@nahisaho/satori 0.12.0 → 0.14.0

package/src/.github/skills/scientific-cell-line-resources/SKILL.md

@@ -0,0 +1,258 @@
+---
+name: scientific-cell-line-resources
+description: |
+  細胞株リソーススキル。Cellosaurus 細胞株データベース検索、
+  STR プロファイルマッチング、コンタミネーション検出、
+  細胞株メタデータ (由来組織・疾患・種) 取得パイプライン。
+---
+
+# Scientific Cell Line Resources
+
+Cellosaurus を中心とした細胞株リソースデータベースアクセス
+パイプラインを提供する。
+
+## When to Use
+
+- 細胞株の正式名称・アクセッション番号を確認するとき
+- 細胞株の由来 (組織・疾患・種) を調べるとき
+- STR プロファイルで細胞株の同一性を検証するとき
+- 細胞株のコンタミネーション (ミスアイデンティフィケーション) を確認するとき
+- 実験に使用する細胞株の参考文献・データベースリンクを取得するとき
+
+---
+
+## Quick Start
+
+## 1. Cellosaurus 細胞株検索
+
+```python
+import requests
+import pandas as pd
+
+CELLOSAURUS_API = "https://api.cellosaurus.org"
+
+
+def search_cellosaurus(query, limit=25):
+    """
+    Cellosaurus 細胞株検索。
+
+    Parameters:
+        query: str — 細胞株名 (e.g., "HeLa", "MCF-7", "A549")
+        limit: int — 最大取得数
+
+    ToolUniverse:
+        Cellosaurus_search(query=query)
+        Cellosaurus_get_cell_line(accession=accession)
+        Cellosaurus_get_str_profile(accession=accession)
+    """
+    params = {"q": query, "rows": limit, "format": "json"}
+    resp = requests.get(f"{CELLOSAURUS_API}/search/cell-line", params=params)
+    resp.raise_for_status()
+    data = resp.json()
+
+    results = []
+    for cell_line in data.get("result", {}).get("cellLineList", []):
+        cl = cell_line.get("cellLine", {})
+        results.append({
+            "accession": cl.get("accession", ""),
+            "name": cl.get("name", ""),
+            "synonyms": [s.get("value", "") for s in cl.get("synonymList", [])],
+            "category": cl.get("category", ""),
+            "sex": cl.get("sex", ""),
+            "species": cl.get("species", {}).get("value", ""),
+            "diseases": [
+                d.get("terminology", {}).get("value", "")
+                for d in cl.get("diseaseList", [])
+            ],
+            "derived_from_site": cl.get("derivedFromSite", {}).get("value", ""),
+            "is_contaminated": cl.get("isContaminated", False),
+            "is_problematic": cl.get("isProblematic", False),
+        })
+
+    df = pd.DataFrame(results)
+    print(f"Cellosaurus search '{query}': {len(df)} cell lines")
+    return df
+```
+
+## 2. 細胞株詳細情報取得
+
+```python
+def get_cellosaurus_entry(accession):
+    """
+    Cellosaurus 細胞株詳細情報取得。
+
+    Parameters:
+        accession: str — Cellosaurus アクセッション (e.g., "CVCL_0030")
+    """
+    resp = requests.get(
+        f"{CELLOSAURUS_API}/cell-line/{accession}",
+        params={"format": "json"}
+    )
+    resp.raise_for_status()
+    data = resp.json()
+
+    cl = data.get("cellLine", {})
+    entry = {
+        "accession": cl.get("accession", ""),
+        "name": cl.get("name", ""),
+        "category": cl.get("category", ""),
+        "sex": cl.get("sex", ""),
+        "age": cl.get("age", ""),
+        "species": cl.get("species", {}).get("value", ""),
+        "diseases": [
+            {
+                "name": d.get("terminology", {}).get("value", ""),
+                "accession": d.get("terminology", {}).get("accession", ""),
+            }
+            for d in cl.get("diseaseList", [])
+        ],
+        "derived_from_site": cl.get("derivedFromSite", {}).get("value", ""),
+        "is_contaminated": cl.get("isContaminated", False),
+        "contamination_comment": cl.get("contaminationComment", ""),
+        "str_profile": cl.get("strList", []),
+        "references": [
+            {
+                "pmid": r.get("pubmedId", ""),
+                "title": r.get("title", ""),
+            }
