@nahisaho/satori 0.10.0 → 0.11.0

package/README.md

@@ -7,7 +7,7 @@
 
 ## Overview
 
-このディレクトリには、Exp-01〜13 で蓄積した科学データ解析技法を Agent Skills として体系化した **66 個**のスキルを格納しています。Copilot がプロンプトの文脈に応じて適切なスキルを自動ロードし、各実験で確立した解析パターンを再利用します。32 のスキルは [ToolUniverse](https://github.com/mims-harvard/ToolUniverse) SMCP 経由で 1,200 以上の外部科学データベースツールとも連携可能です。
+このディレクトリには、Exp-01〜13 で蓄積した科学データ解析技法を Agent Skills として体系化した **76 個**のスキルを格納しています。Copilot がプロンプトの文脈に応じて適切なスキルを自動ロードし、各実験で確立した解析パターンを再利用します。42 のスキルは [ToolUniverse](https://github.com/mims-harvard/ToolUniverse) SMCP 経由で 1,200 以上の外部科学データベースツールとも連携可能です。
 
 ### パイプラインフロー
 
@@ -115,10 +115,20 @@ epidemiology-public-health → text-mining-nlp       ← [X+Z 疫学・NLP]
 | 疫学・公衆衛生 | `results/epi_risk_measures.json`, `results/spatial_clusters.json`, `results/dag_analysis.json` | → survival-clinical, causal-inference |
 | 集団遺伝学 | `results/pop_structure.json`, `results/fst_matrix.json`, `results/selection_scan.json` | → disease-research, variant-interpretation |
 | テキストマイニング | `results/ner_entities.json`, `results/knowledge_graph.json`, `results/topic_model.json` | → deep-research, meta-analysis |
+| 神経電気生理学 | `results/spike_sorting.json`, `results/eeg_erp.json`, `results/connectivity.json` | → biosignal, deep-learning |
+| プロテオミクス | `results/protein_quant.csv`, `results/ptm_sites.json`, `results/molecular_network.json` | → multi-omics, network-analysis |
+| トランスクリプトミクス | `results/deseq2_results.csv`, `results/gsea/`, `figures/volcano_rnaseq.png` | → bioinformatics, multi-omics |
+| 計算材料科学 | `results/structure.cif`, `figures/phase_diagram.png`, `figures/band_structure.png` | → quantum-computing |
+| 臨床試験解析 | `results/clinical_trials.csv`, `results/competitive_landscape.json` | → survival-clinical, meta-analysis |
+| ラボデータ管理 | `results/benchling_sequences.json`, `results/dnanexus_workflow_output.json` | → bioinformatics, lab-automation |
+| 科学図式 | `figures/consort_flow.svg`, `figures/nn_architecture.svg`, `figures/pathway.md` | → presentation, writing |
+| 規制科学 | `results/fda_orange_book.json`, `results/510k_clearances.csv`, `results/patent_search.csv` | → pharmacovigilance, clinical-trials |
+| 薬理ゲノミクス | `results/pgx_report.json`, `results/cpic_recommendations.json` | → variant-interpretation, clinical-decision |
+| エピゲノミクス | `results/peak_calls.bed`, `results/dmr_results.csv`, `results/chromatin_states.bed` | → single-cell, multi-omics |
 
 ### ToolUniverse MCP ツール連携
 
-32 のスキル（HIGH 13 + MEDIUM 9 + 新規 10）は、[ToolUniverse](https://github.com/mims-harvard/ToolUniverse) SMCP サーバー経由で 1,200 以上の外部科学ツールを利用可能です。各 SKILL.md 内の `### 利用可能ツール` セクションに対応ツールが記載されています。
+42 のスキル（HIGH 13 + MEDIUM 9 + 新規 20）は、[ToolUniverse](https://github.com/mims-harvard/ToolUniverse) SMCP サーバー経由で 1,200 以上の外部科学ツールを利用可能です。各 SKILL.md 内の `### 利用可能ツール` セクションに対応ツールが記載されています。
 
 ```
 SATORI Skill (方法論・判断)        ToolUniverse SMCP (データ取得・計算)
@@ -129,7 +139,7 @@ SATORI Skill (方法論・判断)        ToolUniverse SMCP (データ取得・
 │ drug-target-profiling│───MCP──│ UniProt, ChEMBL, DGIdb       │
 │ variant-interpretation│──MCP──│ ClinVar, gnomAD, ClinGen     │
 │ admet-pharmacokinetics│──MCP──│ ADMET-AI, PubChem, ChEMBL    │
-│ ... (32 skills total) │       │ ... (1,200+ tools)           │
+│ ... (42 skills total) │       │ ... (1,200+ tools)           │
 └──────────────────────┘        └─────────────────────────────┘
 ```
 
