@nahisaho/satori 0.14.0 → 0.16.0

package/src/.github/skills/scientific-md-simulation/SKILL.md

@@ -0,0 +1,315 @@
+---
+name: scientific-md-simulation
+description: |
+  分子動力学シミュレーション解析スキル。MDAnalysis によるトラジェクトリ解析・
+  RMSD/RMSF/Rg 時系列指標・水素結合解析・二次構造変化追跡・
+  OpenFF Toolkit力場パラメータ化・溶媒和自由エネルギー推定パイプライン。
+---
+
+# Scientific MD Simulation
+
+MDAnalysis と OpenFF Toolkit を活用した分子動力学 (MD) シミュレーション
+解析パイプラインを提供する。トラジェクトリ読込みから構造指標計算、
+水素結合解析、力場パラメータ化まで統合。
+
+## When to Use
+
+- MD トラジェクトリ (DCD/XTC/TRR/GRO) を解析するとき
+- RMSD/RMSF/Radius of Gyration 時系列を計算するとき
+- 水素結合パターンを解析するとき
+- OpenFF で小分子の力場パラメータを自動生成するとき
+- タンパク質-リガンド複合体の安定性を評価するとき
+- 溶媒接触表面積 (SASA) を計算するとき
+
+---
+
+## Quick Start
+
+## 1. トラジェクトリ読込み & 基本情報
+
+```python
+import MDAnalysis as mda
+import numpy as np
+import pandas as pd
+
+
+def load_trajectory(topology, trajectory):
+    """
+    MD トラジェクトリ読込み。
+
+    Parameters:
+        topology: str — トポロジファイル (PSF/PDB/GRO/PRMTOP)
+        trajectory: str — トラジェクトリファイル (DCD/XTC/TRR)
+
+    K-Dense: mdanalysis
+    """
+    u = mda.Universe(topology, trajectory)
+
+    info = {
+        "n_atoms": u.atoms.n_atoms,
+        "n_residues": u.residues.n_residues,
+        "n_segments": u.segments.n_segments,
+        "n_frames": u.trajectory.n_frames,
+        "dt_ps": u.trajectory.dt,
+        "total_time_ns": u.trajectory.n_frames * u.trajectory.dt / 1000,
+        "topology_format": topology.split(".")[-1],
+        "trajectory_format": trajectory.split(".")[-1],
+    }
+
+    print(f"Loaded: {info['n_atoms']} atoms, {info['n_frames']} frames, "
+          f"{info['total_time_ns']:.1f} ns")
+    return u, info
+```
+
+## 2. RMSD 解析
+
+```python
+from MDAnalysis.analysis.rms import RMSD
+
+
+def compute_rmsd(universe, selection="backbone", ref_frame=0):
+    """
+    RMSD (Root Mean Square Deviation) 計算。
+
+    Parameters:
+        universe: mda.Universe — MD ユニバース
+        selection: str — 原子選択文字列
+        ref_frame: int — 参照フレーム
+    """
+    R = RMSD(universe, universe, select=selection, ref_frame=ref_frame)
+    R.run()
+
+    df = pd.DataFrame({
+        "frame": R.results.rmsd[:, 0].astype(int),
+        "time_ps": R.results.rmsd[:, 1],
+        "rmsd_A": R.results.rmsd[:, 2],
+    })
+    df["time_ns"] = df["time_ps"] / 1000
+
+    print(f"RMSD ({selection}): mean={df['rmsd_A'].mean():.2f} Å, "
+          f"max={df['rmsd_A'].max():.2f} Å")
+    return df
+```
+
+## 3. RMSF 解析
+
+```python
+from MDAnalysis.analysis.rms import RMSF as RMSFAnalysis
+
+
+def compute_rmsf(universe, selection="name CA"):
+    """
+    RMSF (Root Mean Square Fluctuation) per residue。
+
+    Parameters:
+        universe: mda.Universe — MD ユニバース
+        selection: str — 原子選択 (通常 Cα)
+    """
+    atoms = universe.select_atoms(selection)
+    R = RMSFAnalysis(atoms).run()
+
+    df = pd.DataFrame({
+        "resid": atoms.resids,
+        "resname": atoms.resnames,
+        "rmsf_A": R.results.rmsf,
+    })
+
+    # 柔軟領域の同定
+    threshold = df["rmsf_A"].mean() + 2 * df["rmsf_A"].std()
+    df["flexible"] = df["rmsf_A"] > threshold
+
+    print(f"RMSF: mean={df['rmsf_A'].mean():.2f} Å, "
+          f"flexible residues={df['flexible'].sum()}")
+    return df
+```
+
+## 4. Radius of Gyration
+
+```python
+def compute_radius_of_gyration(universe, selection="protein"):
+    """
+    Radius of Gyration (Rg) 時系列計算。
+
+    Parameters:
+        universe: mda.Universe — MD ユニバース
+        selection: str — 原子選択
+    """
+    protein = universe.select_atoms(selection)
