@nahisaho/satori 0.15.0 → 0.16.0

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 **116 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。70 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 **124 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。74 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
 
@@ -208,7 +208,7 @@ symbolic-mathematics ──→ systems-biology ──→ admet-pharmacokinetics
 
 ### ToolUniverse MCP ツール連携
 
-70 のスキル（HIGH 13 + MEDIUM 9 + Phase 3: 20 + Phase 4: 8 + Phase 5: 9 + Phase 6: 7 + Phase 7: 4）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。
+74 のスキル（HIGH 13 + MEDIUM 9 + Phase 3: 20 + Phase 4: 8 + Phase 5: 9 + Phase 6: 7 + Phase 7: 4 + Phase 8: 4）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)
@@ -247,7 +247,9 @@ SATORI Skill (方法論・判断)        ToolUniverse SMCP (データ取得・
 │ ensembl-genomics     │───MCP──│ Ensembl REST, VEP             │
 │ string-network-api   │───MCP──│ STRING, BioGRID, STITCH       │
 │ expression-comparison│───MCP──│ Expression Atlas              │
-│ ... (70 skills total) │       │ ... (1,200+ tools)           │
+│ rrna-taxonomy        │───MCP──│ MGnify metagenomics          │
+│ marine-ecology       │───MCP──│ OBIS, WoRMS, GBIF            │
+│ ... (74 skills total) │       │ ... (1,200+ tools)           │
 └──────────────────────┘        └─────────────────────────────┘
 ```
 
@@ -255,7 +257,7 @@ SATORI Skill (方法論・判断)        ToolUniverse SMCP (データ取得・
 
 | 中区分 | スキル数 | 概要 |
 |---|:---:|---|
-| A. 基盤・ワークフロー | 15 | パイプライン構築・前処理・データ生成・図表・執筆・仮説立案・批判的レビュー・SI 生成・LaTeX 変換・引用検証・査読対応・改訂追跡・論文品質・系統的レビュー・BioThings ID マッピング |
+| A. 基盤・ワークフロー | 16 | パイプライン構築・前処理・データ生成・図表・執筆・仮説立案・批判的レビュー・SI 生成・LaTeX 変換・引用検証・査読対応・改訂追跡・論文品質・系統的レビュー・BioThings ID マッピング・データ投稿 |
 | B. 統計・探索的解析 | 4 | EDA・仮説検定・次元削減・記号数学 |
 | 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 |
@@ -264,7 +266,7 @@ SATORI Skill (方法論・判断)        ToolUniverse SMCP (データ取得・
 | G. 化学・材料・イメージング | 8 | ケモインフォ・材料特性評価・画像形態解析・計算材料科学・ChEMBL アッセイマイニング・MD シミュレーション・高度イメージング・深層化学 |
 | H. 臨床・疫学・メタ科学 | 5 | 生存解析・因果推論・メタアナリシス・臨床試験解析・臨床レポート |
 | I. Deep Research・文献検索 | 3 | 科学文献深層リサーチ・エビデンス階層評価・マルチ DB 文献検索・引用ネットワーク・プレプリント横断検索 |
-| J. 創薬・ファーマコロジー | 6 | 標的プロファイリング・ADMET/PK・ドラッグリポジショニング・分子ドッキング・薬理学的ターゲット・化合物スクリーニング |
+| J. 創薬・ファーマコロジー | 7 | 標的プロファイリング・ADMET/PK・ドラッグリポジショニング・分子ドッキング・薬理学的ターゲット・化合物スクリーニング・NCI-60 スクリーニング |
 | K. 構造生物学・タンパク質工学 | 5 | PDB/AlphaFold 構造解析・de novo タンパク質設計・PPI ネットワーク・ドメイン/ファミリー・構造プロテオミクス |
 | L. 精密医療・臨床意思決定 | 3 | 変異解釈 (ACMG/AMP)・エビデンスベース臨床意思決定・バリアント効果予測 |
 | 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 |
@@ -274,11 +276,11 @@ SATORI Skill (方法論・判断)        ToolUniverse SMCP (データ取得・
 | Q. 腫瘍学・疾患研究 | 5 | 精密腫瘍学 (CIViC/OncoKB)・疾患-遺伝子関連 (GWAS/Orphanet)・がんゲノミクス (COSMIC/DepMap)・希少疾患遺伝学・細胞株リソース |
