@nahisaho/satori 0.10.0 → 0.11.0

package/src/.github/skills/scientific-gene-expression-transcriptomics/SKILL.md

@@ -0,0 +1,330 @@
+---
+name: scientific-gene-expression-transcriptomics
+description: |
+  遺伝子発現・トランスクリプトミクス解析スキル。GEO (Gene Expression Omnibus) からの
+  公開データセット取得・前処理、DESeq2 (PyDESeq2) による差次発現解析、
+  GTEx 組織発現参照・eQTL 解析、Expression Atlas (EBI GXA) 統合照会、
+  遺伝子セット濃縮解析 (GSEA)、バルク RNA-seq カウントデータの
+  標準解析パイプライン。
+---
+
+# Scientific Gene Expression & Transcriptomics
+
+バルク RNA-seq / マイクロアレイの遺伝子発現データを対象に、
+GEO データセット取得→前処理→差次発現→GSEA→組織発現参照の
+統合トランスクリプトミクスパイプラインを提供する。
+
+## When to Use
+
+- GEO からバルク RNA-seq/マイクロアレイデータセットを取得・前処理するとき
+- DESeq2 による差次発現遺伝子 (DEG) 解析が必要なとき
+- GTEx 組織発現プロファイル・eQTL データを照会するとき
+- 遺伝子セット濃縮解析 (GSEA/ORA) を行うとき
+- Expression Atlas でベースライン/差次発現実験を検索するとき
+
+---
+
+## Quick Start
+
+## 1. GEO データセット取得
+
+```python
+import pandas as pd
+import GEOparse
+
+
+def fetch_geo_dataset(accession, output_dir="data/geo"):
+    """
+    GEO (Gene Expression Omnibus) データセットの取得・前処理。
+
+    GEO ID 形式:
+    - GSE: Series (発現データセット)
+    - GPL: Platform (アレイ/シーケンサー定義)
+    - GSM: Sample (個別サンプル)
+    - GDS: Dataset (キュレーション済み)
+    """
+    import os
+    os.makedirs(output_dir, exist_ok=True)
+
+    gse = GEOparse.get_GEO(geo=accession, destdir=output_dir)
+
+    print(f"  GEO Accession: {accession}")
+    print(f"  Title: {gse.metadata['title'][0]}")
+    print(f"  Platform: {list(gse.gpls.keys())}")
+    print(f"  Samples: {len(gse.gsms)}")
+    print(f"  Type: {gse.metadata.get('type', ['unknown'])}")
+
+    # サンプルメタデータ抽出
+    metadata = []
+    for gsm_name, gsm in gse.gsms.items():
+        meta = {"sample_id": gsm_name}
+        meta.update({k: v[0] if v else None
+                     for k, v in gsm.metadata.items()
+                     if k in ["title", "source_name_ch1", "characteristics_ch1"]})
+        metadata.append(meta)
+
+    metadata_df = pd.DataFrame(metadata)
+
+    # 発現マトリクス取得
+    pivot_df = gse.pivot_samples("VALUE")
+    print(f"  Expression matrix: {pivot_df.shape[0]} genes × {pivot_df.shape[1]} samples")
+
+    return gse, metadata_df, pivot_df
+```
+
+## 2. DESeq2 差次発現解析 (PyDESeq2)
+
+```python
+import numpy as np
+import pandas as pd
+
+
+def deseq2_differential_expression(count_matrix, metadata, design_factor,
+                                     contrast=None, alpha=0.05,
+                                     lfc_threshold=1.0):
+    """
+    PyDESeq2 による差次発現解析パイプライン。
+
+    1. カウントマトリクス入力 (genes × samples)
+    2. サイズファクター正規化 (median of ratios)
+    3. 分散推定 (shrinkage)
+    4. GLM フィッティング (NB 分布)
+    5. Wald 検定
+    6. LFC 収縮 (apeglm)
+    7. FDR 補正 (Benjamini-Hochberg)
+    """
+    from pydeseq2.dds import DeseqDataSet
+    from pydeseq2.ds import DeseqStats
+
+    # DeseqDataSet 構築
+    dds = DeseqDataSet(
+        counts=count_matrix,
+        metadata=metadata,
+        design_factors=design_factor,
+    )
+
+    # 正規化 + 分散推定 + 統計検定
+    dds.deseq2()
+
+    # 結果取得