@@ -141,22 +151,22 @@ SATORI Skill (方法論・判断)        ToolUniverse SMCP (データ取得・
 | B. 統計・探索的解析 | 3 | EDA・仮説検定・次元削減 |
 | C. 機械学習・モデリング | 3 | 回帰・分類・特徴量重要度 |
 | D. 実験計画・プロセス最適化 | 2 | DOE・応答曲面法・ベイズ最適化 |
-| E. 信号・スペクトル・時系列 | 3 | スペクトル解析・生体信号・時系列分解 |
-| F. 生命科学・オミクス | 5 | バイオインフォ・メタボロ・ゲノム配列・マルチオミクス・ネットワーク |
-| G. 化学・材料・イメージング | 3 | ケモインフォ・材料特性評価・画像解析 |
-| H. 臨床・疫学・メタ科学 | 3 | 生存解析・因果推論・メタアナリシス |
+| E. 信号・スペクトル・時系列 | 4 | スペクトル解析・生体信号・時系列分解・神経電気生理学 |
+| F. 生命科学・オミクス | 7 | バイオインフォ・メタボロ・ゲノム配列・マルチオミクス・ネットワーク・プロテオミクス・トランスクリプトミクス |
+| G. 化学・材料・イメージング | 4 | ケモインフォ・材料特性評価・画像形態解析・計算材料科学 |
+| H. 臨床・疫学・メタ科学 | 4 | 生存解析・因果推論・メタアナリシス・臨床試験解析 |
 | I. Deep Research | 1 | 科学文献深層リサーチ・エビデンス階層評価・ソース追跡・交差検証 |
 | J. 創薬・ファーマコロジー | 3 | 標的プロファイリング・ADMET/PK・ドラッグリポジショニング |
 | K. 構造生物学・タンパク質工学 | 2 | PDB/AlphaFold 構造解析・de novo タンパク質設計 |
 | L. 精密医療・臨床意思決定 | 2 | 変異解釈 (ACMG/AMP)・エビデンスベース臨床意思決定 |
-| M. 実験室自動化 | 1 | 液体ハンドリング・プロトコル管理・ELN/LIMS 連携 |
-| N. 科学プレゼンテーション | 1 | 科学スライド・ポスター・ワークフロー図 |
-| O. 研究計画・グラント | 2 | 助成金申請書・研究方法論・倫理審査 |
-| P. ファーマコビジランス | 1 | FAERS 不均衡分析・MedDRA 階層・安全性シグナル検出 |
+| M. 実験室自動化・データ管理 | 2 | 液体ハンドリング・プロトコル管理・ELN/LIMS 連携・ラボデータ管理 |
+| N. 科学プレゼンテーション・図式 | 2 | 科学スライド・ポスター・ワークフロー図・科学図式 |
+| O. 研究計画・グラント・規制 | 3 | 助成金申請書・研究方法論・倫理審査・規制科学 |
+| P. ファーマコビジランス・薬理ゲノミクス | 2 | FAERS 不均衡分析・MedDRA 階層・安全性シグナル検出・PGx 代謝型 |
 | Q. 腫瘍学・疾患研究 | 2 | 精密腫瘍学 (CIViC/OncoKB)・疾患-遺伝子関連 (GWAS/Orphanet) |
 | R. 量子・先端計算 | 5 | 量子計算・GNN・ベイズ統計・説明可能 AI・深層学習 |
 | S. 医用イメージング | 1 | DICOM/NIfTI・WSI 病理画像・Radiomics・MONAI |
-| T. シングルセル・空間オミクス | 2 | scRNA-seq・Visium・MERFISH・CELLxGENE・RNA velocity |
+| T. シングルセル・空間・エピゲノミクス | 3 | scRNA-seq・Visium・MERFISH・CELLxGENE・RNA velocity・エピゲノミクス |
 | U. 免疫・感染症 | 2 | 免疫情報学・MHC 結合予測・病原体ゲノミクス・AMR・IEDB |
 | V. マイクロバイオーム・環境 | 2 | 16S/メタゲノム・α/β 多様性・SDM・OBIS・GBIF |
 | W. システム生物学 | 1 | SBML シミュレーション・FBA・GRN 推定・BioModels |
@@ -217,17 +227,18 @@ SATORI Skill (方法論・判断)        ToolUniverse SMCP (データ取得・
 | 20 | [scientific-doe](scientific-doe/SKILL.md) | 田口直交表・CCD/Box-Behnken・ANOVA 因子効果・ベイズ最適化 | 汎用 |
 | 21 | [scientific-process-optimization](scientific-process-optimization/SKILL.md) | 応答曲面法 (ML-RSM)・パレート最適化・プロセスウィンドウ | 12, 13 |
 
