STEP 02C · HOMOLOG QC
同源候选质量筛选
把 Step 02B 的 homologs_raw.fasta 与 homologs_metadata_raw.csv 导入浏览器，在本地完成数据一致性检查、coverage / length / E-value 筛选、远缘 full-length candidate 标记和人工复核，然后导出进入 02D 的 QC 数据集。
● LOCAL ONLY · 文件不上传服务器
1 · 导入 Step 02B 文件
FASTA · homologs_raw.fastaClusteredNR 的 FASTA (cluster)
尚未选择文件
Metadata · homologs_metadata_raw.csvClusters Table (CSV)，建议含 Scientific Name、Taxid、Query Cover、E value、Per. ident、Acc. Len、Accession
尚未选择文件
输入文件只在当前浏览器中解析，不上传到 NavLab。建议保留 02B 原始文件不覆盖。
2 · Input validation
—FASTA sequences
—metadata rows
—accession matched
—duplicate accession
—validation issues
载入两个文件后，会检查 accession 一一对应、FASTA 实际长度、metadata 长度、缺失 taxonomy 和非法序列字符。
Reference 用于计算 length ratio；默认优先识别 100% identity / 100% query cover 的记录。
3 · 设置 QC 规则
默认规则只筛“结构完整性”，不把 Percent Identity 当作 family cutoff。自动分类分为 KEEP / REVIEW / DROP；所有状态都可以在表格中人工覆盖。
自动状态逻辑：满足当前 QC 条件 → KEEP；未满足主条件但仍有较高 coverage 且 length ratio 大致在 0.5–1.75 → REVIEW；明显 fragment / fusion、很低 coverage、缺失序列或统计证据不达标 → DROP。低 identity 但 full-length 的序列会标记为 ★ distant_full_length，不会因为 identity 低而自动删除。
4 · Sequence space overview
0KEEP
0REVIEW
0DROP
0★ distant full-length
Percent Identity distribution
用于观察 sequence-space 的近缘 / 远缘分布，不作为默认硬 cutoff。
Protein length / ratio vs. Percent Identity
纵轴刻度同时显示实际 Length（aa）与对应 Ratio；两者是同一个长度条件的两种表示。
Query Coverage vs. Percent Identity
低 identity + 高 coverage 是值得重点检查的 distant homolog 区域。
5 · 人工复核与备注
| Status | Accession | Scientific Name | Query Cover | Identity | Length | Len ratio | E-value | Annotation | QC flags | Manual status | Note |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 载入数据后显示。 | |||||||||||
0 rows
6 · 保存 / 恢复 QC 项目
推荐使用自包含的 .navqc.json 项目文件，而不是 XML。它会把两个 02B 原始文件、reference、当前 QC 参数、人工 KEEP/REVIEW/DROP 覆盖、备注和界面筛选状态一起保存；以后只导入这一个文件即可完整恢复。
保存当前项目
生成一个自包含项目快照，可在另一台电脑或稍后重新打开，原始 FASTA / metadata 与人工判断都会保留。
恢复项目
导入之前保存的 .navqc.json，自动恢复数据、reference、滑块位置、人工状态和备注。
尚未导入项目
7 · 导出 02C 结果
项目文件用于“以后完整恢复”；下面三个文件用于“把本次 QC 的结果交给下一步”。02C 不覆盖 02B 原始文件。
homologs_metadata_qc.csv全部候选 + 自动状态 + 人工覆盖 + length ratio + QC flags + notes。
homologs_qc.fasta只导出最终状态为 KEEP 的序列，进入 02D。
homologs_review.fasta单独导出 REVIEW 序列，便于人工检查，不与主数据集混淆。