+    rg_data = []
+
+    for ts in universe.trajectory:
+        rg = protein.radius_of_gyration()
+        rg_data.append({
+            "frame": ts.frame,
+            "time_ns": ts.time / 1000,
+            "rg_A": rg,
+        })
+
+    df = pd.DataFrame(rg_data)
+    print(f"Rg: mean={df['rg_A'].mean():.2f} Å, "
+          f"std={df['rg_A'].std():.2f} Å")
+    return df
+```
+
+## 5. 水素結合解析
+
+```python
+from MDAnalysis.analysis.hydrogenbonds import HydrogenBondAnalysis
+
+
+def hydrogen_bond_analysis(universe, donor_sel="protein", acceptor_sel="protein",
+                           d_a_cutoff=3.0, angle_cutoff=150):
+    """
+    水素結合解析。
+
+    Parameters:
+        universe: mda.Universe — MD ユニバース
+        donor_sel: str — ドナー選択
+        acceptor_sel: str — アクセプター選択
+        d_a_cutoff: float — D-A 距離閾値 (Å)
+        angle_cutoff: float — D-H-A 角度閾値 (°)
+    """
+    hbonds = HydrogenBondAnalysis(
+        universe,
+        donors_sel=donor_sel,
+        acceptors_sel=acceptor_sel,
+        d_a_cutoff=d_a_cutoff,
+        d_h_a_angle_cutoff=angle_cutoff,
+    )
+    hbonds.run()
+
+    # フレームあたり水素結合数
+    counts = hbonds.count_by_time()
+    df_counts = pd.DataFrame({
+        "time_ps": counts[:, 0],
+        "n_hbonds": counts[:, 1].astype(int),
+    })
+
+    print(f"H-bonds: mean={df_counts['n_hbonds'].mean():.1f}/frame, "
+          f"total unique={len(hbonds.results.hbonds)}")
+    return hbonds, df_counts
+```
+
+## 6. SASA (溶媒接触表面積)
+
+```python
+from MDAnalysis.analysis.sasa import SASA
+
+
+def compute_sasa(universe, selection="protein"):
+    """
+    Solvent Accessible Surface Area (SASA) 計算。
+
+    Parameters:
+        universe: mda.Universe
+        selection: str — 原子選択
+    """
+    atoms = universe.select_atoms(selection)
+    sasa = SASA(atoms)
+    sasa.run()
+
+    df = pd.DataFrame({
+        "frame": range(len(sasa.results.area)),
+        "sasa_A2": sasa.results.area,
+    })
+
+    print(f"SASA: mean={df['sasa_A2'].mean():.1f} Ų, "
+          f"std={df['sasa_A2'].std():.1f} Ų")
+    return df
+```
+
+## 7. OpenFF 力場パラメータ化
+
+```python
+def parameterize_with_openff(smiles, force_field="openff-2.1.0"):
+    """
+    OpenFF Toolkit でリガンドの力場パラメータ自動生成。
+
+    Parameters:
+        smiles: str — リガンド SMILES
+        force_field: str — OpenFF 力場バージョン
+
+    K-Dense: openff
+    """
+    from openff.toolkit import Molecule, ForceField
+    from openff.interchange import Interchange
+
+    mol = Molecule.from_smiles(smiles)
+    mol.generate_conformers(n_conformers=1)
+
+    ff = ForceField(f"{force_field}.offxml")
+    topology = mol.to_topology()
+    interchange = Interchange.from_smirnoff(ff, topology)
+
+    result = {
+        "smiles": smiles,
+        "force_field": force_field,
+        "n_atoms": mol.n_atoms,
+        "n_bonds": mol.n_bonds,
+        "n_conformers": mol.n_conformers,
+        "partial_charges": mol.partial_charges,
+    }
+
+    print(f"OpenFF parameterized: {smiles} ({mol.n_atoms} atoms, "
+          f"FF={force_field})")
+    return interchange, result
+```
+
+## 8. 統合 MD 解析パイプライン
+
+```python
+def md_analysis_pipeline(topology, trajectory, selection="protein"):
+    """
+    MD トラジェクトリ統合解析パイプライン。
+
+    Pipeline:
+        load → RMSD → RMSF → Rg → H-bonds → summary
+    """
+    u, info = load_trajectory(topology, trajectory)
+
+    rmsd = compute_rmsd(u, "backbone")
+    rmsf = compute_rmsf(u, "name CA")
+    rg = compute_radius_of_gyration(u, selection)