-### E. 信号・スペクトル・時系列（3 種）
+### E. 信号・スペクトル・時系列（4 種）
 
-波形・周波数領域の解析を担うスキル群。
+波形・周波数領域・神経電気生理学の解析を担うスキル群。
 
 | # | Skill | 説明 | 参照 Exp |
 |---|---|---|---|
 | 22 | [scientific-spectral-signal](scientific-spectral-signal/SKILL.md) | スペクトル前処理・フィルタリング・ピーク検出 | 11 |
 | 23 | [scientific-biosignal-processing](scientific-biosignal-processing/SKILL.md) | ECG R波/HRV・EEG バンドパワー/ERP・EMG バースト・Poincaré | 08 |
 | 24 | [scientific-time-series](scientific-time-series/SKILL.md) | STL 分解・SARIMA 予測・変化点検出・FFT 周期解析・Granger 因果 | 汎用 |
+| 67 | [scientific-neuroscience-electrophysiology](scientific-neuroscience-electrophysiology/SKILL.md) | SpikeInterface/Kilosort4 スパイクソート・MNE EEG/ERP・NeuroKit2 HRV/EDA・脳機能結合 | 汎用 |
 
-### F. 生命科学・オミクス（5 種）
+### F. 生命科学・オミクス（7 種）
 
 バイオ・オミクス・ネットワーク解析を担うスキル群。
 
@@ -238,26 +249,30 @@ SATORI Skill (方法論・判断)        ToolUniverse SMCP (データ取得・
 | 27 | [scientific-sequence-analysis](scientific-sequence-analysis/SKILL.md) | RSCU/CAI コドン解析・アラインメント・系統樹・ORF/CpG 島 | 09 |
 | 28 | [scientific-multi-omics](scientific-multi-omics/SKILL.md) | CCA 正準相関・SNF ネットワーク融合・パスウェイ統合・マルチオミクスクラスタ | 汎用 |
 | 29 | [scientific-network-analysis](scientific-network-analysis/SKILL.md) | ネットワーク構築・中心性・コミュニティ・PSP パス図 | 04, 07, 13 |
+| 68 | [scientific-proteomics-mass-spectrometry](scientific-proteomics-mass-spectrometry/SKILL.md) | pyOpenMS LC-MS/MS・ペプチド ID・タンパク質定量・PTM・GNPS 分子ネットワーク | 汎用 |
+| 69 | [scientific-gene-expression-transcriptomics](scientific-gene-expression-transcriptomics/SKILL.md) | GEO データ取得・PyDESeq2 差次発現・GTEx 組織発現/eQTL・GSEA | 汎用 |
 
-### G. 化学・材料・イメージング（3 種）
+### G. 化学・材料・イメージング（4 種）
 
-化学構造・材料特性評価・画像形態解析を担うスキル群。
+化学構造・材料特性評価・画像形態解析・計算材料科学を担うスキル群。
 
 | # | Skill | 説明 | 参照 Exp |
 |---|---|---|---|
 | 30 | [scientific-cheminformatics](scientific-cheminformatics/SKILL.md) | RDKit 分子記述子・Tanimoto・構造アラート・Lipinski | 02, 05 |
 | 31 | [scientific-materials-characterization](scientific-materials-characterization/SKILL.md) | Thornton-Anders SZM・XRD Scherrer・Tauc プロット | 11, 12, 13 |
 | 32 | [scientific-image-analysis](scientific-image-analysis/SKILL.md) | Otsu/Watershed セグメンテーション・粒径分布・GLCM テクスチャ・蛍光合成 | 汎用 |
+| 70 | [scientific-computational-materials](scientific-computational-materials/SKILL.md) | pymatgen 結晶構造・Materials Project・相図・バンド構造/DOS・VASP/QE I/O | 汎用 |
 