 | R. 量子・先端計算 | 7 | 量子計算・GNN・ベイズ統計・説明可能 AI・深層学習・ヘルスケア AI・強化学習 |
 | 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・エピゲノミクス | 6 | scRNA-seq・Visium・MERFISH・CELLxGENE・RNA velocity・エピゲノミクス・レギュラトリーゲノミクス・摂動解析・scVI 統合 |
+| T. シングルセル・空間・エピゲノミクス | 8 | scRNA-seq・Visium・MERFISH・CELLxGENE・RNA velocity・エピゲノミクス・レギュラトリーゲノミクス・摂動解析・scVI 統合・scATAC-seq/Signac・GPU シングルセル |
 | 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 | 3 | 16S/メタゲノム・α/β 多様性・SDM・OBIS・GBIF・系統解析 |
+| V. マイクロバイオーム・環境 | 6 | 16S/メタゲノム・α/β 多様性・SDM・OBIS・GBIF・系統解析・rRNA 分類学・植物バイオロジー・海洋生態学 |
 | W. システム生物学 | 2 | SBML シミュレーション・FBA・GRN 推定・BioModels・代謝モデリング |
-| X. 疫学・公衆衛生 | 2 | リスク指標 (RR/OR)・年齢標準化・空間疫学・WHO・CDC・公衆衛生データ |
+| X. 疫学・公衆衛生 | 3 | リスク指標 (RR/OR)・年齢標準化・空間疫学・WHO・CDC・公衆衛生データ・環境毒性学 |
 | Y. 集団遺伝学 | 1 | HWE・PCA/ADMIXTURE・Fst・選択スキャン・gnomAD・GWAS |
 | Z. 科学テキストマイニング | 2 | NER・関係抽出・知識グラフ・BERTopic・PubTator バイオアノテーション |
 
@@ -286,7 +288,7 @@ SATORI Skill (方法論・判断)        ToolUniverse SMCP (データ取得・
 
 ## Skills 一覧
 
-### A. 基盤・ワークフロー（15 種）
+### A. 基盤・ワークフロー（16 種）
 
 全 Exp に共通する横断的な基盤スキル。
 
@@ -307,6 +309,7 @@ SATORI Skill (方法論・判断)        ToolUniverse SMCP (データ取得・
 | 13 | [scientific-paper-quality](scientific-paper-quality/SKILL.md) | 可読性スコア・構造バランス・語彙品質・ジャーナル適合性・再現性チェック | 汎用 |
 | 84 | [scientific-systematic-review](scientific-systematic-review/SKILL.md) | PRISMA 2020 系統的レビュー・マルチ DB 検索戦略・スクリーニング・バイアスリスク評価 | 汎用 |
 | 91 | [scientific-biothings-idmapping](scientific-biothings-idmapping/SKILL.md) | BioThings API (MyGene/MyVariant/MyChem) 横断的 ID マッピング・アノテーション | 汎用 |
+| 119 | [scientific-data-submission](scientific-data-submission/SKILL.md) | GenBank/SRA/GEO/BioProject/BioSample データ投稿・FAIR 原則準拠 | 汎用 |
 
 ### B. 統計・探索的解析（4 種）
 
@@ -411,9 +414,9 @@ SATORI Skill (方法論・判断)        ToolUniverse SMCP (データ取得・
 | 78 | [scientific-literature-search](scientific-literature-search/SKILL.md) | PubMed/Semantic Scholar/OpenAlex/EuropePMC/CrossRef マルチ DB 検索・引用ネットワーク | 汎用 |
 | 97 | [scientific-preprint-archive](scientific-preprint-archive/SKILL.md) | bioRxiv/medRxiv/arXiv/PMC/CORE/Zenodo/OpenAIRE/Unpaywall プレプリント・OA 横断検索 | 汎用 |
 
-### J. 創薬・ファーマコロジー（6 種）
+### J. 創薬・ファーマコロジー（7 種）
 
-ドラッグディスカバリーの標的評価・薬物動態・リポジショニング・薬理学的ターゲット・化合物スクリーニングを担うスキル群。
+ドラッグディスカバリーの標的評価・薬物動態・リポジショニング・薬理学的ターゲット・化合物スクリーニング・NCI-60 スクリーニングを担うスキル群。
 
 | # | Skill | 説明 | 参照 Exp |
 |---|---|---|---|
@@ -423,6 +426,7 @@ SATORI Skill (方法論・判断)        ToolUniverse SMCP (データ取得・
 | 83 | [scientific-molecular-docking](scientific-molecular-docking/SKILL.md) | AutoDock Vina/DiffDock 分子ドッキング・バーチャルスクリーニング | 汎用 |
 | 89 | [scientific-pharmacology-targets](scientific-pharmacology-targets/SKILL.md) | BindingDB/GPCRdb/GtoPdb/BRENDA/Pharos 薬理学的ターゲットプロファイリング | 汎用 |