+    hbonds, hb_counts = hydrogen_bond_analysis(u)
+
+    summary = {
+        "system": info,
+        "rmsd_mean_A": round(rmsd["rmsd_A"].mean(), 2),
+        "rmsd_std_A": round(rmsd["rmsd_A"].std(), 2),
+        "rmsf_mean_A": round(rmsf["rmsf_A"].mean(), 2),
+        "n_flexible_residues": int(rmsf["flexible"].sum()),
+        "rg_mean_A": round(rg["rg_A"].mean(), 2),
+        "hbonds_mean_per_frame": round(hb_counts["n_hbonds"].mean(), 1),
+    }
+
+    print(f"\n=== MD Analysis Summary ===")
+    for k, v in summary.items():
+        if isinstance(v, dict):
+            continue
+        print(f"  {k}: {v}")
+
+    return summary
+```
+
+---
+
+## パイプライン統合
+
+```
+molecular-docking ──→ md-simulation ──→ admet-pharmacokinetics
+  (ドッキングポーズ)    (MD 安定性評価)     (PK パラメータ推定)
+        │                    │                      ↓
+protein-structure ──┘        │              drug-target-profiling
+  (PDB/AlphaFold)            ↓                (候補評価)
+                    computational-materials
+                    (pymatgen/VASP 連携)
+```
+
+## パイプライン出力
+
+| ファイル | 説明 | 次スキル |
+|---------|------|---------|
+| `results/rmsd_timeseries.csv` | RMSD 時系列 | → publication-figures |
+| `results/rmsf_per_residue.csv` | RMSF 残基別 | → protein-structure-analysis |
+| `results/hbond_analysis.csv` | 水素結合解析 | → molecular-docking |
+| `results/md_summary.json` | 統合サマリ | → admet-pharmacokinetics |

package/src/.github/skills/scientific-model-organism-db/SKILL.md

@@ -0,0 +1,329 @@
+---
+name: scientific-model-organism-db
+description: |
+  モデル生物データベース統合スキル。FlyBase (ショウジョウバエ)、
+  WormBase (線虫)、ZFIN (ゼブラフィッシュ)、RGD (ラット)、
+  MGI (マウス) の REST API を統合した
+  モデル生物遺伝子・表現型・疾患モデル横断検索パイプライン。
+---
+
+# Scientific Model Organism Database
+
+主要 5 モデル生物データベース (FlyBase / WormBase / ZFIN / RGD / MGI) を
+統合した遺伝子・表現型・疾患モデル横断検索パイプラインを提供する。
+
+## When to Use
+
+- ヒト遺伝子のモデル生物オルソログを検索するとき
+- モデル生物の表現型データを疾患研究に活用するとき
+- 遺伝子改変動物モデルの表現型情報を取得するとき
+- 複数のモデル生物間で機能保存性を比較するとき
+- IMPC (既存スキル) を補完してラット/魚/ハエ/線虫データが必要なとき
+
+---
+
+## Quick Start
+
+## 1. MGI (Mouse Genome Informatics) 遺伝子検索
+
+```python
+import requests
+import pandas as pd
+
+MGI_API = "http://www.informatics.jax.org/api"
+
+
+def search_mgi_gene(query, limit=20):
+    """
+    MGI マウス遺伝子検索。
+
+    Parameters:
+        query: str — 遺伝子名またはシンボル
+        limit: int — 最大取得数
+    """
+    url = f"{MGI_API}/gene/search"
+    params = {"query": query, "limit": limit}
+    resp = requests.get(url, params=params)
+    resp.raise_for_status()
+    data = resp.json()
+
+    rows = []
+    for gene in data.get("results", []):
+        rows.append({
+            "mgi_id": gene.get("mgiId"),
+            "symbol": gene.get("symbol"),
+            "name": gene.get("name"),
+            "chromosome": gene.get("chromosome"),
+            "feature_type": gene.get("featureType"),
+            "organism": "Mus musculus",
+        })
+
+    df = pd.DataFrame(rows[:limit])
+    print(f"MGI search '{query}': {len(df)} genes")
+    return df
+```
+
+## 2. RGD (Rat Genome Database) 遺伝子検索
+
+```python
+RGD_API = "https://rest.rgd.mcw.edu/rgdws"
+
+
+def search_rgd_gene(query, species="rat"):
+    """
+    RGD ラット遺伝子検索。
+
+    Parameters:
+        query: str — 遺伝子シンボル
+        species: str — "rat", "mouse", "human"
+    """
+    species_map = {"rat": 3, "mouse": 2, "human": 1}
+    species_key = species_map.get(species, 3)
+
+    url = f"{RGD_API}/genes/{query}/{species_key}"
