DAY 2 · S8 · 下午 60 分钟
判定与商业：可以直接用的清单
可以直接拿去用的清单。抄走就行。
U8.1三维验收（建议写进合同）
| 维度 | 怎么验 | 建议要求 |
|---|---|---|
| ① 数量 | 带 binding context 的配对条数（不是原始序列条数） | ≥ 承诺区间下限 |
| ② 可溯源率 | 随机抽 100 条，链接必须能打开，且内容确实佐证靶点关系 | 100% |
| ③ 配对准确率 | 随机抽 200 条由领域专家盲评（不告诉他哪条是哪个等级） | 高证据等级 ≥ 98% 低证据等级 ≥ 90% |
第 ② ③ 条才是真正区分供应商的。而且它们都便宜——抽 100 条点链接， 半天就能做完。不做的唯一原因是不知道要做。
链接能打开只是最低要求。
真正要检查的是：打开之后，那个页面里到底有没有说这个抗体抓这个靶点？
大量「可溯源」的数据，链接指向的是数据库首页、检索结果页、
或者一篇提到了这个基因但完全没提这个抗体的论文。
这一条不亲手抽查是查不出来的。
U8.2十个必问问题
可以直接抄走。按顺序问，前四个答不上来后面就不用问了。
- 这条配对的靶点是怎么定的？现场抽一条，指出证据在原文哪一句。
- 你们的证据分级怎么划的？各级各多少条？
- 靶点归一到 UniProt 登录号了吗？模糊匹配和查不到的怎么处理？
- 归一化结果用什么独立源复核过？复核的准确率是多少？
- CDR 给了几套编号？和独立的编号工具比对过吗？
- 表位是从结构实算的还是从文献抄的？阈值多少？编号验证过吗？
- 亲和力里定量 KD 有多少条？（不接受「结合数据 X 条」这种混报）
- 去重按什么做的？序列级还是名字级？用哪套编号切的 CDR？
- 数据里已知的缺陷有哪些？（拿不出缺陷清单的要警惕）
- 数据来源的许可是什么？能否用于商业模型训练与再分发？
公开数据库不等于可商用。不同库的条款差别很大，
有些明确限制再分发或商业用途，有些要求署名，有些区分学术和商业。
模型训练完了才发现数据不能用于商业，是不可逆的损失。
这条要在采购之前问，不是验收时问。
U8.3你自己的 5 分钟抽查
不需要任何领域知识，任何人都能做，五分钟出结论：
- 随机挑 3 条，把溯源 URL 贴到浏览器——能打开吗？内容对得上吗？
- 把靶点登录号拼到
uniprot.org/uniprotkb/后面——是那个蛋白吗？物种对吗？ - 把 PDB 号拼到
rcsb.org/structure/后面——结构里真有抗体和抗原两方吗？ - 把 CDRH3 序列在对应的 VH 序列里搜一下——找得到吗？（找不到 = 数据自相矛盾）
- 看 QC 标记列——全是 OK 反而可疑，真实数据一定有已知瑕疵
df.apply(lambda r: r.CDRH3 in r.VH, axis=1).all()。一份连这个都过不了的数据，后面的都不用看了。
U8.4红旗清单
见到下面任何一条，都要停下来追问：
| 红旗 | 它通常意味着什么 |
|---|---|
| 说不清靶点是怎么定的 | 大概率是关键词共现，没有真正的证据判定层 |
| 报准确率但没有金标准和抽样方法 | 这个数字是估的，或者是用自己的管线自评的 |
| 拿不出缺陷清单 | 要么没做质检，要么做了但不打算告诉你 |
| 只给一套 CDR 编号且不说是哪套 | 可能根本不知道有三套 |
| 表位数量超过公开复合物结构的总数 | 表位不可能是实算的，是抄的或推的 |
| 拒绝提供逐条溯源，或链接只指向数据库首页 | 溯源字段是装饰性的 |
| 所有指标都是正面的，没有一个负面结论 | 没做过真正的证伪（见 S6 第 ④ 条） |
它是纯粹的算术，不需要懂生物：
从结构实算的表位，数量上限受限于公开的抗体-抗原复合物结构总数（数千个量级）。
声称有几万条「实算表位」的，算术上就不成立。
找一个能用算术证伪的天花板，比学十个生物概念都管用。
U8.5这门生意的形状
最后说一句商业上的判断，因为它决定你要不要投入：
同一批原始数据，用朴素方法能「做」出六万多条配对， 经得起证据检验的只剩两成左右。这 80% 的差距就是全部的价值所在—— 它既是护城河，也解释了为什么这类数据不便宜。
问一个问题就够了：「你们的差异化在四层里的哪一层？」
答「我们能抓得更多」的，在第 ① 层，没有壁垒。
答「我们的证据判定和交叉验证是这样做的……」并且能讲出细节的，
在第 ③ 层，那是真的。
结业考试
20 题，覆盖 Day 2 全部内容。16 题以上：你已经可以独立判断这类项目了。
结业考试 · 共 20 题
做三件事，按投入产出排序：
① 在真实数据上练手——打开 rcsb.org/structure/5B8C
转一转，把表位概念对上实物；
② 把 十个必问问题 存到手机备忘录里，下次真的用上；
③ 挑 2–3 个 视频资源 补自己最虚的那块，不要贪多。