+    stat_res = DeseqStats(dds, contrast=contrast, alpha=alpha)
+    stat_res.summary()
+
+    results_df = stat_res.results_df.copy()
+
+    # LFC 収縮
+    stat_res.lfc_shrink(coeff=contrast)
+    results_df["log2FoldChange_shrunk"] = stat_res.results_df["log2FoldChange"]
+
+    # フィルタリング
+    sig = results_df[
+        (results_df["padj"] < alpha) &
+        (results_df["log2FoldChange"].abs() > lfc_threshold)
+    ]
+
+    sig_up = sig[sig["log2FoldChange"] > 0]
+    sig_down = sig[sig["log2FoldChange"] < 0]
+
+    print(f"  DESeq2 results:")
+    print(f"    Total genes tested: {len(results_df)}")
+    print(f"    Significant (FDR < {alpha}, |log2FC| > {lfc_threshold}):")
+    print(f"      UP: {len(sig_up)}")
+    print(f"      DOWN: {len(sig_down)}")
+
+    return results_df, sig
+
+
+def generate_volcano_plot(results_df, alpha=0.05, lfc_threshold=1.0,
+                           output_file="figures/volcano_rnaseq.png"):
+    """
+    Volcano プロット生成。
+    """
+    import matplotlib.pyplot as plt
+
+    fig, ax = plt.subplots(figsize=(8, 6))
+
+    results_df["-log10_padj"] = -np.log10(results_df["padj"].clip(lower=1e-300))
+
+    # 色分け
+    colors = []
+    for _, row in results_df.iterrows():
+        if row["padj"] < alpha and row["log2FoldChange"] > lfc_threshold:
+            colors.append("red")
+        elif row["padj"] < alpha and row["log2FoldChange"] < -lfc_threshold:
+            colors.append("blue")
+        else:
+            colors.append("gray")
+
+    ax.scatter(results_df["log2FoldChange"], results_df["-log10_padj"],
+              c=colors, alpha=0.5, s=5)
+    ax.axhline(-np.log10(alpha), color="gray", linestyle="--", lw=0.5)
+    ax.axvline(lfc_threshold, color="gray", linestyle="--", lw=0.5)
+    ax.axvline(-lfc_threshold, color="gray", linestyle="--", lw=0.5)
+    ax.set_xlabel("log2 Fold Change")
+    ax.set_ylabel("-log10(adjusted p-value)")
+    ax.set_title("Volcano Plot — Differential Expression")
+    plt.tight_layout()
+    plt.savefig(output_file, dpi=300)
+    plt.close()
+
+    return output_file
+```
+
+## 3. GTEx 組織発現・eQTL 照会
+
+```python
+import pandas as pd
+
+
+def query_gtex_expression(gene_name, tissue=None):
+    """
+    GTEx (Genotype-Tissue Expression) 組織発現プロファイル照会。
+
+    GTEx v8: 54 組織, 948 ドナー, 17,382 サンプル。
+    TPM (Transcripts Per Million) ベースの発現量。
+    """
+    print(f"  GTEx gene expression query: {gene_name}")
+    if tissue:
+        print(f"  Tissue: {tissue}")
+    else:
+        print("  All tissues (54 tissue sites)")
+
+    return {"gene": gene_name, "tissue": tissue}
+
+
+def query_gtex_eqtl(gene_name, tissue, pvalue_threshold=1e-5):
+    """
+    GTEx eQTL (expression Quantitative Trait Loci) 照会。
+
+    eQTL = 遺伝子発現量に影響する遺伝的変異
+    - cis-eQTL: 遺伝子の ±1 Mb 以内の変異
+    - trans-eQTL: 遺伝子から離れた変異
+    """
+    print(f"  GTEx eQTL query: gene={gene_name}, tissue={tissue}")
+    print(f"  P-value threshold: {pvalue_threshold}")
+    print("  Types: cis-eQTL (primary), trans-eQTL")
+
+    return {"gene": gene_name, "tissue": tissue}
