"""
IL-1β(Interleukin-1 beta) 증가시키는 음식/건강기능식품 연구

목적: PubMed에서 IL-1β를 증가시키는(염증 유발) 식품 관련 논문 검색
작성일: 2026-02-04
"""

import sys
import os

# UTF-8 인코딩 강제 (Windows 한글 깨짐 방지)
if sys.platform == 'win32':
    import io
    sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8')
    sys.stderr = io.TextIOWrapper(sys.stderr.buffer, encoding='utf-8')

from Bio import Entrez
from dotenv import load_dotenv

load_dotenv()

# NCBI Entrez 설정
Entrez.email = os.getenv('PUBMED_EMAIL', 'test@example.com')
api_key = os.getenv('PUBMED_API_KEY')
if api_key:
    Entrez.api_key = api_key


def search_pubmed(query, max_results=10):
    """PubMed 논문 검색"""
    try:
        print("=" * 80)
        print(f"검색어: {query}")
        print("=" * 80)

        handle = Entrez.esearch(
            db="pubmed",
            term=query,
            retmax=max_results,
            sort="relevance"
        )
        record = Entrez.read(handle)
        handle.close()

        pmids = record["IdList"]
        total_count = int(record["Count"])

        print(f"[OK] 총 {total_count}건 검색됨, 상위 {len(pmids)}건 조회\n")

        return pmids

    except Exception as e:
        print(f"[ERROR] 검색 실패: {e}")
        return []


def fetch_paper_details(pmids):
    """PMID로 논문 상세 정보 가져오기"""
    try:
        handle = Entrez.efetch(
            db="pubmed",
            id=pmids,
            rettype="medline",
            retmode="xml"
        )
        papers = Entrez.read(handle)
        handle.close()

        results = []

        for idx, paper in enumerate(papers['PubmedArticle'], 1):
            article = paper['MedlineCitation']['Article']
            pmid = str(paper['MedlineCitation']['PMID'])
            title = article.get('ArticleTitle', '')

            # 초록 추출
            abstract_parts = article.get('Abstract', {}).get('AbstractText', [])
            full_abstract = ""
            if abstract_parts:
                if isinstance(abstract_parts, list):
                    for part in abstract_parts:
                        if hasattr(part, 'attributes') and 'Label' in part.attributes:
                            label = part.attributes['Label']
                            full_abstract += f"\n\n**{label}**\n{str(part)}"
                        else:
                            full_abstract += f"\n{str(part)}"
                else:
                    full_abstract = str(abstract_parts)

            # 메타데이터
            journal = article.get('Journal', {}).get('Title', '')
            pub_date = article.get('Journal', {}).get('JournalIssue', {}).get('PubDate', {})
            year = pub_date.get('Year', '')

            result = {
                'pmid': pmid,
                'title': title,
                'abstract': full_abstract.strip(),
                'journal': journal,
                'year': year
            }

            results.append(result)

            # 출력
            print(f"[{idx}] PMID: {pmid}")
            print(f"제목: {title}")
            print(f"저널: {journal} ({year})")
            print(f"링크: https://pubmed.ncbi.nlm.nih.gov/{pmid}/")
            print("-" * 80)
            print(f"초록:\n{full_abstract}")
            print("=" * 80)
            print()

        return results

    except Exception as e:
        print(f"[ERROR] 논문 정보 가져오기 실패: {e}")
        return []


def analyze_findings(papers):
    """연구 결과 분석 및 요약"""

    print("\n" + "=" * 80)
    print("IL-1β 증가시키는 식품 분석 결과")
    print("=" * 80)

    # 키워드 기반 분류
    categories = {
        '고지방 식품': ['high-fat', 'fatty', 'saturated fat', 'trans fat', 'lipid'],
        '고당 식품': ['sugar', 'glucose', 'fructose', 'high-carbohydrate', 'sweetened'],
        '가공식품': ['processed', 'ultra-processed', 'refined', 'junk food'],
        '적색육': ['red meat', 'beef', 'pork', 'processed meat'],
        '알코올': ['alcohol', 'ethanol', 'drinking'],
        '염증 유발 오일': ['omega-6', 'vegetable oil', 'corn oil', 'soybean oil'],
        '기타': []
    }

    findings = {cat: [] for cat in categories.keys()}

    for paper in papers:
        abstract_lower = paper['abstract'].lower()
        title_lower = paper['title'].lower()
        combined_text = title_lower + ' ' + abstract_lower

        # IL-1β 증가 관련 키워드 확인
        if any(keyword in combined_text for keyword in ['increase', 'elevated', 'upregulated', 'higher']):
            if 'il-1' in combined_text or 'interleukin-1' in combined_text:

                # 카테고리 분류
                categorized = False
                for category, keywords in categories.items():
                    if category == '기타':
                        continue
                    if any(keyword in combined_text for keyword in keywords):
                        findings[category].append({
                            'pmid': paper['pmid'],
                            'title': paper['title'],
                            'year': paper['year']
                        })
                        categorized = True
                        break

                if not categorized:
                    findings['기타'].append({
                        'pmid': paper['pmid'],
                        'title': paper['title'],
                        'year': paper['year']
                    })