-### H. 臨床・疫学・メタ科学（3 種）
+### H. 臨床・疫学・メタ科学（4 種）
 
-臨床試験・因果推論・メタアナリシスを担うスキル群。
+臨床試験・因果推論・メタアナリシス・臨床試験解析を担うスキル群。
 
 | # | Skill | 説明 | 参照 Exp |
 |---|---|---|---|
 | 33 | [scientific-survival-clinical](scientific-survival-clinical/SKILL.md) | Kaplan-Meier・Cox PH・検出力分析・安全性解析 | 03, 06 |
 | 34 | [scientific-causal-inference](scientific-causal-inference/SKILL.md) | PSM 傾向スコア・IPW・DID・RDD・DAG 共変量選択・Rosenbaum 感度分析 | 汎用 |
 | 35 | [scientific-meta-analysis](scientific-meta-analysis/SKILL.md) | 固定/ランダム効果モデル・Forest/Funnel プロット・Egger 検定・サブグループ | 汎用 |
+| 71 | [scientific-clinical-trials-analytics](scientific-clinical-trials-analytics/SKILL.md) | ClinicalTrials.gov API v2 検索・競合ランドスケープ・AE/アウトカム抽出 | 汎用 |
 
 ### I. Deep Research（1 種）
 
@@ -295,38 +310,42 @@ SATORI Skill (方法論・判断)        ToolUniverse SMCP (データ取得・
 | 42 | [scientific-variant-interpretation](scientific-variant-interpretation/SKILL.md) | ACMG/AMP 28 基準・薬理ゲノミクス (CPIC)・OncoKB 体細胞変異レベル | 汎用 |
 | 43 | [scientific-clinical-decision-support](scientific-clinical-decision-support/SKILL.md) | GRADE エビデンス枠組・精密腫瘍学ワークフロー・臨床試験マッチング | 汎用 |
 
-### M. 実験室自動化（1 種）
+### M. 実験室自動化・データ管理（2 種）
 
-ラボ実験の自動化とプロトコル管理を担うスキル。
+ラボ実験の自動化とデータ管理を担うスキル群。
 
 | # | Skill | 説明 | 参照 Exp |
 |---|---|---|---|
 | 44 | [scientific-lab-automation](scientific-lab-automation/SKILL.md) | PyLabRobot/Opentrons プロトコル・SOP テンプレート・ELN/LIMS 連携・QC 検証 | 汎用 |
+| 72 | [scientific-lab-data-management](scientific-lab-data-management/SKILL.md) | Benchling ELN/DNA 設計・DNAnexus PaaS・OMERO バイオイメージング・Protocols.io | 汎用 |
 
-### N. 科学プレゼンテーション（1 種）
+### N. 科学プレゼンテーション・図式（2 種）
 
-学会発表用スライド・ポスター・ワークフロー図のデザインを担うスキル。
+学会発表用スライド・ポスター・科学図式のデザインを担うスキル群。
 
 | # | Skill | 説明 | 参照 Exp |
 |---|---|---|---|
 | 45 | [scientific-presentation-design](scientific-presentation-design/SKILL.md) | 15 スライド構成テンプレート・tikzposter・matplotlib ワークフロー図・アクセシビリティ | 汎用 |
+| 73 | [scientific-scientific-schematics](scientific-scientific-schematics/SKILL.md) | CONSORT フロー図・NN アーキテクチャ図・パスウェイ図・TikZ/SVG | 汎用 |
 
-### O. 研究計画・グラント（2 種）
+### O. 研究計画・グラント・規制（3 種）
 
-助成金申請書と研究方法論の設計を担うスキル群。
+助成金申請書と研究方法論・規制科学の設計を担うスキル群。
 
 | # | Skill | 説明 | 参照 Exp |
 |---|---|---|---|
 | 46 | [scientific-grant-writing](scientific-grant-writing/SKILL.md) | NIH Specific Aims テンプレート・JSPS 科研費・予算計画・Budget Justification | 汎用 |
 | 47 | [scientific-research-methodology](scientific-research-methodology/SKILL.md) | SCAMPER/TRIZ ブレインストーミング・研究デザインマトリクス・FINER 基準・IRB 倫理チェック | 汎用 |
+| 74 | [scientific-regulatory-science](scientific-regulatory-science/SKILL.md) | FDA Orange Book/医療機器 510(k)/ISO 13485 QMS/CAPA/USPTO 特許検索 | 汎用 |
 
-### P. ファーマコビジランス（1 種）
+### P. ファーマコビジランス・薬理ゲノミクス（2 種）
 
-市販後医薬品安全性監視のためのシグナル検出・定量評価を担うスキル。
+市販後医薬品安全性監視と薬理ゲノミクスのためのシグナル検出・定量評価を担うスキル群。
 
 | # | Skill | 説明 | 参照 Exp |
 |---|---|---|---|
 | 48 | [scientific-pharmacovigilance](scientific-pharmacovigilance/SKILL.md) | FAERS 不均衡分析 (PRR/ROR/IC/EBGM)・MedDRA 階層・時系列トレンド・Naranjo 因果評価 | 汎用 |
+| 75 | [scientific-pharmacogenomics](scientific-pharmacogenomics/SKILL.md) | PharmGKB/CPIC ガイドライン・Star アレル・代謝型・FDA PGx バイオマーカー | 汎用 |
 