 | 94 | [scientific-compound-screening](scientific-compound-screening/SKILL.md) | ZINC 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 | 汎用 |
+| 120 | [scientific-nci60-screening](scientific-nci60-screening/SKILL.md) | NCI-60/CellMiner/DepMap がん細胞株薬剤応答スクリーニング | 汎用 |
 
 ### K. 構造生物学・タンパク質工学（5 種）
 
@@ -515,9 +519,9 @@ 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・エピゲノミクス（6 種）
+### T. シングルセル・空間・エピゲノミクス（8 種）
 
-scRNA-seq・空間トランスクリプトミクス・エピゲノミクス・制御ゲノミクス・摂動解析・scVI 統合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・制御ゲノミクス・摂動解析・scVI 統合・scATAC-seq・GPU シングルセルの解析パイプラインを担うスキル群。
 
 | # | Skill | 説明 | 参照 Exp |
 |---|---|---|---|
@@ -527,6 +531,8 @@ scRNA-seq・空間トランスクリプトミクス・エピゲノミクス・
 | 102 | [scientific-regulatory-genomics](scientific-regulatory-genomics/SKILL.md) | RegulomeDB/ReMap/4DN 制御領域バリアント・三次元ゲノム構造解析 | 汎用 |
 | 113 | [scientific-perturbation-analysis](scientific-perturbation-analysis/SKILL.md) | pertpy/Augur/scIB 摂動解析・CRISPR スクリーン・scGen 摂動予測・統合ベンチマーク | 汎用 |
 | 116 | [scientific-scvi-integration](scientific-scvi-integration/SKILL.md) | scVI/scANVI/totalVI/SOLO シングルセル統合・半教師有りアノテーション・CITE-seq | 汎用 |
+| 123 | [scientific-scatac-signac](scientific-scatac-signac/SKILL.md) | Signac/SnapATAC2 scATAC-seq・モチーフ解析・Gene Activity・RNA+ATAC マルチモーダル統合 | 汎用 |
+| 124 | [scientific-gpu-singlecell](scientific-gpu-singlecell/SKILL.md) | rapids-singlecell/cuML/cuGraph GPU アクセラレーションシングルセル解析 | 汎用 |
 
 ### U. 免疫・感染症（2 種）
 
@@ -537,15 +543,18 @@ scRNA-seq・空間トランスクリプトミクス・エピゲノミクス・
 | 59 | [scientific-immunoinformatics](scientific-immunoinformatics/SKILL.md) | MHC-I/II 結合予測・B 細胞エピトープ・TCR/BCR レパトア多様性・抗体 CDR 解析・ワクチン候補ランキング | 汎用 |
 | 60 | [scientific-infectious-disease](scientific-infectious-disease/SKILL.md) | 病原体 WGS QC・AMR 遺伝子検出・MLST 型別・系統解析 (IQ-TREE)・SIR/SEIR 数理モデル | 汎用 |
 
-### V. マイクロバイオーム・環境（3 種）
+### V. マイクロバイオーム・環境（6 種）
 
-マイクロバイオーム解析・環境/生態系モデリング・系統解析を担うスキル群。
+マイクロバイオーム解析・環境/生態系モデリング・系統解析・rRNA 分類学・植物バイオロジー・海洋生態学を担うスキル群。
 
 | # | Skill | 説明 | 参照 Exp |
 |---|---|---|---|
 | 61 | [scientific-microbiome-metagenomics](scientific-microbiome-metagenomics/SKILL.md) | DADA2 ASV パイプライン・MetaPhlAn/Kraken2・α/β 多様性・ANCOM-BC 差次的存在量・HUMAnN 機能プロファイリング | 汎用 |
 | 62 | [scientific-environmental-ecology](scientific-environmental-ecology/SKILL.md) | SDM (MaxEnt/RF/GBM)・生物多様性指数・群集序列化 (NMDS/CCA)・保全優先順位ランキング | 汎用 |
 | 103 | [scientific-phylogenetics](scientific-phylogenetics/SKILL.md) | ETE3/scikit-bio 系統樹構築・Faith's PD・UniFrac・分岐年代推定・祖先配列復元 | 汎用 |
+| 118 | [scientific-rrna-taxonomy](scientific-rrna-taxonomy/SKILL.md) | SILVA/Greengenes2/MGnify rRNA リファレンス・分類学・コンセンサス分類 | 汎用 |
+| 121 | [scientific-plant-biology](scientific-plant-biology/SKILL.md) | Plant Reactome/TAIR/Ensembl Plants 植物代謝パスウェイ・種間比較 | 汎用 |
+| 122 | [scientific-marine-ecology](scientific-marine-ecology/SKILL.md) | OBIS/WoRMS/GBIF/FishBase 海洋生物多様性・分布解析 | 汎用 |
 
