Назначение

Определить пользовательские требования к автономной FUZKK-утилите, которая принимает CSV-файл лабораторных данных, выполняет проверку по зашитым в код правилам и формирует LabWare-compatible JSON.

Область применения

Утилита предназначена для предварительной QC/QA-оценки, интеграционного тестирования, LIMS/LabWare flow и подготовки evidence trail. Окончательное решение остаётся за валидированной процедурой лаборатории и ответственным персоналом.

Пользователи

QC analyst, QA reviewer, CSV/validation engineer, LIMS/LabWare integration engineer, responsible laboratory specialist.

Пользовательские требования

1. Утилита должна запускаться без параметров и выводить самоописание, пример input.csv из GetDemoData() и demo evaluation для встроенного набора данных.
2. Утилита должна запускаться с двумя параметрами: input.csv output.json.
3. Утилита не должна читать input.csv и не должна писать output.json при запуске без параметров.
4. CSV должен читаться с CultureInfo.InvariantCulture для числовых значений.
5. Результат должен формироваться в LabWare-compatible JSON с Header, Samples, Results, Status, StatusCode, ErrorMessage, Description и DescriptionEN.
6. При PASS поле ErrorMessage должно быть пустой строкой.
7. Зашитые лимиты должны следовать приоритету: Ph. Eur. → British Pharmacopoeia / UK implementation → ЕАЭС / региональные требования → EMA/ICH/EU guidance → USP fallback.
8. Если точная монография неизвестна, применяются строгие стандартные API-лимиты: Assay 98–102%, total impurities ≤1.0%, individual impurity ≤0.5%, если это применимо к типу утилиты.
9. Для биопрепаратов и mAb-like продуктов должны учитываться агрегаты, стерильность и эндотоксины, если такие параметры релевантны назначению утилиты.
10. Если параметр может приходить в разных единицах, единица должна быть отдельным входным полем или явно отражаться в имени поля input.csv.

Входной CSV

BatchNumber,ProductName,ReferencePatternId,Cosine_Similarity,Correlation_Coefficient,Euclidean_Distance_Normalized,Common_Peaks_Count,Required_Marker_Peaks,Detected_Marker_Peaks,Max_RT_Drift_Min
TCM-FP-2026-001,Panax Notoginseng Extract,REF-PN-001,0.985,0.992,0.05,12,5,5,0.2
TCM-FP-2026-002,Astragalus Root,REF-AR-002,0.960,0.985,0.08,10,4,4,0.3
TCM-FP-2026-003,Ginseng Powder,REF-GP-003,0.850,0.900,0.25,6,5,3,0.8

Поля input.csv

Описание утилиты

Herbal Chromatographic Fingerprint Analyzer — Анализатор хроматографических отпечатков трав

Herbal Chromatographic Fingerprint Analyzer — Анализатор хроматографических отпечатков трав

ℹ️ Утилита оценивает сходство хроматограмм с эталонным паттерном:
• Косинусное сходство (≥0.95)
• Коэффициент корреляции (≥0.98)
• Наличие общих и маркерных пиков
• Стабильность времени удерживания

⚠️ КРИТИЧНО: Отпечаток — это 'паспорт' травы!
Низкое сходство указывает на подмену вида или плохое качество.

Использование:
HerbalChromatographicFingerprintAnalyzer.exe → демо-режим (вывод в консоль)
HerbalChromatographicFingerprintAnalyzer.exe input.csv output.json → оценка ваших данных

Формат input.csv:
BatchNumber,ProductName,ReferencePatternId,Cosine_Similarity,Correlation_Coefficient,Euclidean_Distance_Normalized,Common_Peaks_Count,Required_Marker_Peaks,Detected_Marker_Peaks,Max_RT_Drift_Min

Пример:
TCM-FP-2026-001,Panax Notoginseng Extract,REF-PN-001,0.985,0.992,0.05,12,5,5,0.2

— ЗАЧЕМ ЭТО НУЖНО?
Контроль хроматографических отпечатков критичен для TCM и фитопрепаратов (Yunnan Baiyao, Tong Ren Tang):
• Травы содержат сотни соединений, и одна молекула не может характеризовать качество
• "Отпечаток" (Fingerprint) отражает целостный химический профиль
• Позволяет выявлять фальсификацию (подмену вида растения)
• Контролирует стабильность сырья из разных географических зон и урожаев
• Требуется фармакопеями (ChP, USP) для регистрации сложных растительных препаратов

⚠️ КРИТИЧЕСКИ ВАЖНО:
• Косинусное сходство ≥0.95 — стандарт для признания партии идентичной эталону
• Коэффициент корреляции ≥0.98 — высокая линейная связь профилей
• Все маркерные пики (характерные для вида) должны присутствовать
• Дрейф времени удерживания ≤0.5 мин — гарантия корректности хроматографии
• Отсутствие лишних пиков, указывающих на загрязнители