+```
+
+## 4. 遺伝子セット濃縮解析 (GSEA)
+
+```python
+import pandas as pd
+import numpy as np
+
+
+def gsea_preranked(ranked_gene_list, gene_sets="MSigDB_Hallmark_2020",
+                    n_permutations=1000, min_size=15, max_size=500):
+    """
+    GSEA (Gene Set Enrichment Analysis) — Preranked。
+
+    入力: log2FC × -log10(p) でランク付けされた遺伝子リスト
+    遺伝子セットDB:
+    - MSigDB Hallmark (H)
+    - GO Biological Process (C5:BP)
+    - KEGG Pathways (C2:KEGG)
+    - Reactome (C2:REACTOME)
+    """
+    import gseapy as gp
+
+    # ランクスコア = sign(log2FC) × -log10(pvalue)
+    results = gp.prerank(
+        rnk=ranked_gene_list,
+        gene_sets=gene_sets,
+        processes=4,
+        permutation_num=n_permutations,
+        min_size=min_size,
+        max_size=max_size,
+        outdir="results/gsea",
+        seed=42,
+    )
+
+    sig_terms = results.res2d[results.res2d["FDR q-val"] < 0.05]
+
+    print(f"  GSEA results ({gene_sets}):")
+    print(f"    Gene sets tested: {len(results.res2d)}")
+    print(f"    Significant (FDR < 0.05): {len(sig_terms)}")
+    if len(sig_terms) > 0:
+        print(f"    Top enriched:")
+        for _, row in sig_terms.head(5).iterrows():
+            direction = "UP" if row["NES"] > 0 else "DOWN"
+            print(f"      {row['Term']} (NES={row['NES']:.2f}, {direction})")
+
+    return results
+
+
+def overrepresentation_analysis(gene_list, background=None,
+                                  gene_sets="GO_Biological_Process_2021"):
+    """
+    遺伝子オーバーリプレゼンテーション解析 (ORA)。
+
+    Fisher exact test ベースの濃縮解析。
+    DEG リスト → 機能カテゴリへのマッピング。
+    """
+    import gseapy as gp
+
+    results = gp.enrich(
+        gene_list=gene_list,
+        gene_sets=gene_sets,
+        background=background,
+        outdir="results/ora",
+    )
+
+    sig = results.res2d[results.res2d["Adjusted P-value"] < 0.05]
+
+    print(f"  ORA results ({gene_sets}):")
+    print(f"    Input genes: {len(gene_list)}")
+    print(f"    Significant terms: {len(sig)}")
+
+    return results
+```
+
+## References
+
+### Output Files
+
+| ファイル | 形式 |
+|---|---|
+| `results/geo_expression_matrix.csv` | CSV |
+| `results/deseq2_results.csv` | CSV |
+| `results/gsea/` | ディレクトリ |
+| `results/ora/` | ディレクトリ |
+| `figures/volcano_rnaseq.png` | PNG |
+| `figures/ma_plot.png` | PNG |
+| `figures/gsea_dotplot.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 |
+|---|---|---|
+| GEO | `geo_search_datasets` | GEO データセット検索 |
+| GEO | `geo_get_dataset_info` | データセット詳細取得 |
+| GEO | `geo_get_sample_info` | サンプル情報取得 |
+| GTEx | `GTEx_get_median_gene_expression` | 組織間中央値発現量 |
+| GTEx | `GTEx_get_gene_expression` | サンプルレベル発現データ |
+| GTEx | `GTEx_get_top_expressed_genes` | 高発現遺伝子取得 |
+| GTEx | `GTEx_get_eqtl_genes` | eQTL 遺伝子 (eGenes) |
+| GTEx | `GTEx_get_single_tissue_eqtls` | 単一組織 eQTL |
+| GTEx | `GTEx_get_multi_tissue_eqtls` | 多組織 eQTL |
+| GTEx | `GTEx_calculate_eqtl` | eQTL 計算 |
+| Expression Atlas | `ExpressionAtlas_search_experiments` | 実験検索 |
