = cc.normalize_by_mass(gir_pk, bw, lean) st.markdown("**정상상태 GIR**") st.write(f"- 원자료: {gir_raw:.3f} mL/h") st.write(f"- 체중 정규화: **{gir_pk:.1f} mg/kg/min**") st.write(f"- 제지방량 정규화: **{gir_lean:.1f} mg/kg-lean/min**") with st.expander("원자료 시계열 보기"): st.dataframe(sub, width="stretch") # ===================================================================== # 탭 2 — 트레이서 동역학 엔진 # ===================================================================== with tab2: st.header("② 트레이서 동역학 엔진 (Steele 방정식)") st.caption( "[3-3H]glucose(섬광계수 dpm) 또는 [6,6-2H2]glucose(LC-MS/GC-MS enrichment) " "지원 · 정상상태/비정상상태 Steele 방정식 선택 · priming/hot-GINF 보정 · " "Ra·Rd·HGP·HGP 억제율 계산." ) st.markdown( f"현재 설정 — 트레이서: **{tracer_type}** · 방정식: **{steele_mode}** · " f"Hot-GINF 보정: **{'적용' if apply_hot_ginf else '미적용'}**" ) if tr_df is None: st.warning("트레이서 enrichment 데이터가 없습니다.") else: kin_cols = ["animal_id", "group", "model", "gir_mgkgmin", "ra_basal", "ra_clamp", "hgp_basal", "hgp_clamp", "rd_clamp", "hgp_suppression_pct"] avail = [c for c in kin_cols if c in metrics_df.columns] kdf = metrics_df[avail].copy() st.subheader("동물별 동역학 지표") st.dataframe( kdf.style.format({ c: "{:.1f}" for c in avail if c not in ("animal_id", "group", "model") }), width="stretch", ) st.subheader("정의") st.markdown( "- **Ra** 포도당 출현율 · **Rd** 포도당 소실율(전신 처리율)\n" "- **HGP_basal** = Ra_basal (외인성 포도당 없음)\n" "- **HGP_clamp** = Ra_clamp − GIR\n" "- **HGP 억제율(%)** = (HGP_basal − HGP_clamp) / HGP_basal × 100\n" "- 클램프 **Rd** = Ra_clamp = HGP_clamp + GIR" ) if "hgp_suppression_pct" in kdf.columns: grp_means = kdf.groupby("group")[ ["gir_mgkgmin", "rd_clamp", "hgp_suppression_pct"] ].mean() fig, ax = plt.subplots(figsize=(7, 3.6)) grp_means.plot(kind="bar", ax=ax, color=["#2980b9", "#27ae60", "#e67e22"]) ax.set_ylabel("Value") ax.set_title("Group mean - GIR / clamp Rd / HGP suppression") ax.legend(fontsize=8) fig.tight_layout() st.pyplot(fig) plt.close(fig) with st.expander("비정상상태 Steele 방정식 파라미터(참고)"): st.markdown( "비정상상태 모드 선택 시 pool fraction(기본 0.65)과 " "분포용적(기본 200 mL/kg)을 사용하며, 본 데모는 인접 " "basal/clamp 시점을 사용한 단순화 적용입니다. " "실제 분석에서는 dense 시계열 enrichment 자료를 권장합니다." ) # ===================================================================== # 탭 3 — 조직 특이적 2-DG 흡수 # ===================================================================== with tab3: st.header("③ 조직 특이적 2-deoxyglucose 흡수 (Rg')") st.caption( "혈장 [14C/3H]2-DG 소실곡선 AUC 보정 → 골격근(gastrocnemius/soleus/EDL/" "tibialis)·심장·BAT·WAT·간의 조직 특이적 포도당 대사지수 Rg' 계산." ) if tg_df is None: st.warning("조직 2-DG 데이터가 없습니다.") else: rg_rows = [] for aid, sub in tg_df.groupby("animal_id"): auc = float(sub["plasma_2dg_auc_dpm_min_per_mL"].iloc[0]) mglc = float(sub["mean_plasma_glucose_mg_per_mL"].iloc[0]) panel = cc.compute_tissue_panel(sub, auc, mglc) for _, r in panel.iterrows(): rg_rows.append({ "animal_id": aid, "group": r["group"], "model": r.get("model"), "tissue": r["tissue"], "rg_prime": r["rg_prime"], }) rg_df = pd.DataFrame(rg_rows) c1, c2 = st.columns([2, 3]) with c1: sel_a = st.selectbox( "동물 선택", sorted(rg_df["animal_id"].unique()), key="t3_animal") one = rg_df[rg_df["animal_id"] == sel_a] st.dataframe( one[["tissue", "rg_prime"]].style.format({"rg_prime": "{:.4f}"}), width="stretch", ) with c2: tissue_means = rg_df.groupby(["group", "tissue"])["rg_prime"].mean().unstack(0) fig, ax = plt.subplots(figsize=(7, 4)) tissue_means.plot(kind="bar", ax=ax) ax.set_ylabel("Rg' (tissue glucose metabolic index)") ax.set_title("Group mean Rg' by tissue") ax.legend(fontsize=8, title="Group") fig.tight_layout() st.pyplot(fig) plt.close(fig) st.subheader("조직별 그룹 평균 Rg'") st.dataframe( tissue_means.style.format("{:.4f}"), width="stretch") st.markdown( "**Rg' 정의** — Rg' = [조직 2-DG-6-P (dpm/g)] / " "[혈장 2-DG AUC (dpm·min/mL)] × [평균 혈장 포도당 (mg/mL)]" ) # ===================================================================== # 탭 4 — 모델 참조 + QC 플래그 # ===================================================================== with tab4: st.header("④ 모델 참조 범위 + QC 플래그") st.caption( "C57BL/6·db/db·ob/ob·DIO·ZDF·GK 모델의 전형적 GIR/HGP 참조 범위 내장 · " "혈당 비수렴·트레이서 불안정·GINF 보정 누락 자동 경고." ) st.subheader("내장 모델 참조 범위") ref_rows = [] for model, d in cc.MODEL_REFERENCE.items(): ref_rows.append({ "model": model, "GIR (mg/kg/min)": f"{d['gir'][0]:.0f}–{d['gir'][1]:.0f}", "HGP 억제율 (%)": f"{d['hgp_suppression_pct'][0]:.0f}–{d['hgp_suppression_pct'][1]:.0f}", "클램프 Rd (mg/kg/min)": f"{d['rd_clamp'][0]:.0f}–{d['rd_clamp'][1]:.0f}", "설명": d["note"], }) st.dataframe(pd.DataFrame(ref_rows), width="stretch") st.subheader("동물별 QC 점검") sel_a = st.selectbox( "동물 선택", sorted(metrics_df["animal_id"].unique()), key="t4_animal") row = metrics_df[metrics_df["animal_id"] == sel_a].iloc[0] flags = cc.qc_flags( glucose_cv_pct=row.get("glucose_cv_pct"), steady_state_found=bool(row.get("ss_found")), tracer_enrichment_cv_pct=row.get("tracer_cv_pct"), hot_ginf_applied=apply_hot_ginf, model=row.get("model"), gir=row.get("gir_mgkgmin"), hgp_suppression_pct=row.get("hgp_suppression_pct"), rd_clamp=row.get("rd_clamp"), max_glucose_cv=max_cv, ) for f in flags: if f["level"] == "error": st.error(f["message"]) elif f["level"] == "warning": st.warning(f["message"]) else: st.info(f["message"]) st.subheader("전체 코호트 QC 요약") qc_summary = [] for _, r in metrics_df.iterrows(): fl = cc.qc_flags( glucose_cv_pct=r.get("glucose_cv_pct"), steady_state_found=bool(r.get("ss_found")), tracer_enrichment_cv_pct=r.get("tracer_cv_pct"), hot_ginf_applied=apply_hot_ginf, model=r.get("model"), gir=r.get("gir_mgkgmin"), hgp_suppression_pct=r.get("hgp_suppression_pct"), rd_clamp=r.get("rd_clamp"), max_glucose_cv=max_cv, ) n_err = sum(1 for x in fl if x["level"] == "error") n_warn = sum(1 for x in fl if x["level"] == "warning") qc_summary.append({ "animal_id": r["animal_id"], "group": r["group"], "오류": n_err, "경고": n_warn, "상태": "❌ 오류" if n_err else ("⚠ 경고" if n_warn else "✅ 정상"), }) st.dataframe(pd.DataFrame(qc_summary), width="stretch") # ===================================================================== # 탭 5 — 코호트 통계 + 리포트 # ===================================================================== with tab5: st.header("⑤ 코호트 통계 + 리포트") st.caption( "그룹별 GIR/Rd/HGP 억제율/조직 Rg' 의 일원배치 ANOVA · 쌍별 비교 · " "혼합효과모형(statsmodels 설치 시) · 한국어/영어 method+result 리포트 export." ) metric_options = { "GIR (mg/kg/min)": "gir_mgkgmin", "클램프 Rd (mg/kg/min)": "rd_clamp", "HGP 억제율 (%)": "hgp_suppression_pct", } avail_metrics = {k: v for k, v in metric_options.items() if v in metrics_df.columns} sel_metric_label = st.selectbox("분석 지표", list(avail_metrics.keys())) sel_metric = avail_metrics[sel_metric_label] anova = cc.one_way_anova(metrics_df, "group", sel_metric) summ = cc.group_summary(metrics_df, "group", sel_metric) c1, c2 = st.columns(2) with c1: st.subheader("그룹 요약") st.dataframe( summ.style.format({ c: "{:.2f}" for c in summ.columns if c not in ("group", "n") }), width="stretch", ) st.subheader("일원배치 ANOVA") if not np.isnan(anova["p_value"]): st.metric("F 통계량", f"{anova['f_stat']:.3f}") st.metric("p-value", f"{anova['p_value']:.4g}") if anova["p_value"] < 0.05: st.success("그룹 간 유의한 차이 (p < 0.05)") else: st.info("그룹 간 유의한 차이 없음 (p ≥ 0.05)") else: st.warning("ANOVA 계산 불가 — 그룹/표본 수 부족.") with c2: st.subheader(f"{sel_metric_label} 그룹 분포") fig, ax = plt.subplots(figsize=(6, 4)) groups = sorted(metrics_df["group"].unique()) data = [metrics_df[metrics_df["group"] == g][sel_metric].dropna() for g in groups] ax.boxplot(data, tick_labels=groups) for i, d in enumerate(data, 1): ax.scatter(np.random.normal(i, 0.05, len(d)), d, alpha=0.6, color="#2980b9", s=20) ax.set_ylabel("Value") ax.set_title("Metric distribution by group") fig.tight_layout() st.pyplot(fig) plt.close(fig) st.subheader("쌍별 비교 (Welch t-검정 + Bonferroni 보정)") pw = cc.tukey_pairwise(metrics_df, "group", sel_metric) if not pw.empty: st.dataframe( pw.style.format({ "mean_diff": "{:.2f}", "t_stat": "{:.3f}", "p_raw": "{:.4g}", "p_bonferroni": "{:.4g}", }), width="stretch", ) st.subheader("혼합효과모형 (개체 random effect)") if cc.mixed_effects_available(): mm = cc.mixed_effects_model(metrics_df, sel_metric, "group", "animal_id") if mm: st.text(mm["summary_text"]) else: st.info( "statsmodels가 설치되어 있지 않아 혼합효과모형은 생략됩니다. " "`pip install statsmodels` 후 