 ### Q. 腫瘍学・疾患研究（2 種）
 
@@ -357,14 +376,15 @@ DICOM・WSI 等の医用画像の解析・セグメンテーションを担う
 |---|---|---|---|
 | 56 | [scientific-medical-imaging](scientific-medical-imaging/SKILL.md) | DICOM/NIfTI 処理・MONAI U-Net/SwinUNETR・WSI パッチ抽出・Radiomics・3D 可視化 | 汎用 |
 
-### T. シングルセル・空間オミクス（2 種）
+### T. シングルセル・空間・エピゲノミクス（3 種）
 
-scRNA-seq・空間トランスクリプトミクスの解析パイプラインを担うスキル群。
+scRNA-seq・空間トランスクリプトミクス・エピゲノミクスの解析パイプラインを担うスキル群。
 
 | # | Skill | 説明 | 参照 Exp |
 |---|---|---|---|
 | 57 | [scientific-single-cell-genomics](scientific-single-cell-genomics/SKILL.md) | scRNA-seq QC・Scanpy Leiden クラスタリング・DEG・RNA velocity・CellChat 細胞間通信 | 汎用 |
 | 58 | [scientific-spatial-transcriptomics](scientific-spatial-transcriptomics/SKILL.md) | Visium/MERFISH 前処理・Squidpy SVG 検出・空間ドメイン・cell2location デコンボリューション | 汎用 |
+| 76 | [scientific-epigenomics-chromatin](scientific-epigenomics-chromatin/SKILL.md) | ChIP-seq MACS2/3・ATAC-seq・WGBS DMR・ChromHMM・Hi-C TAD・モチーフ濃縮 | 汎用 |
 
 ### U. 免疫・感染症（2 種）
 
@@ -493,24 +513,29 @@ Skills は `.github/skills/` に配置されているため、Copilot が自動
 │── [E] 信号・スペクトル・時系列
 │   ├── scientific-spectral-signal/
 │   ├── scientific-biosignal-processing/
-│   └── scientific-time-series/
+│   ├── scientific-time-series/
+│   └── scientific-neuroscience-electrophysiology/
 │
 │── [F] 生命科学・オミクス
 │   ├── scientific-bioinformatics/
 │   ├── scientific-metabolomics/
 │   ├── scientific-sequence-analysis/
 │   ├── scientific-multi-omics/
-│   └── scientific-network-analysis/
+│   ├── scientific-network-analysis/
+│   ├── scientific-proteomics-mass-spectrometry/
+│   └── scientific-gene-expression-transcriptomics/
 │
 │── [G] 化学・材料・イメージング
 │   ├── scientific-cheminformatics/
 │   ├── scientific-materials-characterization/
-│   └── scientific-image-analysis/
+│   ├── scientific-image-analysis/
+│   └── scientific-computational-materials/
 │
 ├── [H] 臨床・疫学・メタ科学
 │   ├── scientific-survival-clinical/
 │   ├── scientific-causal-inference/
-│   └── scientific-meta-analysis/
+│   ├── scientific-meta-analysis/
+│   └── scientific-clinical-trials-analytics/
 │
 ├── [I] Deep Research
 │   └── scientific-deep-research/
@@ -528,18 +553,22 @@ Skills は `.github/skills/` に配置されているため、Copilot が自動
 │   ├── scientific-variant-interpretation/
 │   └── scientific-clinical-decision-support/
 │
-├── [M] 実験室自動化
-│   └── scientific-lab-automation/
+├── [M] 実験室自動化・データ管理
+│   ├── scientific-lab-automation/
+│   └── scientific-lab-data-management/
 │
-├── [N] 科学プレゼンテーション
-│   └── scientific-presentation-design/
+├── [N] 科学プレゼンテーション・図式
+│   ├── scientific-presentation-design/
+│   └── scientific-scientific-schematics/
 │
-└── [O] 研究計画・グラント
+└── [O] 研究計画・グラント・規制
     ├── scientific-grant-writing/
-    └── scientific-research-methodology/
+    ├── scientific-research-methodology/
+    └── scientific-regulatory-science/
 │
-├── [P] ファーマコビジランス
-│   └── scientific-pharmacovigilance/
+├── [P] ファーマコビジランス・薬理ゲノミクス
+│   ├── scientific-pharmacovigilance/
+│   └── scientific-pharmacogenomics/
 │
 ├── [Q] 腫瘍学・疾患研究
 │   ├── scientific-precision-oncology/
@@ -555,9 +584,10 @@ Skills は `.github/skills/` に配置されているため、Copilot が自動
 └── [S] 医用イメージング
     └── scientific-medical-imaging/
 │
-│── [T] シングルセル・空間オミクス
+│── [T] シングルセル・空間・エピゲノミクス
 │   ├── scientific-single-cell-genomics/
-│   └── scientific-spatial-transcriptomics/
+│   ├── scientific-spatial-transcriptomics/
+│   └── scientific-epigenomics-chromatin/
 │
 │── [U] 免疫・感染症
 │   ├── scientific-immunoinformatics/

