SRCADM-01：ADC_surfaceome_reference@0.3.0 来源准入审计（结论：有条件可纳入）

[leezx]

这个 PR 是什么

PR #59 冻结并获批的九项审计 AUD-01..AUD-09 的实际执行结果。那份冻结范围本身就是本次审计的授权依据。

读了 builder 源码、raw manifest、checksums、license 声明与三个 processed 表，而不是描述它们。 每一项 verdict 都附可复核依据。

结论：admissible_with_conditions——有条件可纳入。无一项 FAIL。

本 PR 不授予准入。 status: pending_review、两份文件的 admission_record_ref 都仍为 null、EVGAP-01 的 authorises_extraction_run 仍为 false。

main 基线 8aa7e87，5 个文件 +607／-0，Ran 351 tests 全部通过。

---

九项结论

ID	审计项	verdict
AUD-01	builder 实现与版本	PASS
AUD-02	raw manifest 与 raw_manifest_sha256	PASS（实算复核）
AUD-03	来源清单与 release	PASS_WITH_FINDING
AUD-04	license 与再分发	PASS_WITH_FINDING
AUD-05	family 独立性	PASS
AUD-06	去重逻辑	PASS_WITH_FINDING
AUD-07	discordance_flags 规则	PASS
AUD-08	代表性靶点逐行回溯	PASS
AUD-09	snapshot 可复现性	PASS_WITH_FINDING

AUD-05：独立性成立，而且恰好避开了你点名的失效模式

三家族的来源映射：

curated_knowledge        <- {goa_human, uniprot_reviewed_human}
imaging                  <- {hpa_subcellular_location}
cell_surface_capture_ms  <- {cspa}

goa_human 与 uniprot_reviewed_human 是同源的——GOA human 由 UniProt 策展流程产出。builder 把二者收进同一个 curated_knowledge 家族，因此不会计成两个独立家族。这正是你说的「同源数据重复计数」，builder 避开了它。

实例：GUCY2C 两个来源都 supported，family_count 仍为 1。

两条加强验证：

1. family 计数要求支持性证据，不是「有行即计」（builder 2112–2118）。反例检验：HPA 有行但 hpa_plasma_membrane = false 的基因共 11,334 个，其中 imaging 被计入的为 0 个。
2. family_count >= 2 必然包含至少一个实验型家族——curated_knowledge 是唯一可由两个来源喂养但只计一次的家族，要凑到 2 就必须再有 imaging 或 cell_surface_capture_ms。所以 RQ-01 的门槛不是形式门槛。

AUD-04：license 歧义存在，但不触及 EVGAP-01 读取的任何字段

19 个来源全部声明 license，六个有歧义：cellphonedb_gene／protein／complex／interaction（not declared）、cellchatdb_human（GPL-3.0 repository licence）、omnipath_intercell_receptor（per-resource retained）。

决定性检查：这六个没有任何一个出现在 source_evidence.tsv 中。 它们只喂 cci_receptor_*，而该字段已被 PR #59 barred_fields 禁用。进入的四个来源中三个是 CC BY 4.0。

这个结论是承重的——依赖 #59 的字段白名单。白名单一扩大，准入即失效（COND-02），测试也断言 cci_receptor_role 确实在 #59 的 barred_fields 中。

顺带记一处命名不一致：processed 用 source_id = cspa，manifest 用 cspa_validated_surfaceome 与 cspa_cell_type_matrix，无法直接 join。

AUD-09：完整性可验，可复现性有边界

shasum -a 256 -c checksums.sha256 对 19 个 raw 文件全部 OK。builder 唯一的时间依赖是第 268 行 datetime.now() 用于 processed_at_utc 时间戳字段，不参与计算；无 random、无 shuffle。给定同一 snapshot，构建确定。

但 uniprot_reviewed_human 与 goa_human 的 release 是 current_at_download，不是版本号。 从上游重新下载并重建不能保证逐字节复现。可复现性成立的前提是使用已归档的 raw snapshot（COND-03）。

四项准入条件

ID	条件
COND-01	仅限 0.3.0 / 2026-07-29-quant-topology-mm 这一个 snapshot（23 个校验和钉住），不覆盖其他版本或后续重建
COND-02	仅限 PR #59 的字段白名单；扩大到 cci_receptor_* 即失效
COND-03	基于已归档 snapshot，不基于可从上游复现
COND-04	重复键不得进入 EVGAP-01 判据；靶点轴扩大须重查