사용 가능합니다. " "(ANOVA·쌍별 비교는 scipy 기반으로 정상 동작합니다.)" ) # ----- 리포트 생성 ----- st.subheader("리포트 export") lang = st.radio("언어", ["한국어", "English"], horizontal=True) def build_report(lang): lines = [] if lang == "한국어": lines.append("# GlucoClampTracer 분석 리포트\n") lines.append("## 방법 (Methods)\n") lines.append( f"하이퍼인슐린혈성-정상혈당 클램프 데이터를 분석하였다. " f"정상상태 윈도우는 목표 혈당 {target_glucose:.0f}±{target_tol:.0f} mg/dL, " f"혈당 CV ≤ {max_cv:.0f}%, 최소 윈도우 길이 {min_window:.0f}분 기준으로 " f"자동 선택하였다. 포도당 출현율(Ra)/소실율(Rd)은 {tracer_type} 트레이서와 " f"{steele_mode} Steele 방정식으로 계산하였다. HGP 억제율은 기저 대비 " f"클램프 HGP 감소율로 산출하였다. 그룹 비교는 일원배치 ANOVA 및 " f"Welch t-검정(Bonferroni 보정)으로 수행하였다.\n") lines.append("## 결과 (Results)\n") lines.append(f"분석 지표: {sel_metric_label}\n") for _, r in summ.iterrows(): lines.append( f"- {r['group']} (n={r['n']}): " f"{r[sel_metric+'_mean']:.2f} ± {r[sel_metric+'_sem']:.2f} (mean±SEM)") if not np.isnan(anova["p_value"]): lines.append( f"\n일원배치 ANOVA: F = {anova['f_stat']:.3f}, " f"p = {anova['p_value']:.4g}.") lines.append( "\n*본 리포트는 참고용·연구용입니다. 임상 진단 목적 사용 금지.*") else: lines.append("# GlucoClampTracer Analysis Report\n") lines.append("## Methods\n") lines.append( f"Hyperinsulinemic-euglycemic clamp data were analyzed. " f"The steady-state window was auto-selected with target glucose " f"{target_glucose:.0f}±{target_tol:.0f} mg/dL, glucose CV " f"≤ {max_cv:.0f}%, and minimum window length {min_window:.0f} min. " f"Glucose rate of appearance (Ra) / disappearance (Rd) were computed " f"using {tracer_type} tracer and the {steele_mode} Steele equation. " f"HGP suppression was calculated as the clamp-vs-basal reduction in HGP. " f"Group comparisons used one-way ANOVA and Welch t-tests " f"(Bonferroni-corrected).\n") lines.append("## Results\n") lines.append(f"Analyzed metric: {sel_metric_label}\n") for _, r in summ.iterrows(): lines.append( f"- {r['group']} (n={r['n']}): " f"{r[sel_metric+'_mean']:.2f} ± {r[sel_metric+'_sem']:.2f} (mean±SEM)") if not np.isnan(anova["p_value"]): lines.append( f"\nOne-way ANOVA: F = {anova['f_stat']:.3f}, " f"p = {anova['p_value']:.4g}.") lines.append( "\n*For reference / research use only. Not for clinical diagnosis.*") return "\n".join(lines) report = build_report(lang) st.text_area("리포트 미리보기", report, height=320) c1, c2 = st.columns(2) with c1: st.download_button( "리포트 다운로드 (.md)", report, file_name="glucoclamptracer_report.md", mime="text/markdown") with c2: buf = io.StringIO() metrics_df.to_csv(buf, index=False) st.download_button( "동물별 지표 다운로드 (.csv)", buf.getvalue(), file_name="glucoclamptracer_metrics.csv", mime="text/csv") st.markdown("---") st.caption( "GlucoClampTracer · DM 동물실험 도구 · 2026 metabolic daily idea pipeline · " "참고용·연구용(for reference / research use only)" )