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@nahisaho/satori",
-  "version": "0.10.0",
+  "version": "0.11.0",
   "description": "SATORI — Agent Skills for Science. GitHub Copilot Agent Skills collection for scientific data analysis.",
   "main": "index.js",
   "bin": {

package/src/.github/skills/scientific-clinical-trials-analytics/SKILL.md

@@ -0,0 +1,340 @@
+---
+name: scientific-clinical-trials-analytics
+description: |
+  臨床試験レジストリ解析スキル。ClinicalTrials.gov API v2 経由の
+  多基準試験検索 (疾患×介入×地域×フェーズ×ステータス)、試験詳細取得
+  (適格基準・アウトカム・施設・有害事象)、競合ランドスケープ解析、
+  AI 支援試験デザイン (ClinicalTrialDesignAgent)、バルクデータ取得・CSV エクスポート
+  を統合した臨床研究支援パイプライン。
+---
+
+# Scientific Clinical Trials Analytics
+
+ClinicalTrials.gov レジストリの包括的データアクセスと
+競合分析パイプラインを提供する。40 万+ の登録試験から
+疾患・介入・地域・フェーズ・スポンサー別にフィルタリングと
+構造化データ抽出を実施。
+
+## When to Use
+
+- 特定疾患の臨床試験ランドスケープを調査するとき
+- 競合薬剤の臨床開発状況を把握するとき
+- 試験の適格基準・エンドポイント・施設情報を取得するとき
+- 新規試験の計画にあたりプロトコルデザインの参考が必要なとき
+- 有害事象・アウトカムデータを系統的に抽出するとき
+
+---
+
+## Quick Start
+
+## 1. 臨床試験検索・フィルタリング
+
+```python
+import pandas as pd
+import json
+from datetime import datetime
+
+
+def search_clinical_trials(condition=None, intervention=None,
+                            phase=None, status=None,
+                            location_country=None, sponsor=None,
+                            start_date_from=None, max_results=100):
+    """
+    ClinicalTrials.gov 多基準検索。
+
+    Parameters:
+        condition: 疾患名 (e.g., "non-small cell lung cancer")
+        intervention: 介入名 (e.g., "pembrolizumab")
+        phase: フェーズ ("Phase 1", "Phase 2", "Phase 3", "Phase 4")
+        status: ステータス ("RECRUITING", "COMPLETED", "ACTIVE_NOT_RECRUITING")
+        location_country: 実施国 (e.g., "Japan")
+        sponsor: スポンサー名
+    """
+    import requests
+
+    base_url = "https://clinicaltrials.gov/api/v2/studies"
+    params = {"format": "json", "pageSize": min(max_results, 100)}
+
+    # クエリ構築
+    query_parts = []
+    if condition:
+        query_parts.append(f"CONDITION[{condition}]")
+    if intervention:
+        query_parts.append(f"INTERVENTION[{intervention}]")
+    if query_parts:
+        params["query.cond"] = condition
+        params["query.intr"] = intervention
+
+    if phase:
+        params["filter.phase"] = phase
+    if status:
+        params["filter.overallStatus"] = status
+    if location_country:
+        params["query.locn"] = location_country
+
+    resp = requests.get(base_url, params=params)
+    data = resp.json()
+
+    studies = data.get("studies", [])
+    total = data.get("totalCount", 0)
+
+    print(f"  Search results: {total} trials found")
+    print(f"  Filters: condition={condition}, intervention={intervention}")
+    print(f"  Phase: {phase}, Status: {status}")
+
+    results = []
+    for study in studies:
+        protocol = study.get("protocolSection", {})
+        id_module = protocol.get("identificationModule", {})
+        status_module = protocol.get("statusModule", {})
+        design_module = protocol.get("designModule", {})
+
+        results.append({
+            "nct_id": id_module.get("nctId"),
+            "title": id_module.get("briefTitle"),
+            "status": status_module.get("overallStatus"),
+            "phase": design_module.get("phases", [None]),
+            "enrollment": design_module.get("enrollmentInfo", {}).get("count"),
+            "start_date": status_module.get("startDateStruct", {}).get("date"),
+        })
