¿Cuánto de pirámide tiene cada fuente, y en qué plantas están los puentes? · 06/11/2026 22:56
Medido por Silicio sobre la mesa de producción (/datos/nvme/elaizii/produccion/mesa.sqlite, solo lectura), con herramientas/piramide.py (corrido en la nave; salida en /datos/prepro/root/piramide.out; ojo: su lista de tipos de jerarquía coló «está en investigación para», que se descartó al leer). Pedido por Eduardo: «primero, veamos cómo de real es la estructura piramidal; segundo, pensaremos en niveles reales o virtuales que conecten las distintas estructuras una a una, por ejemplo la Inhixa como nodo virtual de todas las formulaciones». Su imagen: cada fuente es un edificio de n plantas; los edificios están conectados, pero no por todas las plantas.
Ojo con la profundidad: la tabla nivel solo sigue «es un» de SNOMED (sct:116680003); por eso MeSH, ChEBI y CIMA salen con profundidad 0 aunque tengan padres. Los datos de «tiene padre» y «varios padres» sí valen para todas.
1. La forma de cada edificio
| Fuente | Objetos | Con padre | Varios padres | Forma |
|---|---|---|---|---|
SNOMED (sct) | 402 796 | 100 % | 48 % | rascacielos con escaleras cruzadas: 40 % a 12 o más plantas de hondo |
| Gene Ontology | 38 092 | 100 % | 51 % | red de varios padres, 5-9 plantas |
| MONDO | 32 134 | 100 % | 34 % | red de varios padres |
| MeSH | 31 186 | 100 % | 30 % | árbol con ramas cruzadas |
| HPO | 19 894 | 100 % | 19 % | árbol hondo |
| ChEBI | 11 867 | 99 % | 44 % | red de varios padres |
| Orphanet | 11 646 | 86 % | 38 % | árbol con ramas cruzadas |
| ATC | 6 436 | 100 % | 0 % | la única pirámide de verdad: 5 plantas, un padre |
| CIE-10 | 12 207 | 84 % | 0 % | dos plantas |
| CIMA (presentaciones) | 59 462 | 42 %, fuera de su edificio | — | planta baja: sin pisos propios; cuelga de SNOMED por «contiene» |
| Genes HGNC | 45 289 | 63 %, fuera (familias) | — | planta baja + familias |
| LOINC | 112 405 | 0 % | — | planta baja |
| Wikidata | 96 400 | casi plana | — | la pasarela (ver § 2) |
La pirámide es real en la mitad de los edificios, y aun así no es pirámide sino red. Los grandes vocabularios (SNOMED, GO, MONDO, ChEBI) dan varios padres a un tercio o la mitad de sus conceptos: son redes con plantas, no pirámides. Solo el ATC es pirámide limpia. La otra mitad no tiene plantas: CIMA, genes y LOINC son plantas bajas. Su altura se la prestan otros edificios (CIMA, SNOMED; los genes, sus familias y Wikidata).
2. Dónde están los puentes (fusiones entre fuentes)
| Puente | Cuántos | En qué planta de cada lado |
|---|---|---|
| genes ↔ Wikidata | 42 730 | planta baja ↔ planta baja |
| MeSH ↔ Wikidata | 30 968 | 0 ↔ 0 (la mitad) y 0 ↔ hondo |
| MeSH ↔ SNOMED | 12 461 | MeSH ↔ SNOMED hondo (12 o más) |
| MONDO ↔ Wikidata | 11 054 | 0 ↔ 0 |
| MONDO ↔ SNOMED | 8 775 | ↔ SNOMED hondo |
| MONDO ↔ Orphanet | 8 354 | 0 ↔ 0 |
| Orphanet ↔ SNOMED | 6 467 | SNOMED hondo |
| HPO ↔ SNOMED | 4 830 | SNOMED hondo |
| CIMA ↔ SNOMED | 2 262 | (más 29 515 relaciones «contiene principio activo») |
| ChEBI ↔ ChEMBL | 905 | |
| ChEMBL ↔ CIMA | 204 | |
| CIMA ↔ Wikidata | 201 | |
| ATC ↔ cualquiera | 0 fusiones | pero sí 9 883 relaciones derivadas «tiene ATC» (ChEMBL 4 090, CIMA 3 626, SNOMED 2 167) |
Tres cosas:
- Wikidata es la pasarela: la mayoría de los puentes pasan por ella (genes, MeSH, MONDO, Orphanet, HPO). Une plantas bajas con plantas bajas.
- SNOMED se conecta por su planta más honda: los puentes con MeSH, MONDO, Orphanet y HPO caen en sus hojas (12 o más plantas). Quien entra por una planta alta de SNOMED no ve esos puentes sin bajar.
- El edificio de los medicamentos está casi aislado: CIMA tiene 2 262 puentes con SNOMED, 204 con ChEMBL y 201 con Wikidata para 59 462 presentaciones, y ninguna planta propia (no hay «Inhixa», solo sus siete presentaciones). El ATC no se funde con nadie: se une por relaciones derivadas («tiene ATC»), colgadas de unas presentaciones y sustancias y no de otras. Syd dijo «no le da ninguna clase ni ATC» al Inhixa porque miró en la presentación y no subió a la sustancia: el puente estaba en otra planta.
3. Lo que sale para el paso 2 (niveles reales o virtuales, edificio a edificio)
- CIMA: le faltan plantas. Plantas virtuales: la marca (Inhixa como nodo de sus presentaciones, la idea de Eduardo) y, encima, la sustancia y la clase (ATC) como plantas prestadas, unidas por código. En marcha en la columna (E-1626).
- ATC: es pirámide limpia, unida por relaciones derivadas a unas plantas sí y a otras no. Que el ATC de la sustancia se vea desde todas sus presentaciones y marcas (herencia de la columna) y cuente cuántas quedan sin ATC.
- SNOMED: le sobran plantas. Marcar las plantas útiles (sustancia, producto, enfermedad concreta) y que los puentes de sus hojas se vean desde ellas.
- Genes: planta baja con familias; su altura útil es la familia y la función (GO). Puente de la diana (ChEMBL) al gen y a la proteína/enzima de SNOMED (el caso de la HMG-CoA reductasa).
- Wikidata: es la pasarela; vale más como puente que como edificio.
- LOINC: planta baja; su altura son sus partes (componente, sistema…).
4. Decidido (Eduardo, 06/11/2026 23:0x: «coincido totalmente, creo que es el camino»)
El camino es el de § 3, edificio a edificio, con niveles reales o virtuales que los conecten:
- CIMA: plantas virtuales (la marca; la sustancia y la clase, prestadas por código) → columna del medicamento, E-1626 / E-1626-2.
- Genes ↔ proteína/enzima de SNOMED ↔ diana de ChEMBL → la columna de la diana, dentro de E-1626-2.
- SNOMED: marcar sus plantas útiles y que los puentes de sus hojas se vean desde ellas; el puente más cercano precalculado por nodo y por fuente; la tabla de qué cruza plantas (la identidad y la clase suben; las propiedades bajan solo por regla); Wikidata como pasarela → TX-1630 / E-1630, tras E-1626-2.
- La cifra que lo mide: por cada par de edificios, el % de nodos que llega al otro sin subir, subiendo ≤ 2 y ≤ 5 plantas (
herramientas/piramide.py, ampliado).
Karb and Sil · CC BY 4.0