+| Expression Atlas | `ExpressionAtlas_get_baseline` | ベースライン発現 |
+| Expression Atlas | `ExpressionAtlas_search_differential` | 差次発現実験 |
+| ArrayExpress | `arrayexpress_search_experiments` | ArrayExpress 実験検索 |
+
+### 参照スキル
+
+| スキル | 関連 |
+|---|---|
+| `scientific-bioinformatics` | バルク RNA-seq 基盤 |
+| `scientific-single-cell-genomics` | scRNA-seq (単一細胞) |
+| `scientific-epigenomics-chromatin` | 発現-エピゲノム統合 |
+| `scientific-multi-omics` | マルチオミクス統合 |
+| `scientific-network-analysis` | 共発現ネットワーク |
+
+### 依存パッケージ
+
+`pydeseq2`, `GEOparse`, `gseapy`, `pandas`, `numpy`, `matplotlib`, `scipy`

package/src/.github/skills/scientific-lab-data-management/SKILL.md

@@ -0,0 +1,334 @@
+---
+name: scientific-lab-data-management
+description: |
+  ラボデータ管理スキル。Benchling (ELN/DNA 設計/レジストリ)、
+  DNAnexus (ゲノミクス PaaS)、LatchBio (ワークフロー)、
+  OMERO (バイオイメージング)、Protocols.io (プロトコル共有)
+  を統合したウェット・ドライラボデータ管理パイプライン。
+---
+
+# Scientific Lab Data Management
+
+ウェットラボ実験管理からゲノミクスデータ処理まで、
+ラボデータの生成・記録・解析・共有を統合管理するパイプライン。
+
+## When to Use
+
+- 電子実験ノート (ELN) でプロトコル・結果を記録するとき
+- DNA 配列設計・クローニング計画を管理するとき
+- ゲノミクス大規模データを PaaS 上で解析するとき
+- バイオイメージングデータを構造化管理するとき
+- 実験プロトコルを共有・再現するとき
+
+---
+
+## Quick Start
+
+## 1. Benchling ELN / DNA 設計
+
+```python
+import json
+import requests
+
+
+class BenchlingClient:
+    """
+    Benchling API クライアント。
+
+    Benchling 機能:
+    - ELN (Electronic Lab Notebook): 実験記録
+    - Molecular Biology: DNA 配列設計, プライマー設計, クローニング
+    - Registry: サンプル・試薬レジストリ
+    - Inventory: 在庫管理
+    """
+
+    def __init__(self, api_key, tenant_url):
+        self.base_url = f"https://{tenant_url}/api/v2"
+        self.headers = {
+            "Authorization": f"Basic {api_key}",
+            "Content-Type": "application/json",
+        }
+
+    def create_dna_sequence(self, name, bases, folder_id,
+                              annotations=None):
+        """
+        DNA 配列の登録。
+
+        Parameters:
+        - name: 配列名
+        - bases: 塩基配列 (ATCG)
+        - folder_id: 保存先フォルダ
+        - annotations: アノテーション [{name, start, end, type, strand}]
+        """
+        payload = {
+            "name": name,
+            "bases": bases,
+            "folderId": folder_id,
+            "isCircular": False,
+            "annotations": annotations or [],
+        }
+
+        print(f"  Benchling DNA sequence: {name}")
+        print(f"    Length: {len(bases)} bp")
+        if annotations:
+            print(f"    Annotations: {len(annotations)}")
+
+        return payload
+
+    def search_registry(self, query, schema_id=None, page_size=50):
+        """
+        Benchling Registry 検索。
+
+        レジストリエンティティ:
+        - プラスミド, 菌株, 抗体, 細胞株, 化合物
+        """
+        params = {
+            "query": query,
+            "pageSize": page_size,
+        }
+        if schema_id:
+            params["schemaId"] = schema_id
+
+        print(f"  Benchling registry search: '{query}'")
+
+        return params
+
+    def create_entry(self, name, folder_id, template_id=None):
+        """