另两项 finding

AUD-03：manifest 的 release 字段全部为 null，release 字符串由 builder 另行赋值（processed 表中确有实义取值如 HPA 25.1; Ensembl 109）；但四个在用来源中两个是 current_at_download。

AUD-06：builder 中检索不到显式去重例程；实测 source_evidence.tsv 6 个重复键、membrane_topology_evidence.tsv 5 个。受影响基因 HERC3／MATR3／NPIPA9／PINX1／POLR2J3／PRODH／ERVK-7／NRXN1／NRXN2／NRXN3／SIRPB1，没有一个属于 41 个靶点；且 family 计数取自 support 布尔值而非行数，故重复行结构上不可能抬高 RQ-01（41 靶点的 family_count 与 families 列表实测 100% 一致）。

AUD-01 的一处如实记录

builder_version 由 config 传入而非脚本内常量，故「0.3.0」这个版本号依赖 build_manifest 自述、不能由脚本自身独立确证。不构成阻断（snapshot 由校验和钉住，版本号只是标签），但记录在案。

验证

Ran 351 tests 通过（基线 338 + 新增 13）；boundary check 通过。测试把结论钉在 #59 冻结的范围上：九项 ID 必须与 required_audit_items 完全相等；无 FAIL；每项必须有可复核依据（PASS_WITH_FINDING 必须写出 finding）；AUD-02 摘要必须是 64 位十六进制且与 #59 引用前缀一致；AUD-05 必须点名同源来源对并引用实测反例数；AUD-06 影响界定必须写明「没有一个属于 41 个靶点」并列出受影响基因；本审计不得授予准入。

11 个变异全部被捕获后精确回滚：自行授予准入、自填 admission_record_ref、删掉一项审计、AUD-05 去掉同源说明、AUD-05 声明「有行即计」、结论改为无条件可纳入、删掉 COND-02、抹去 AUD-09 的可复现性限制、AUD-06 影响界定改成含糊表述、删掉受影响基因清单、把某项判 FAIL 却不改总结论。

其中两个首轮逃逸，是我断言太松——assertIn("current_at_download", ...) 与 assertIn("41", ...) 在部分删除后仍命中残留文本。已改为要求实质内容，重测全部捕获。

没有做什么

• 没有授予准入；没有修改 evgap_01_surface_localization_extraction.yaml（admission_record_ref 仍 null，authorises_extraction_run 仍 false）。
• 没有执行 EVGAP-01 抽取；没有执行 Level 01；没有解除任何 EVGAP。
• 没有纳入该数据集其他版本或后续重建；没有扩大 EVGAP-01：target surface localization 抽取契约（contract-only；抽取待 SRCADM-01 授权） #59 字段白名单；没有纳入 SRCADM-02..05。
• 没有产生任何外部运行产物——本次是对既有文件的审计。
• 未补九份批准记录（task_20260804: record #50 and #51 approvals #52／task_20260804: record CRC clinical frame and membrane target screen run #53／task_20260804: record ADC Seed Playbook v0.1 implementation run #54／ADC Pool 漏斗 Level 01 定义与执行契约（contract-only，未执行） #57／ADC Pool Level 01 输入绑定契约（contract-only；仅绑定 raw 轴，不授权执行） #58／EVGAP-01：target surface localization 抽取契约（contract-only；抽取待 SRCADM-01 授权） #59／ADC Pool Level 01 Preview 结果审核（PROVISIONAL_NOT_AUTHORIZED_FOR_ADVANCEMENT） #60／EVGAP-02：CRC-specific linkage 证据抽取契约（contract-only，未执行；Track A） #61／EVGAP-02 CRC linkage 抽取结果审核（Tier 1 已执行，20 条验证全通过） #62）。

后续顺序

1. 本审计 APPROVE，在 logs/ 留审核记录
2. 另开 PR 把 admission_record_ref 指向该记录、authorises_extraction_run 转 true
3. 执行 EVGAP-01 抽取 → 结果 PR → binding，解除 EVGAP-01
4. EVGAP-02 结果审核在 PR EVGAP-02 CRC linkage 抽取结果审核（Tier 1 已执行，20 条验证全通过） #62；获批后另开 PR 解除 EVGAP-02
5. 两个缺口都解除后才能生成 ADC_POOL_LEVEL_01_ACCEPTED

本 PR 不适用 AGENTS.md「审核豁免」，须经 ChatGPT APPROVE。批准代表接受这份审计及其四项条件，并据此准入该单一 snapshot；不授权执行 EVGAP-01 抽取（须另开 PR 填 admission_record_ref），不解除任何证据缺口，不批准该数据集的其他版本。