Dos paneles contaban menos de lo que hay

[frapercan]

Los dos salen en la misma captura de las estadisticas publicas y los dos reportan
menos de lo que el registro sostiene.

1. El top 20 de organismos partia cada taxon en dos

Agrupaba por (organism, taxonomy_id), y las dos rutas de carga escriben el
nombre distinto: la de Swiss-Prot pone Homo sapiens y la del TSV
Homo sapiens (Human).

Medido sobre el corpus vivo:

taxones con mas de un nombre	726
de los 6 primeros del ranking, cuantos partidos	6
taxon 9606, real	41.823 canonicas
taxon 9606, como salia	21.387 y 20.436

Asi que no es que una barra estuviera mal: el orden estaba mal de arriba
abajo, porque comparaba mitades contra enteros.

Ahora agrupa por taxonomy_id. El nombre se elige con min() para que sea
determinista y no el que el plan emita; el taxon es la identidad y el nombre una
etiqueta. Se excluyen las filas sin taxon, que son las 28.868 entradas borradas
de UniProtKB: no llevan ni taxon ni organismo, el filtro de organism ya las
quitaba, y conviene decirlo tambien de la clave nueva para que no colapsen en una
barra sin nombre.

2. La cobertura por PLM media la espina y no el corpus

Decia 576.450 al 100,0%. Es aritmetica honesta sobre la poblacion
equivocada:

proteinas en el corpus	792.535
canonicas	746.014
canonicas con embedding	746.014
lo que decia la tarjeta	576.450

Todas las canonicas estan embebidas, asi que la tarjeta escondia 169.564 y
afirmaba algo mas debil de lo que los datos sostienen.

El reviewed=True en los dos lados lo puse yo en #1002, para cortar un 121,5%
medido. Pero la causa de aquello era un numerador desalineado, no la espina:
alinear los dos lados en is_canonical a secas arregla el porcentaje sin encoger
lo que se reporta. Canonicas y no la tabla entera porque una isoforma comparte
secuencia con su padre y contaria como cobertura separada de lo mismo.

De paso, y en la direccion contraria a la trampa habitual: 684.048 filas de
embedding cubren 792.535 proteinas, porque las accesiones que comparten
secuencia comparten su embedding.

El test de la cobertura era mio y estaba mal de dos formas

Afirmaba que .filter(Protein.reviewed.is_(True)) aparecia dos veces en el
texto fuente. Habia que editarlo cada vez que cambiara la poblacion, y no decia
nada sobre lo unico que importa, que es que los dos lados coincidan.

Ahora extrae el conjunto de columnas que filtra cada lado y los compara, mas un
segundo test que fija cual es la poblacion. Un cambio de poblacion futuro rompe
el segundo y deja el primero en pie, que es como deberia haber estado.

Comprobado

Seis tests nuevos y 28 en el fichero, todos en verde. Cuatro mutaciones
verificadas una a una: volver a agrupar por nombre, el nombre sin agregar, sin
excluir el taxon nulo, y volver a estrechar a Swiss-Prot.

ruff, mypy y el presupuesto de smells en verde.

Lo que NO era un fallo

En la misma captura, el panel "GO annotations: source x version x aspect x
evidence" sale vacio. Lo comprobe por la misma ruta que usa el navegador: responde
200 en 18 ms con 35 KB. Era el esqueleto del useLazyLoad cazado en vuelo al
hacer scroll, no un fallo, asi que no toco nada ahi.

[codecov]

Codecov Report

✅ All modified and coverable lines are covered by tests.
✅ Project coverage is 88.04%. Comparing base (d8bc801) to head (90b16fd).
⚠️ Report is 111 commits behind head on develop.

Additional details and impacted files

@@             Coverage Diff             @@
##           develop    #1012      +/-   ##
===========================================
+ Coverage    87.85%   88.04%   +0.19%     
===========================================
  Files          306      330      +24     
  Lines        23414    25662    +2248     
===========================================
+ Hits         20570    22594    +2024     
- Misses        2844     3068     +224     

Files with missing lines	Coverage Δ
protea/api/routers/proteins_stats.py	96.50% <ø> (-0.45%)	⬇️

... and 41 files with indirect coverage changes

🚀 New features to boost your workflow:

• ❄️ Test Analytics: Detect flaky tests, report on failures, and find test suite problems.
• 📦 JS Bundle Analysis: Save yourself from yourself by tracking and limiting bundle sizes in JS merges.