 ### W. システム生物学（2 種）
 
@@ -556,14 +565,15 @@ SBML 動的シミュレーション・代謝フラックス・遺伝子制御ネ
 | 63 | [scientific-systems-biology](scientific-systems-biology/SKILL.md) | SBML/RoadRunner シミュレーション・FBA/pFBA (cobrapy)・GRN 推定 (GENIE3)・Sobol 感度解析 | 汎用 |
 | 95 | [scientific-metabolic-modeling](scientific-metabolic-modeling/SKILL.md) | BiGG Models/BioModels ゲノムスケール代謝モデル・反応・代謝物検索 | 汎用 |
 
-### X. 疫学・公衆衛生（2 種）
+### X. 疫学・公衆衛生（3 種）
 
-疫学的リスク指標算出・標準化・空間疫学・DAG 交絡分析・公衆衛生データアクセスを担うスキル群。
+疫学的リスク指標算出・標準化・空間疫学・DAG 交絡分析・公衆衛生データアクセス・環境毒性学を担うスキル群。
 
 | # | Skill | 説明 | 参照 Exp |
 |---|---|---|---|
 | 64 | [scientific-epidemiology-public-health](scientific-epidemiology-public-health/SKILL.md) | RR/OR/RD/NNT/AF リスク指標・直接/間接年齢標準化・LISA/Getis-Ord 空間クラスタリング・DAG バックドア基準 | 汎用 |
 | 98 | [scientific-public-health-data](scientific-public-health-data/SKILL.md) | NHANES/MedlinePlus/RxNorm/ODPHP 公衆衛生データアクセス・健康格差API | 汎用 |
+| 117 | [scientific-toxicology-env](scientific-toxicology-env/SKILL.md) | CTD/Tox21/ToxCast/T3DB/EPA IRIS 環境毒性学・化学物質健康影響解析 | 汎用 |
 
 ### Y. 集団遺伝学（1 種）
 
@@ -642,7 +652,8 @@ Skills は `.github/skills/` に配置されているため、Copilot が自動
 │   ├── scientific-revision-tracker/
 │   ├── scientific-paper-quality/
 │   ├── scientific-systematic-review/
-│   └── scientific-biothings-idmapping/
+│   ├── scientific-biothings-idmapping/
+│   └── scientific-data-submission/
 │
 │── [B] 統計・探索的解析
 │   ├── scientific-eda-correlation/
@@ -713,7 +724,8 @@ Skills は `.github/skills/` に配置されているため、Copilot が自動
 │   ├── scientific-drug-repurposing/
 │   ├── scientific-molecular-docking/
 │   ├── scientific-pharmacology-targets/
-│   └── scientific-compound-screening/
+│   ├── scientific-compound-screening/
+│   └── scientific-nci60-screening/
 │
 ├── [K] 構造生物学・タンパク質工学
 │   ├── scientific-protein-structure-analysis/
@@ -769,7 +781,9 @@ Skills は `.github/skills/` に配置されているため、Copilot が自動
 │   ├── scientific-epigenomics-chromatin/
 │   ├── scientific-regulatory-genomics/
 │   ├── scientific-perturbation-analysis/
-│   └── scientific-scvi-integration/
+│   ├── scientific-scvi-integration/
+│   ├── scientific-scatac-signac/
+│   └── scientific-gpu-singlecell/
 │
 │── [U] 免疫・感染症
 │   ├── scientific-immunoinformatics/
@@ -778,7 +792,10 @@ Skills は `.github/skills/` に配置されているため、Copilot が自動
 │── [V] マイクロバイオーム・環境
 │   ├── scientific-microbiome-metagenomics/
 │   ├── scientific-environmental-ecology/
-│   └── scientific-phylogenetics/
+│   ├── scientific-phylogenetics/
+│   ├── scientific-rrna-taxonomy/
+│   ├── scientific-plant-biology/
+│   └── scientific-marine-ecology/
 │
 │── [W] システム生物学
 │   ├── scientific-systems-biology/
@@ -786,7 +803,8 @@ Skills は `.github/skills/` に配置されているため、Copilot が自動
 │
 │── [X] 疫学・公衆衛生