+    resp = requests.get(url, headers={"Accept": "application/json"})
+    resp.raise_for_status()
+    data = resp.json()
+
+    if isinstance(data, dict):
+        data = [data]
+
+    rows = []
+    for gene in data:
+        rows.append({
+            "rgd_id": gene.get("rgdId"),
+            "symbol": gene.get("symbol"),
+            "name": gene.get("name"),
+            "chromosome": gene.get("chromosome"),
+            "type": gene.get("type"),
+            "organism": species,
+        })
+
+    df = pd.DataFrame(rows)
+    print(f"RGD search '{query}': {len(df)} genes ({species})")
+    return df
+```
+
+## 3. ZFIN (Zebrafish Information Network)
+
+```python
+ZFIN_API = "https://zfin.org/action/api"
+
+
+def search_zfin_gene(query, limit=20):
+    """
+    ZFIN ゼブラフィッシュ遺伝子検索。
+
+    Parameters:
+        query: str — 遺伝子名またはシンボル
+        limit: int — 最大取得数
+    """
+    url = f"{ZFIN_API}/marker/search"
+    params = {"name": query, "limit": limit, "type": "gene"}
+    resp = requests.get(url, params=params)
+    resp.raise_for_status()
+    data = resp.json()
+
+    rows = []
+    for gene in data.get("results", []):
+        rows.append({
+            "zfin_id": gene.get("zdbID"),
+            "symbol": gene.get("abbreviation"),
+            "name": gene.get("name"),
+            "type": gene.get("markerType"),
+            "organism": "Danio rerio",
+        })
+
+    df = pd.DataFrame(rows[:limit])
+    print(f"ZFIN search '{query}': {len(df)} genes")
+    return df
+```
+
+## 4. FlyBase (Drosophila)
+
+```python
+FLYBASE_API = "https://api.flybase.org/api/v1.0"
+
+
+def search_flybase_gene(query, limit=20):
+    """
+    FlyBase ショウジョウバエ遺伝子検索。
+
+    Parameters:
+        query: str — 遺伝子名またはシンボル
+        limit: int — 最大取得数
+    """
+    url = f"{FLYBASE_API}/gene/search/{query}"
+    params = {"limit": limit}
+    resp = requests.get(url, params=params)
+    resp.raise_for_status()
+    data = resp.json()
+
+    genes = data.get("resultset", {}).get("result", [])
+    rows = []
+    for gene in genes:
+        rows.append({
+            "flybase_id": gene.get("id"),
+            "symbol": gene.get("symbol"),
+            "name": gene.get("name"),
+            "chromosome": gene.get("location", {}).get("chromosome"),
+            "organism": "Drosophila melanogaster",
+        })
+
+    df = pd.DataFrame(rows[:limit])
+    print(f"FlyBase search '{query}': {len(df)} genes")
+    return df
+```
+
+## 5. WormBase (C. elegans)
+
+```python
+WORMBASE_API = "https://wormbase.org/rest"
+
+
+def search_wormbase_gene(query, limit=20):
+    """
+    WormBase 線虫遺伝子検索。
+
+    Parameters:
+        query: str — 遺伝子名またはシンボル
+        limit: int — 最大取得数
+    """
+    url = f"{WORMBASE_API}/field/gene/{query}/overview"
+    resp = requests.get(url, headers={"Accept": "application/json"})
+    resp.raise_for_status()
+    data = resp.json()
+
+    overview = data.get("overview", {})
+    info = {
+        "wormbase_id": overview.get("name", {}).get("data", {}).get("id"),
+        "symbol": overview.get("name", {}).get("data", {}).get("label"),
+        "concise_description": overview.get("concise_description", {}).get(
+            "data", ""
+        ),
+        "organism": "Caenorhabditis elegans",
+    }
+
+    print(f"WormBase: {info['symbol']} ({info['wormbase_id']})")
+    return info
+```
+
+## 6. モデル生物横断オルソログ検索
+
+```python
+def cross_species_ortholog_search(human_gene):
+    """
+    ヒト遺伝子の 5 モデル生物オルソログ横断検索。
+
+    Parameters:
+        human_gene: str — ヒト遺伝子シンボル (例: "TP53")
+
+    Pipeline:
+        MGI → RGD → ZFIN → FlyBase → WormBase
+    """
+    results = []
+
+    # Mouse (MGI)
+    try:
+        mgi = search_mgi_gene(human_gene, limit=3)
+        if not mgi.empty:
+            results.append({"organism": "Mouse", "db": "MGI",
+                            "symbol": mgi.iloc[0]["symbol"],
+                            "id": mgi.iloc[0]["mgi_id"]})
+    except Exception as e:
+        print(f"MGI error: {e}")
+
+    # Rat (RGD)
+    try:
+        rgd = search_rgd_gene(human_gene, "rat")
+        if not rgd.empty:
+            results.append({"organism": "Rat", "db": "RGD",
+                            "symbol": rgd.iloc[0]["symbol"],
+                            "id": str(rgd.iloc[0]["rgd_id"])})
+    except Exception as e:
+        print(f"RGD error: {e}")
+
+    # Zebrafish (ZFIN)
+    try:
+        zfin = search_zfin_gene(human_gene.lower(), limit=3)
+        if not zfin.empty:
+            results.append({"organism": "Zebrafish", "db": "ZFIN",
+                            "symbol": zfin.iloc[0]["symbol"],
+                            "id": zfin.iloc[0]["zfin_id"]})
+    except Exception as e:
+        print(f"ZFIN error: {e}")
+
+    # Drosophila (FlyBase)
+    try:
+        fly = search_flybase_gene(human_gene, limit=3)
+        if not fly.empty:
+            results.append({"organism": "Drosophila", "db": "FlyBase",
+                            "symbol": fly.iloc[0]["symbol"],
+                            "id": fly.iloc[0]["flybase_id"]})
+    except Exception as e:
+        print(f"FlyBase error: {e}")
+
+    # C. elegans (WormBase)
+    try:
+        worm = search_wormbase_gene(human_gene.lower())
+        if worm.get("wormbase_id"):
+            results.append({"organism": "C. elegans", "db": "WormBase",
+                            "symbol": worm["symbol"],
+                            "id": worm["wormbase_id"]})
+    except Exception as e:
+        print(f"WormBase error: {e}")
+
+    df = pd.DataFrame(results)
+    print(f"\nOrthologs of {human_gene}: {len(df)} model organisms")
+    return df
+```
+
+## 7. 表現型データ統合
+
+```python
+def get_mgi_phenotypes(mgi_id):
+    """
+    MGI 遺伝子の表現型アノテーション取得。
+
+    Parameters:
+        mgi_id: str — MGI ID (例: "MGI:98834")
+    """
+    url = f"{MGI_API}/gene/{mgi_id}/phenotypes"
+    resp = requests.get(url)
+    resp.raise_for_status()
+    data = resp.json()
+
+    rows = []
+    for pheno in data.get("phenotypes", []):
+        rows.append({
+            "mp_id": pheno.get("mpId"),
+            "mp_term": pheno.get("mpTerm"),
+            "allele_symbol": pheno.get("alleleSymbol"),
+            "genetic_background": pheno.get("geneticBackground"),
+        })
+
+    df = pd.DataFrame(rows)
+    print(f"Phenotypes for {mgi_id}: {len(df)} MP annotations")
+    return df
+```
+
+---
+
+## パイプライン統合
+
+```
+ensembl-genomics ──→ model-organism-db ──→ disease-research
+  (オルソログ ID)      (表現型データ)        (疾患モデル)
+        │                     │                   ↓
+biothings-idmapping ──┘      ↓          rare-disease-genetics
+  (ID マッピング)     phylogenetics        (OMIM/Orphanet)
+                    (種間系統解析)
+```
+
+## パイプライン出力
+
+| ファイル | 説明 | 次スキル |
+|---------|------|---------|
+| `results/model_orthologs.csv` | モデル生物オルソログ | → ensembl-genomics |
+| `results/mgi_phenotypes.csv` | マウス表現型 | → disease-research |
+| `results/cross_species.json` | 横断比較結果 | → phylogenetics |