Ключевые особенности утилиты:
• Расчет метрик сходства (Cosine, Pearson, Euclidean)
• Проверка наличия специфических маркерных пиков
• Оценка стабильности хроматографической системы
• Поддержка различных видов детекции (DAD, ELSD, MS)

Критические параметры:
• Cosine Similarity: ≥0.95
• Correlation Coefficient: ≥0.98
• Маркерные пики: 100% присутствие
• Дрейф RT: ≤0.5 мин

💡 Советы по использованию:
1. Используйте стандартизированные условия экстракции и хроматографии
2. Проводите выравнивание базовой линии перед расчетом сходства
3. Для сложных смесей используйте многоволновую детекцию (DAD)
4. Создавайте библиотеку эталонных отпечатков для каждого поставщика сырья
5. Сочетайте анализ отпечатков с количественным определением основных маркеров

⚠️ Особенность: В отличие от синтетических препаратов, где примеси нормируются индивидуально, в травах важен общий баланс компонентов. Изменение соотношения даже второстепенных пиков может указывать на изменение условий выращивания или сбора, что влияет на терапевтическую эффективность. Утилита помогает сохранить эту целостность.

Трассируемость и ограничения

• URS используется как исходный документ для functional specification, CSV review и последующей CSV/validation работы.
• Документ не является заменой утверждённой фармакопейной монографии, валидированного метода или внутренней спецификации продукта.
• Для product-specific лимитов приоритет имеет утверждённая спецификация заказчика.

Функциональная спецификация описывает поведение автономной консольной утилиты FUZKK, формат входных данных, алгоритм оценки и структуру выходного JSON.

Функциональный поток

1. Main() проверяет количество аргументов.
2. Если аргументов нет: PrintHello() выводит описание и встроенный пример input.csv, затем RunDemoEvaluation() выполняет Evaluate() по GetDemoData() и печатает demo JSON.
3. Если передано два аргумента: RunWithFiles(input.csv, output.json) читает CSV, выполняет Evaluate() по каждой строке и записывает LabWare-compatible JSON.
4. LoadData() использует CultureInfo.InvariantCulture и не должен вызываться в no-args режиме.
5. Evaluate() возвращает именованный кортеж с BatchNumber, ProductName, Parameters, CriticalFailCount, WarningCount, Recommendation и RecommendationEN.
6. GetIssues() формирует сообщения для ErrorMessage при WARNING/FAIL.

Правила оценки

• PASS: CriticalFailCount = 0 и WarningCount = 0.
• WARNING: CriticalFailCount = 0 и WarningCount > 0.
• FAIL: CriticalFailCount > 0.
• ERROR: исключение при чтении или обработке данных.
• ErrorMessage остаётся пустым при PASS.
• Лимиты зашиты в Program.cs; внешняя конфигурация лимитов не требуется.

Ввод и поля

BatchNumber,ProductName,ReferencePatternId,Cosine_Similarity,Correlation_Coefficient,Euclidean_Distance_Normalized,Common_Peaks_Count,Required_Marker_Peaks,Detected_Marker_Peaks,Max_RT_Drift_Min
TCM-FP-2026-001,Panax Notoginseng Extract,REF-PN-001,0.985,0.992,0.05,12,5,5,0.2
TCM-FP-2026-002,Astragalus Root,REF-AR-002,0.960,0.985,0.08,10,4,4,0.3
TCM-FP-2026-003,Ginseng Powder,REF-GP-003,0.850,0.900,0.25,6,5,3,0.8

Выходной JSON

{
  "Header": {
    "UtilityName": "Herbal_Chromatographic_Fingerprint_Analyzer",
    "Version": "1.0.0",
    "Timestamp": "UTC",
    "InstrumentID": "FUZKK-QC-WORKSTATION",
    "OperatorID": "Admin"
  },
  "Samples": [
    {
      "SampleID": "from BatchNumber",
      "BatchNumber": "from CSV",
      "ProductName": "from CSV",
      "TestName": "utility-specific test",
      "AnalysisCode": "utility-specific code",
      "Status": "PASS | WARNING | FAIL | ERROR",
      "StatusCode": "1 | 2 | 0 | -1",
      "ErrorMessage": "",
      "Description": "Russian recommendation",
      "DescriptionEN": "English recommendation",
      "Results": [
        {
          "ParameterName": "parameter",
          "ResultValue": 0.0,
          "UnitOfMeasure": "unit",
          "SpecificationLimit": "limit",
          "IsWithinSpec": true
        }
      ]
    }
  ]
}