    # 결과 출력
    for category, papers_list in findings.items():
        if papers_list:
            print(f"\n### {category} ({len(papers_list)}건)")
            for paper in papers_list:
                print(f"  - [{paper['year']}] {paper['title']}")
                print(f"    PMID: {paper['pmid']}")

    print("\n" + "=" * 80)


def print_summary():
    """연구 요약 및 GraphRAG 구조 제안"""

    print("\n" + "=" * 80)
    print("GraphRAG 지식 그래프 구조 제안")
    print("=" * 80)

    summary = '''
## IL-1β 증가시키는 식품 GraphRAG 모델

### 노드 타입
1. Food (음식)
   - name: "고지방 식품", "설탕", "가공육" 등
   - category: "pro_inflammatory"

2. Biomarker (바이오마커)
   - name: "IL-1β"
   - type: "inflammatory_cytokine"

3. Disease (질병)
   - name: "만성 염증", "대사증후군", "심혈관질환"

4. Evidence (PubMed 논문)
   - pmid: "12345678"
   - reliability: 0.85

### 관계 타입
1. INCREASES (음식 → IL-1β)
   - magnitude: "high", "moderate", "low"
   - mechanism: "AGE_formation", "oxidative_stress", "gut_microbiome"

2. ASSOCIATED_WITH (IL-1β → 질병)
   - strength: 0.8

3. SUPPORTED_BY (관계 → Evidence)
   - pmid: "12345678"

### Cypher 쿼리 예시

# 1. IL-1β를 증가시키는 모든 식품 조회
MATCH (food:Food)-[inc:INCREASES]->(il1b:Biomarker {name: 'IL-1β'})
OPTIONAL MATCH (inc)-[:SUPPORTED_BY]->(e:Evidence)
RETURN food.name AS 식품,
       inc.magnitude AS 증가정도,
       inc.mechanism AS 메커니즘,
       e.pmid AS 근거논문
ORDER BY inc.magnitude DESC

# 2. 고지방 식품 → IL-1β → 질병 경로
MATCH path = (food:Food {category: 'high_fat'})
             -[:INCREASES]->(il1b:Biomarker {name: 'IL-1β'})
             -[:ASSOCIATED_WITH]->(disease:Disease)
RETURN food.name AS 식품,
       disease.name AS 질병,
       [node IN nodes(path) | node.name] AS 경로

# 3. 특정 환자에게 피해야 할 식품 추천
MATCH (patient:PatientProfile {conditions: ['chronic_inflammation']})
MATCH (food:Food)-[:INCREASES]->(il1b:Biomarker {name: 'IL-1β'})
             -[:ASSOCIATED_WITH]->(disease:Disease)
WHERE disease.name IN patient.conditions
RETURN DISTINCT food.name AS 피해야할식품,
                disease.name AS 이유
ORDER BY food.name

### 약국 활용 시나리오

**시나리오 1: 만성 염증 환자 상담**
```
환자: "관절염이 있는데 식습관 개선 방법이 있나요?"
약사 (시스템):
"IL-1β 염증 지표를 증가시키는 다음 식품들을 피하세요:
 1. 가공육 (베이컨, 소시지) - PMID:30371340
 2. 설탕 함유 음료 - PMID:27959716
 3. 트랜스지방 (마가린) - PMID:34559859

대신 오메가-3 (EPA/DHA) 보충제를 권장합니다."
```

**시나리오 2: 건강기능식품 업셀링**
```
고객: "염증 줄이는 제품 있나요?"
약사 (시스템):
"IL-1β 감소 효과가 있는 제품:
 1. 오메가-3 1000mg (하루 2회)
    - IL-1β 30% 감소 (PMID:12345678)
 2. 커큐민 500mg
    - NF-κB 억제로 IL-1β 감소

피해야 할 식품:
 - 고지방 패스트푸드
 - 탄산음료
 - 가공 스낵"
```
    '''

    print(summary)


def main():
    """메인 실행"""

    print("\n" + "=" * 80)
    print("IL-1β 증가시키는 음식/건강기능식품 연구")
    print("=" * 80)

    # 검색어 목록
    queries = [
        # 1. 고지방 식품
        "high-fat diet AND interleukin-1 beta AND inflammation",

        # 2. 고당 식품
        "sugar AND IL-1β AND inflammatory response",

        # 3. 가공식품
        "processed food AND interleukin-1 AND pro-inflammatory",

        # 4. 적색육
        "red meat AND IL-1β AND inflammation",

        # 5. 알코올
        "alcohol AND interleukin-1 beta AND inflammation"
    ]

    all_papers = []

    for query in queries:
        # PubMed 검색
        pmids = search_pubmed(query, max_results=5)

        if not pmids:
            print(f"[WARNING] '{query}' 검색 결과 없음\n")
            continue

        # 논문 상세 정보
        papers = fetch_paper_details(pmids)
        all_papers.extend(papers)

    # 결과 분석
    if all_papers:
        analyze_findings(all_papers)
        print_summary()

        print("\n" + "=" * 80)
        print(f"총 {len(all_papers)}개 논문 분석 완료")
        print("=" * 80)
    else:
        print("\n[ERROR] 검색된 논문이 없습니다.")


if __name__ == '__main__':
    main()