 │   ├── scientific-epidemiology-public-health/
-│   └── scientific-public-health-data/
+│   ├── scientific-public-health-data/
+│   └── scientific-toxicology-env/
 │
 │── [Y] 集団遺伝学
 │   └── scientific-population-genetics/

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@nahisaho/satori",
-  "version": "0.15.0",
+  "version": "0.16.0",
   "description": "SATORI — Agent Skills for Science. GitHub Copilot Agent Skills collection for scientific data analysis.",
   "main": "index.js",
   "bin": {

package/src/.github/skills/scientific-data-submission/SKILL.md

@@ -0,0 +1,357 @@
+---
+name: scientific-data-submission
+description: |
+  科学データ登録・アーカイブスキル。GenBank/SRA 配列登録・
+  ENA 配列アーカイブ・GEO 発現データ登録・BioProject/BioSample
+  メタデータ管理・FAIR 原則準拠データ共有。
+---
+
+# Scientific Data Submission
+
+GenBank / SRA / ENA / GEO / BioProject を活用した科学データの
+登録・アーカイブパイプラインを提供する。FAIR 原則に準拠した
+配列データ・発現データ・メタデータの公開準備。
+
+## When to Use
+
+- 配列データを GenBank/DDBJ/ENA に登録するとき
+- RNA-seq/WGS データを SRA にアーカイブするとき
+- GEO にマイクロアレイ/RNA-seq 発現データを登録するとき
+- BioProject/BioSample でメタデータを構造化するとき
+- 論文投稿時にデータアクセッション番号が必要なとき
+- FAIR 原則 (Findable, Accessible, Interoperable, Reusable) に準拠するとき
+
+---
+
+## Quick Start
+
+## 1. BioProject/BioSample メタデータ作成
+
+```python
+import json
+import pandas as pd
+from pathlib import Path
+from datetime import date
+
+
+def create_bioproject_metadata(title, description, organism,
+                                data_type="Genome Sequencing",
+                                relevance="Medical"):
+    """
+    BioProject メタデータ XML/JSON 生成。
+
+    Parameters:
+        title: str — プロジェクトタイトル
+        description: str — プロジェクト説明
+        organism: str — 生物種名
+        data_type: str — データ種別
+        relevance: str — 関連分野
+    """
+    bioproject = {
+        "Project": {
+            "ProjectID": {"ArchiveID": {"accession": "PRJNA_PENDING"}},
+            "Descriptor": {
+                "Title": title,
+                "Description": description,
+                "Relevance": relevance,
+            },
+            "ProjectType": {
+                "ProjectTypeSubmission": {
+                    "Target": {
+                        "Organism": {"OrganismName": organism},
+                    },
+                    "Method": {"MethodType": data_type},
+                    "Objectives": {"Data": {"DataType": data_type}},
+                }
+            },
+        }
+    }
+
+    print(f"BioProject metadata created:")
+    print(f"  Title: {title}")
+    print(f"  Organism: {organism}")
+    print(f"  Data type: {data_type}")
+    return bioproject
+
+
+def create_biosample_table(samples, organism, package="Generic"):
+    """
+    BioSample TSV テンプレート生成。
+
+    Parameters:
+        samples: list[dict] — サンプル情報