+            for r in cl.get("referenceList", [])
+        ],
+        "cross_references": [
+            {
+                "database": xr.get("database", ""),
+                "accession": xr.get("accession", ""),
+            }
+            for xr in cl.get("xrefList", [])
+        ],
+    }
+
+    print(f"Cellosaurus {accession}: {entry['name']} "
+          f"({entry['species']}, {entry['category']})")
+    return entry
+```
+
+## 3. STR プロファイル検証
+
+```python
+def check_str_profile(accession, str_data=None):
+    """
+    STR (Short Tandem Repeat) プロファイルによる細胞株同一性検証。
+
+    Parameters:
+        accession: str — Cellosaurus アクセッション
+        str_data: dict — 測定した STR データ {marker: alleles}
+    """
+    entry = get_cellosaurus_entry(accession)
+    ref_str = entry.get("str_profile", [])
+
+    if not ref_str:
+        print(f"WARNING: {accession} has no STR profile in Cellosaurus")
+        return {"match": None, "message": "No reference STR profile available"}
+
+    ref_markers = {}
+    for marker in ref_str:
+        name = marker.get("marker", "")
+        alleles = marker.get("alleles", "")
+        ref_markers[name] = alleles
+
+    if str_data is None:
+        print(f"Reference STR for {accession}: {len(ref_markers)} markers")
+        return {"reference_str": ref_markers, "marker_count": len(ref_markers)}
+
+    # Calculate match percentage
+    matched = 0
+    total = 0
+    details = []
+    for marker, ref_alleles in ref_markers.items():
+        if marker in str_data:
+            total += 1
+            measured = str_data[marker]
+            if set(str(ref_alleles).split(",")) == set(str(measured).split(",")):
+                matched += 1
+                details.append({"marker": marker, "match": True})
+            else:
+                details.append({
+                    "marker": marker, "match": False,
+                    "reference": ref_alleles, "measured": measured,
+                })
+
+    match_pct = (matched / total * 100) if total > 0 else 0
+    result = {
+        "match_percentage": match_pct,
+        "matched": matched,
+        "total_compared": total,
+        "is_authenticated": match_pct >= 80,
+        "details": details,
+    }
+
+    status = "PASS" if result["is_authenticated"] else "FAIL"
+    print(f"STR verification {accession}: {match_pct:.1f}% match → {status}")
+    return result
+```
+
+## 4. コンタミネーション・問題細胞株チェック
+
+```python
+def check_contamination_status(cell_line_names):
+    """
+    細胞株リストのコンタミネーション/ミスアイデンティフィケーション確認。
+
+    Parameters:
+        cell_line_names: list — 細胞株名リスト
+    """
+    results = []
+    for name in cell_line_names:
+        df = search_cellosaurus(name, limit=1)
+        if df.empty:
+            results.append({
+                "name": name, "found": False,
+                "is_contaminated": None, "is_problematic": None,
+            })
+            continue
+
+        row = df.iloc[0]
+        results.append({
+            "name": name,
+            "found": True,
+            "accession": row.get("accession", ""),
+            "official_name": row.get("name", ""),
+            "is_contaminated": row.get("is_contaminated", False),
+            "is_problematic": row.get("is_problematic", False),
+            "species": row.get("species", ""),
+            "diseases": row.get("diseases", []),
+        })
+
+    df = pd.DataFrame(results)
+    contaminated = df["is_contaminated"].sum() if "is_contaminated" in df else 0
+    problematic = df["is_problematic"].sum() if "is_problematic" in df else 0
+    print(f"Cell line check: {len(cell_line_names)} lines, "
+          f"{contaminated} contaminated, {problematic} problematic")