+        ELN エントリ (実験ノート) 作成。
+        """
+        payload = {
+            "name": name,
+            "folderId": folder_id,
+        }
+        if template_id:
+            payload["entryTemplateId"] = template_id
+
+        print(f"  Benchling ELN entry: {name}")
+
+        return payload
+```
+
+## 2. DNAnexus ゲノミクス PaaS
+
+```python
+import json
+
+
+class DNAnexusClient:
+    """
+    DNAnexus Platform API クライアント。
+
+    DNAnexus 機能:
+    - データストレージ: FASTQ, BAM, VCF 等の大規模ファイル
+    - ワークフロー実行: WDL/CWL/Applet ベース
+    - コンプライアンス: HIPAA, GxP, FedRAMP
+    - コラボレーション: プロジェクト単位のアクセス管理
+    """
+
+    def __init__(self, token):
+        self.token = token
+        self.base_url = "https://api.dnanexus.com"
+
+    def upload_file(self, local_path, project_id, folder="/"):
+        """
+        ファイルアップロード。
+
+        対応形式: FASTQ(.gz), BAM, CRAM, VCF, BED, etc.
+        """
+        print(f"  DNAnexus upload: {local_path}")
+        print(f"    Project: {project_id}")
+        print(f"    Destination: {folder}")
+
+        return {"local_path": local_path, "project_id": project_id}
+
+    def run_workflow(self, workflow_id, project_id, inputs):
+        """
+        ワークフロー実行。
+
+        ワークフロー例:
+        - GATK Best Practices (germline/somatic)
+        - RNA-STAR alignment + featureCounts
+        - DeepVariant caller
+        - Structural variant calling
+        """
+        print(f"  DNAnexus workflow: {workflow_id}")
+        print(f"    Project: {project_id}")
+        print(f"    Inputs: {len(inputs)} parameters")
+
+        return {
+            "workflow_id": workflow_id,
+            "project_id": project_id,
+            "inputs": inputs,
+        }
+
+    def list_project_files(self, project_id, folder="/", name_glob=None):
+        """
+        プロジェクト内ファイル一覧。
+        """
+        params = {"folder": folder}
+        if name_glob:
+            params["name"] = {"glob": name_glob}
+
+        print(f"  DNAnexus list: {project_id}{folder}")
+
+        return params
+```
+
+## 3. OMERO バイオイメージング管理
+
+```python
+import json
+
+
+class OMEROClient:
+    """
+    OMERO (Open Microscopy Environment Remote Objects) クライアント。
+
+    OMERO 機能:
+    - 画像データ管理: 150+ 画像フォーマット (Bio-Formats)
+    - メタデータ: Key-Value, タグ, ROI
+    - 解析統合: ImageJ/Fiji, CellProfiler, napari
+    - アクセス制御: プロジェクト/グループ権限
+    """
+
+    def __init__(self, host, port=4064):
+        self.host = host
+        self.port = port
+
+    def import_images(self, file_paths, dataset_id):
+        """
+        画像インポート。
+
+        対応フォーマット (Bio-Formats):
+        - OME-TIFF, ND2 (Nikon), CZI (Zeiss), LIF (Leica)
+        - VSI (Olympus), SVS (Aperio), DICOM
+        """
+        print(f"  OMERO import: {len(file_paths)} images → Dataset {dataset_id}")
+
+        return {"files": file_paths, "dataset_id": dataset_id}
+
+    def create_roi(self, image_id, shapes):
+        """
+        ROI (Region of Interest) 作成。
+
+        Shape タイプ:
+        - Rectangle, Ellipse, Polygon
