Update app.py

app.py

@@ -1,22 +1,25 @@
 import gradio as gr
 
-# ===== 分子層 =====
+# ======================
+# 分子層（你原本的）
+# ======================
 from translation import translate_rna, apply_point_mutation
 from mutation_analysis import classify_mutation
 
-# ===== Bayes 教學核心 =====
-from bayes_update import (
-    bayes_prior_no_kids,
-    calc_updated_risk
-)
+# ======================
+# Bayes（完全照 PPT）
+# ======================
+from bayes_update import bayes_prior_no_kids, calc_updated_risk
 
-# ===== LLM（只解釋，不計算）=====
+# ======================
+# LLM（只解釋，不算）
+# ======================
 from llm_client import chat_teaching_question
 
 
-# =========================
-# Page 1：序列與突變分析
-# =========================
+# =================================================
+# Tab 1：序列與突變（分子層）
+# =================================================
 def analyze_sequence(rna_sequence, mutation_description):
     wt_protein = translate_rna(rna_sequence)
     mut_rna = apply_point_mutation(rna_sequence, mutation_description)
@@ -29,54 +32,58 @@ def analyze_sequence(rna_sequence, mutation_description):
         f"【RNA（突變後）】\n{mut_rna}\n\n"
         f"【Protein（WT）】\n{wt_protein}\n\n"
         f"【Protein（Mutant）】\n{mut_protein}\n\n"
-        f"【突變類型】\n{mutation_type}"
+        f"【突變類型判定】\n{mutation_type}"
     )
 
 
-# =========================
-# Page 2：Bayes 教學（完全照 PPT）
-# =========================
-def bayes_teaching(p, n):
+# =================================================
+# Tab 2：Bayes 教學（完全照 PPT）
+# =================================================
+def bayes_teaching_pipeline(p, n):
+    # Step 1：只有「爸爸未發病」
     posterior_no_kids = bayes_prior_no_kids(p)
-    posterior_updated, next_child_risk = calc_updated_risk(p, n)
-
-    return f"""
-📊【貝氏推導結果（教學用）】
-
-【前提】
-- RB1 為自體顯性
-- D 為致病等位基因
-- 疾病穿透力 p = {p}
-- 已有健康小孩數 n = {n}
-- 媽媽假設為 dd（不帶病，固定）
-
-【Step 1｜爸爸未發病】
-P(爸爸是 Dd | 未發病)
-= {posterior_no_kids:.4f}
-
-【Step 2｜已有 {n} 個健康小孩】
-P(爸爸是 Dd | n 個健康)
-= {posterior_updated:.4f}
 
-【Step 3｜下一胎風險】
-P(第 {n+1} 個小孩發病)
-= {next_child_risk*100:.2f} %
+    # Step 2 + 3：加入 n 個健康小孩
+    posterior_updated, next_child_risk = calc_updated_risk(p, n)
 
-⚠️ 僅供 Bayes 與遺傳學教學使用，不構成醫療建議
-"""
+    return (
+        "📊【Bayes 推導結果（教學用）】\n\n"
+        "【固定前提】\n"
+        "- 疾病：RB1（自體顯性）\n"
+        "- D 為疾病基因\n"
+        "- 母親基因型：dd（不帶疾病，不參與推論）\n"
+        "- 父親目前未發病，基因型未知\n"
+        "- 每個孩子是否發病彼此獨立\n\n"
+        "---------------------------------\n"
+        f"【Step 1｜僅根據父親未發病】\n"
+        f"P(父親是 Dd | 未發病) = {posterior_no_kids:.4f}\n\n"
+        "---------------------------------\n"
+        f"【Step 2｜加入 {n} 個健康小孩】\n"
+        f"P(父親是 Dd | {n} 個健康小孩) = {posterior_updated:.4f}\n\n"
+        "---------------------------------\n"
+        f"【Step 3｜第 {n+1} 個小孩】\n"
+        f"P(第 {n+1} 個小孩發病) ≈ {next_child_risk*100:.2f}%\n\n"
+        "⚠️ 僅為機率與 Bayes 教學示例，不構成醫療建議"
+    )
 