+    return df
+```
+
+---
+
+## 利用可能ツール
+
+| ToolUniverse カテゴリ | 主なツール |
+|---|---|
+| `cellosaurus` | `Cellosaurus_search`, `Cellosaurus_get_cell_line`, `Cellosaurus_get_str_profile` |
+
+## パイプライン出力
+
+| 出力ファイル | 説明 | 連携先スキル |
+|---|---|---|
+| `results/cell_lines.csv` | 細胞株メタデータ | → cancer-genomics, precision-oncology |
+| `results/str_verification.json` | STR 検証結果 | → lab-automation, lab-data-management |
+| `results/contamination_report.json` | コンタミレポート | → research-methodology |
+
+## パイプライン統合
+
+```
+cancer-genomics ──→ cell-line-resources ──→ lab-automation
+  (COSMIC/DepMap)    (Cellosaurus STR)     (プロトコル管理)
+                           │
+                           ├──→ precision-oncology (腫瘍細胞株)
+                           ├──→ disease-research (疾患モデル)
+                           └──→ human-protein-atlas (発現データ)
+```

package/src/.github/skills/scientific-compound-screening/SKILL.md

@@ -0,0 +1,245 @@
+---
+name: scientific-compound-screening
+description: |
+  化合物スクリーニングスキル。ZINC データベースを活用した購入可能化合物検索、
+  SMILES/名前ベースの類似性検索、カタログフィルタリング、
+  バーチャルスクリーニング前処理パイプライン。
+---
+
+# Scientific Compound Screening
+
+ZINC データベースを活用した化合物ライブラリ検索・
+バーチャルスクリーニング前処理パイプラインを提供する。
+
+## When to Use
+
+- 購入可能な化合物ライブラリを検索するとき
+- SMILES 構造式から類似化合物を探すとき
+- 化合物名からデータベースレコードを取得するとき
+- ベンダーカタログの絞り込みを行うとき
+- バーチャルスクリーニング用の化合物セットを準備するとき
+
+---
+
+## Quick Start
+
+## 1. ZINC 化合物名検索
+
+```python
+import requests
+import pandas as pd
+
+ZINC_API = "https://zinc15.docking.org"
+
+
+def zinc_search_by_name(name, max_results=20):
+    """
+    ZINC データベースで化合物名による検索。
+
+    Parameters:
+        name: str — compound name (e.g., "aspirin")
+        max_results: int — maximum results
+
+    ToolUniverse:
+        ZINC_search_by_name(name=name)
+    """
+    url = f"{ZINC_API}/substances/search"
+    params = {"q": name, "count": max_results}
+    resp = requests.get(url, params=params)
+    resp.raise_for_status()
+    data = resp.json()
+
+    results = []
+    for item in data:
+        results.append({
+            "zinc_id": item.get("zinc_id", ""),
+            "name": item.get("name", ""),
+            "smiles": item.get("smiles", ""),
+            "mwt": item.get("mwt", ""),
+            "logp": item.get("logp", ""),
+            "purchasable": item.get("purchasability", ""),
+        })
+
+    df = pd.DataFrame(results)
+    print(f"ZINC search '{name}': {len(df)} compounds")
+    return df
+```
+
+## 2. ZINC SMILES 類似性検索
+
+```python
+def zinc_search_by_smiles(smiles, similarity=0.7, max_results=20):
+    """
+    ZINC で SMILES 構造式による類似性検索。
+
+    Parameters:
+        smiles: str — SMILES string
+        similarity: float — Tanimoto similarity threshold (0-1)
+
+    ToolUniverse:
+        ZINC_search_by_smiles(smiles=smiles)
+    """
+    url = f"{ZINC_API}/substances/search"
+    params = {
+        "smiles": smiles,
+        "similarity": similarity,
+        "count": max_results,
+    }
+    resp = requests.get(url, params=params)
+    resp.raise_for_status()
+    data = resp.json()
+
+    results = []
+    for item in data:
+        results.append({
+            "zinc_id": item.get("zinc_id", ""),
+            "smiles": item.get("smiles", ""),
+            "similarity": item.get("similarity", ""),
+            "mwt": item.get("mwt", ""),
+            "logp": item.get("logp", ""),
+            "purchasable": item.get("purchasability", ""),
+        })
+
+    df = pd.DataFrame(results)
+    print(f"ZINC SMILES search: {len(df)} similar compounds "
+          f"(threshold={similarity})")
+    return df
+```
+
+## 3. ZINC 化合物詳細取得
+
+```python
