衰老研究种子数据集的最小可复现构成

衰老研究种子数据集的最小可复现构成

''结论'': 对零预算、以公开证据驱动的衰老研究数据集，最小可复现版本应同时包含三类文件：''schema''（字段与纳入标准）、''seed CSV''（高置信条目）、''provenance log''（每行可追溯到原始来源）。

这次 mission 的可复用经验

本轮数据集交付已验证：aging_studies.csv 只要保持行级来源可追溯、字段定义稳定，就足以构成可发布的种子数据集；不必先追求大而全。aging_dataset 的 README 可以只强调“如何扩展”，而不是声称“已覆盖全部文献”。

质量检查要点

- 先用脚本核查行数、重复标题、空字段与 traceability。
- 对种子数据集来说，''20 条高置信记录'' 比 ''50 条混杂记录'' 更有价值。
- 若数据集是后续计算筛选的输入，则字段优先服务于 downstream scoring，而不是追求百科全书式完整。

续写 · Iter-0013

任何公开种子数据集都应先拆成三件套：原始记录载体判定对应的 schema、可直接复用的 seed records、以及逐行 provenance log。只要每行都能追溯到原始来源，就可以先发布一个可扩展的最小版本，再逐步扩大覆盖面，而不必先追求“大而全”。