 
-# =========================
+# =================================================
 # UI
-# =========================
+# =================================================
 with gr.Blocks() as demo:
     gr.Markdown("# 🧬 RB1（視網膜母細胞瘤）遺傳諮詢 × Bayes 教學系統")
     gr.Markdown("⚠️ 僅供教學與研究使用，不提供醫療診斷或個人化建議。")
 
-    # -------- Page 1 --------
+    # ---------------- Tab 1 ----------------
     with gr.Tab("🧬 序列與突變（分子層）"):
-        rna = gr.Textbox(label="RNA 序列", placeholder="例如：AUGGAGUUU...")
-        mutation = gr.Textbox(label="突變描述", placeholder="例如：c.4G>A")
+        rna = gr.Textbox(
+            label="RNA 序列",
+            placeholder="例如：AUGGAGUUU..."
+        )
+        mutation = gr.Textbox(
+            label="突變描述",
+            placeholder="例如：c.4G>A"
+        )
         seq_output = gr.Textbox(label="分析結果", lines=14)
 
         gr.Button("分析序列").click(
@@ -85,29 +92,55 @@ with gr.Blocks() as demo:
             outputs=seq_output
         )
 
-    # -------- Page 2 --------
+    # ---------------- Tab 2 ----------------
     with gr.Tab("📊 機率與穿透力（Bayes 教學）"):
-        penetrance = gr.Slider(0, 1, value=0.6, step=0.05, label="疾病穿透力 p")
-        n_children = gr.Number(value=0, precision=0, label="已知健康小孩數 n")
+        gr.Markdown(
+            """
+### 🧠 教學前提（固定，不可修改）
+- 疾病為 **自體顯性**
+- **D 為疾病基因**
+- 母親為 **dd（不帶病）**
+- 父親目前未發病，但是否為 Dd 不確定  
+- 使用 Bayes 定理反推父親基因型
+            """
+        )
 
-        bayes_output = gr.Textbox(label="Bayes 推導結果", lines=18)
+        p = gr.Slider(
+            0, 1, value=0.6, step=0.05,
+            label="疾病穿透力 p（帶 D 基因者實際發病機率）"
+        )
 
-        gr.Button("計算風險（教學）").click(
-            bayes_teaching,
-            inputs=[penetrance, n_children],
+        n = gr.Number(
+            value=0, precision=0,
+            label="已知健康小孩數 n"
+        )
+
+        bayes_output = gr.Textbox(
+            label="Bayes 推導與風險結果（教學用）",
+            lines=16
+        )
+
+        gr.Button("計算風險（教學用）").click(
+            bayes_teaching_pipeline,
+            inputs=[p, n],
             outputs=bayes_output
         )
 
-    # -------- Page 3 --------
+    # ---------------- Tab 3 ----------------
     with gr.Tab("💬 教學問答（LLM 解釋，不計算）"):
         gr.Markdown(
-            "請針對 **上方 Bayes 結果** 提問。\n\n"
-            "⚠️ AI 僅做概念說明，不重新計算、不提供醫療建議。"
+            """
+請根據 **Bayes 教學頁的結果** 提問，例如：
+- 為什麼健康小孩越多，父親是 Dd 的機率會下降？
+- 為什麼母親是 dd 就不用算？
+- 為什麼不能一開始就假設爸爸是 Dd？
+
+⚠️ AI **只解釋概念，不重新計算、不提供醫療建議**
+            """
         )
 
         question = gr.Textbox(
-            label="你的問題",
-            placeholder="例如：為什麼健康小孩越多，風險會下降？",
+            label="你的問題（教學性）",
             lines=3
         )
 
@@ -120,4 +153,3 @@ with gr.Blocks() as demo:
         )
 
 demo.launch()
-