+        - Line, Polyline, Point
+        - Mask (binary mask)
+        """
+        print(f"  OMERO ROI: Image {image_id}, {len(shapes)} shapes")
+
+        return {"image_id": image_id, "shapes": shapes}
+
+    def query_images(self, project=None, dataset=None,
+                      key_value_pairs=None):
+        """
+        画像検索 (メタデータベース)。
+
+        フィルタ:
+        - プロジェクト/データセット階層
+        - Key-Value annotation
+        - タグ
+        - 取得日, 機器名
+        """
+        print(f"  OMERO query:")
+        if project:
+            print(f"    Project: {project}")
+        if key_value_pairs:
+            print(f"    Key-Value: {key_value_pairs}")
+
+        return {"project": project, "dataset": dataset}
+```
+
+## 4. Protocols.io プロトコル共有
+
+```python
+import json
+
+
+def create_protocol(title, description, steps, reagents=None,
+                      doi_prefix="dx.doi.org/10.17504"):
+    """
+    Protocols.io プロトコル作成。
+
+    Protocols.io:
+    - DOI 付与による引用可能なプロトコル
+    - バージョン管理
+    - フォーク・改変・派生
+    - JOVE, Nature Protocol Exchange 連携
+    """
+    protocol = {
+        "title": title,
+        "description": description,
+        "steps": [],
+        "reagents": reagents or [],
+    }
+
+    for i, step in enumerate(steps, 1):
+        protocol["steps"].append({
+            "step_number": i,
+            "description": step.get("description", ""),
+            "duration": step.get("duration"),
+            "temperature": step.get("temperature"),
+            "critical_step": step.get("critical", False),
+            "expected_result": step.get("expected_result"),
+        })
+
+    print(f"  Protocol: {title}")
+    print(f"    Steps: {len(steps)}")
+    if reagents:
+        print(f"    Reagents: {len(reagents)}")
+    print(f"    DOI: {doi_prefix}/protocols.io...")
+
+    return protocol
+
+
+def fork_protocol(original_protocol_id, modifications):
+    """
+    既存プロトコルのフォークと改変。
+
+    - 変更点の追跡
+    - 元プロトコルへのリンク
+    - バージョン番号の自動付与
+    """
+    print(f"  Forking protocol: {original_protocol_id}")
+    print(f"    Modifications: {len(modifications)}")
+
+    return {
+        "forked_from": original_protocol_id,
+        "modifications": modifications,
+    }
+```
+
+## References
+
+### Output Files
+
+| ファイル | 形式 |
+|---|---|
+| `results/benchling_sequences.json` | JSON |
+| `results/benchling_registry.json` | JSON |
+| `results/dnanexus_workflow_output.json` | JSON |
+| `results/omero_image_metadata.json` | JSON |
+| `results/protocol.json` | JSON |
+
+### 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。
+
+なし — 各プラットフォームの REST API を直接利用。
+
+### 参照スキル
+
+| スキル | 関連 |
+|---|---|
+| `scientific-bioinformatics` | ゲノミクスデータ解析 |
+| `scientific-imaging-analysis` | 顕微鏡画像解析 |
+| `scientific-gene-expression-transcriptomics` | RNA-seq データ管理 |
+| `scientific-single-cell-genomics` | scRNA-seq データ管理 |
+| `scientific-data-analysis` | データ前処理 |
+
+### 依存パッケージ
+
+`requests`, `json`, `pandas` (各プラットフォーム SDK: `benchling-sdk`, `dxpy`, `omero-py`)