+def zinc_get_substance(zinc_id):
+    """
+    ZINC ID から化合物の完全情報を取得。
+
+    Parameters:
+        zinc_id: str — ZINC ID (e.g., "ZINC000000000001")
+
+    ToolUniverse:
+        ZINC_get_substance(zinc_id=zinc_id)
+    """
+    url = f"{ZINC_API}/substances/{zinc_id}.json"
+    resp = requests.get(url)
+    resp.raise_for_status()
+    data = resp.json()
+
+    info = {
+        "zinc_id": data.get("zinc_id", ""),
+        "name": data.get("name", ""),
+        "smiles": data.get("smiles", ""),
+        "inchikey": data.get("inchikey", ""),
+        "mwt": data.get("mwt", ""),
+        "logp": data.get("logp", ""),
+        "num_rotatable_bonds": data.get("num_rotatable_bonds", ""),
+        "num_hba": data.get("num_hba", ""),
+        "num_hbd": data.get("num_hbd", ""),
+        "tpsa": data.get("tpsa", ""),
+        "purchasable": data.get("purchasability", ""),
+    }
+
+    print(f"ZINC {zinc_id}: {info['name']} (MW={info['mwt']})")
+    return info, data
+```
+
+## 4. ZINC カタログ一覧
+
+```python
+def zinc_get_catalogs():
+    """
+    ZINC の利用可能カタログ (ベンダー) 一覧を取得。
+
+    ToolUniverse:
+        ZINC_get_catalogs()
+    """
+    url = f"{ZINC_API}/catalogs.json"
+    resp = requests.get(url)
+    resp.raise_for_status()
+    data = resp.json()
+
+    results = []
+    for cat in data:
+        results.append({
+            "catalog_name": cat.get("name", ""),
+            "short_name": cat.get("short_name", ""),
+            "num_substances": cat.get("num_substances", 0),
+            "url": cat.get("url", ""),
+        })
+
+    df = pd.DataFrame(results)
+    print(f"ZINC catalogs: {len(df)} vendors")
+    return df
+```
+
+## 5. バーチャルスクリーニング前処理パイプライン
+
+```python
+def virtual_screening_prep(query_smiles, lipinski=True, max_compounds=100):
+    """
+    バーチャルスクリーニング用の化合物セット準備。
+    Lipinski's Rule of Five フィルタリング含む。
+
+    ToolUniverse (横断):
+        ZINC_search_by_smiles(smiles=query_smiles) → ZINC_get_substance(zinc_id)
+    """
+    # Step 1: Similar compound search
+    df = zinc_search_by_smiles(query_smiles, similarity=0.6,
+                               max_results=max_compounds)
+
+    if df.empty:
+        print("No similar compounds found")
+        return df
+
+    # Step 2: Lipinski filter
+    if lipinski:
+        df["mwt"] = pd.to_numeric(df["mwt"], errors="coerce")
+        df["logp"] = pd.to_numeric(df["logp"], errors="coerce")
+        before = len(df)
+        df = df[
+            (df["mwt"] <= 500)
+            & (df["logp"] <= 5)
+        ]
+        print(f"Lipinski filter: {before} → {len(df)} compounds")
+
+    # Step 3: Sort by similarity
+    df["similarity"] = pd.to_numeric(df["similarity"], errors="coerce")
+    df = df.sort_values("similarity", ascending=False)
+
+    print(f"VS prep: {len(df)} compounds ready for screening")
+    return df
+```
+
+## References
+
+### Output Files
+
+| ファイル | 形式 |
+|---|---|
+| `results/zinc_search.csv` | CSV |
+| `results/zinc_similar.csv` | CSV |
+| `results/zinc_substance.json` | JSON |
+| `results/zinc_catalogs.csv` | CSV |
+| `results/vs_library.csv` | CSV |
+
+### 利用可能ツール
+
+| カテゴリ | 主要ツール | 用途 |
+|---|---|---|
+| ZINC | `ZINC_search_by_name` | 化合物名検索 |
+| ZINC | `ZINC_search_by_smiles` | SMILES 類似性検索 |
+| ZINC | `ZINC_get_substance` | 化合物詳細 |
+| ZINC | `ZINC_get_catalogs` | カタログ一覧 |
+
+### 参照スキル
+
+| スキル | 関連 |
+|---|---|
+| `scientific-compound-similarity` | 化合物類似性 |
+| `scientific-pharmacology-targets` | 薬理学ターゲット |
+| `scientific-molecular-docking` | 分子ドッキング |
+| `scientific-drug-target-interaction` | DTI 解析 |
+| `scientific-admet-toxicity` | ADMET 毒性 |
+
+### 依存パッケージ
+
+`requests`, `pandas`