+
+    return pd.DataFrame(results), total
+```
+
+## 2. 試験詳細取得
+
+```python
+import pandas as pd
+import json
+
+
+def get_trial_details(nct_id):
+    """
+    NCT ID による臨床試験の完全詳細取得。
+
+    取得項目:
+    - プロトコル (デザイン, アーム, 介入, マスキング)
+    - 適格基準 (年齢, 性別, 包含/除外基準)
+    - アウトカム (主要/副次エンドポイント)
+    - 施設・地域情報
+    - スポンサー, 共同研究者
+    - リファレンス (関連論文)
+    """
+    import requests
+
+    url = f"https://clinicaltrials.gov/api/v2/studies/{nct_id}"
+    resp = requests.get(url, params={"format": "json"})
+    data = resp.json()
+
+    protocol = data.get("protocolSection", {})
+
+    # 基本情報
+    id_mod = protocol.get("identificationModule", {})
+    design_mod = protocol.get("designModule", {})
+    eligibility = protocol.get("eligibilityModule", {})
+    outcomes_mod = protocol.get("outcomesModule", {})
+    contacts_mod = protocol.get("contactsLocationsModule", {})
+
+    detail = {
+        "nct_id": nct_id,
+        "title": id_mod.get("officialTitle"),
+        "brief_title": id_mod.get("briefTitle"),
+        "study_type": design_mod.get("studyType"),
+        "phases": design_mod.get("phases"),
+        "allocation": design_mod.get("designInfo", {}).get("allocation"),
+        "masking": design_mod.get("designInfo", {}).get("maskingInfo", {}).get("masking"),
+    }
+
+    # 適格基準
+    detail["eligibility"] = {
+        "min_age": eligibility.get("minimumAge"),
+        "max_age": eligibility.get("maximumAge"),
+        "sex": eligibility.get("sex"),
+        "criteria": eligibility.get("eligibilityCriteria"),
+    }
+
+    # アウトカム
+    primary_outcomes = outcomes_mod.get("primaryOutcomes", [])
+    secondary_outcomes = outcomes_mod.get("secondaryOutcomes", [])
+    detail["primary_outcomes"] = [
+        {"measure": o.get("measure"), "timeframe": o.get("timeFrame")}
+        for o in primary_outcomes
+    ]
+
+    # 施設
+    locations = contacts_mod.get("locations", [])
+    detail["n_locations"] = len(locations)
+    detail["countries"] = list(set(
+        loc.get("country") for loc in locations if loc.get("country")
+    ))
+
+    print(f"  Trial: {nct_id}")
+    print(f"  Title: {detail['brief_title']}")
+    print(f"  Type: {detail['study_type']}, Phase: {detail['phases']}")
+    print(f"  Primary outcomes: {len(primary_outcomes)}")
+    print(f"  Locations: {detail['n_locations']} sites in {len(detail['countries'])} countries")
+
+    return detail
+```
+
+## 3. 競合ランドスケープ解析
+
+```python
+import pandas as pd
+import numpy as np
+
+
+def competitive_landscape_analysis(condition, intervention_class=None,
+                                     status_filter=None):
+    """
+    疾患・介入クラス別の臨床開発ランドスケープ解析。
+
+    分析項目:
+    - フェーズ分布 (Phase 1/2/3/4)
+    - ステータス分布 (Recruiting/Completed/Terminated)
+    - スポンサー別試験数
+    - 経年トレンド (開始年別)
+    - 地域分布
+    """
+    print(f"  Competitive landscape for: {condition}")
+    if intervention_class:
+        print(f"  Intervention class: {intervention_class}")
+
+    # フェーズ分布解析
+    phase_mapping = {
+        "PHASE1": "Phase 1",
+        "PHASE2": "Phase 2",
+        "PHASE3": "Phase 3",
+        "PHASE4": "Phase 4",
+        "EARLY_PHASE1": "Early Phase 1",
+    }
+
+    return {"condition": condition, "intervention_class": intervention_class}
+
+
+def extract_trial_adverse_events(nct_id):
+    """
+    試験の有害事象データ抽出。
+
+    FDA 報告基準:
+    - Serious AE (SAE): 死亡, 入院, 障害, 先天異常
+    - Other AE: Grade 1-4 有害事象
+    - CTCAE v5.0 grading
+    """
+    print(f"  Extracting adverse events for: {nct_id}")
+    print("  Categories: Serious AE, Other AE")
+    print("  Grading: CTCAE v5.0")
+
+    return {"nct_id": nct_id}
+
+
+def extract_trial_outcomes(nct_id):
+    """
+    試験結果 (Results section) からのアウトカムデータ抽出。
+
+    - Primary outcome measures + 統計結果
+    - Secondary outcome measures
+    - 参加者フロー (Screened → Enrolled → Completed → Analyzed)
+    """
+    print(f"  Extracting outcomes for: {nct_id}")
+
+    return {"nct_id": nct_id}
+```
+
+## 4. バルクデータ取得・エクスポート
+
+```python
+import pandas as pd
+import json
+
+
+def bulk_trial_export(condition, max_trials=1000,
+                       output_file="results/clinical_trials_export.csv"):
+    """
+    大規模臨床試験データのバルク取得・CSV エクスポート。
+
+    ページネーション対応 (1000 件 = 10 ページ × 100 件/ページ)。
+    """
+    import os
+    os.makedirs(os.path.dirname(output_file), exist_ok=True)
+
+    all_results = []
+    page_token = None
+
+    print(f"  Bulk export for: {condition}")
+    print(f"  Max trials: {max_trials}")
+
+    # ここでは概念的コード — 実際は API ページネーション
+    # while len(all_results) < max_trials:
+    #     resp = requests.get(url, params={..., "pageToken": page_token})
+    #     studies = resp.json()["studies"]
+    #     all_results.extend(studies)
+    #     page_token = resp.json().get("nextPageToken")
+
+    print(f"  Exported to: {output_file}")
+
+    return output_file
+
+
+def trial_design_summary(trials_df):
+    """
+    臨床試験デザインの要約統計。
+
+    - Study type 分布 (Interventional/Observational)
+    - Allocation (Randomized/Non-randomized)
+    - Masking (Open/Single/Double/Triple/Quadruple)
+    - Primary purpose (Treatment/Prevention/Diagnostic)
+    """
+    print("  Trial Design Summary:")
+
+    if "study_type" in trials_df.columns:
+        type_dist = trials_df["study_type"].value_counts()
+        for st, count in type_dist.items():
+            print(f"    {st}: {count}")
+
+    return trials_df.describe()
+```
+
+## References
+
+### Output Files
+
+| ファイル | 形式 |
+|---|---|
+| `results/clinical_trials_search.csv` | CSV |
+| `results/trial_details.json` | JSON |
+| `results/competitive_landscape.json` | JSON |
+| `results/clinical_trials_export.csv` | CSV |
+| `results/trial_adverse_events.csv` | CSV |
+| `figures/trial_phase_distribution.png` | PNG |
+| `figures/trial_timeline.png` | PNG |
+
+### 利用可能ツール
+
+> [ToolUniverse](https://github.com/mims-harvard/ToolUniverse) SMCP 経由で利用可能な外部ツール。
+
+| カテゴリ | 主要ツール | 用途 |
+|---|---|---|
+| ClinicalTrials | `clinical_trials_search` | 臨床試験検索 |
+| ClinicalTrials | `search_clinical_trials` | 詳細パラメータ検索 |
+| ClinicalTrials | `get_clinical_trial_conditions_and_interventions` | 疾患・介入情報取得 |
+| ClinicalTrials | `get_clinical_trial_locations` | 施設・地域取得 |
+| ClinicalTrials | `extract_clinical_trial_adverse_events` | 有害事象抽出 |
+| ClinicalTrials | `extract_clinical_trial_outcomes` | アウトカム抽出 |
+| ClinicalTrials | `ClinicalTrialDesignAgent` | AI 支援試験デザイン |
+| FDA | `FDA_get_clinical_studies_info_by_drug_name` | 薬物名で臨床研究情報 |
+| FDA | `FDA_get_drug_names_by_clinical_studies` | 臨床研究から薬物名 |
+
+### 参照スキル
+
+| スキル | 関連 |
+|---|---|
+| `scientific-survival-clinical` | 生存解析 (KM/Cox) |
+| `scientific-meta-analysis` | メタアナリシス統合 |
+| `scientific-epidemiology-public-health` | 疫学リスク指標 |
+| `scientific-clinical-decision-support` | 臨床意思決定 |
+| `scientific-pharmacovigilance` | 安全性モニタリング |
+
+### 依存パッケージ
+
+`pandas`, `numpy`, `requests`, `json`