+        organism: str — 生物種名
+        package: str — BioSample パッケージ
+    """
+    required_fields = [
+        "sample_name", "organism", "collection_date",
+        "geo_loc_name", "tissue", "description",
+    ]
+
+    rows = []
+    for s in samples:
+        row = {
+            "sample_name": s.get("name", ""),
+            "organism": organism,
+            "collection_date": s.get("date", str(date.today())),
+            "geo_loc_name": s.get("location", "not collected"),
+            "tissue": s.get("tissue", "not applicable"),
+            "description": s.get("description", ""),
+        }
+        row.update({k: v for k, v in s.items()
+                     if k not in ["name", "date", "location"]})
+        rows.append(row)
+
+    df = pd.DataFrame(rows)
+    print(f"BioSample table: {len(df)} samples, package='{package}'")
+    return df
+```
+
+## 2. GenBank 配列登録準備
+
+```python
+def prepare_genbank_submission(sequences, annotations, output_dir="submission"):
+    """
+    GenBank 配列登録用 .sqn ファイル準備。
+
+    Parameters:
+        sequences: dict — {seq_id: sequence_string}
+        annotations: dict — {seq_id: {gene, product, organism, ...}}
+        output_dir: str — 出力ディレクトリ
+    """
+    output_dir = Path(output_dir)
+    output_dir.mkdir(parents=True, exist_ok=True)
+
+    # FASTA 生成
+    fasta_path = output_dir / "sequences.fsa"
+    with open(fasta_path, "w") as f:
+        for seq_id, seq in sequences.items():
+            ann = annotations.get(seq_id, {})
+            organism = ann.get("organism", "Unknown organism")
+            f.write(f">{seq_id} [organism={organism}]\n")
+            # 80文字折返し
+            for i in range(0, len(seq), 80):
+                f.write(seq[i:i+80] + "\n")
+
+    # Feature Table 生成
+    tbl_path = output_dir / "sequences.tbl"
+    with open(tbl_path, "w") as f:
+        for seq_id, ann in annotations.items():
+            f.write(f">Feature {seq_id}\n")
+            if "gene" in ann:
+                f.write(f"1\t{len(sequences[seq_id])}\tgene\n")
+                f.write(f"\t\t\tgene\t{ann['gene']}\n")
+            if "product" in ann:
+                f.write(f"1\t{len(sequences[seq_id])}\tCDS\n")
+                f.write(f"\t\t\tproduct\t{ann['product']}\n")
+
+    # Template 生成
+    template = {
+        "source": {
+            "organism": list(annotations.values())[0].get("organism", ""),
+            "mol_type": "genomic DNA",
+        },
+        "submitter": {
+            "name": "AutoSubmission",
+        },
+    }
+
+    template_path = output_dir / "template.json"
+    with open(template_path, "w") as f:
+        json.dump(template, f, indent=2)
+
+    print(f"GenBank submission prepared: {len(sequences)} sequences")
+    print(f"  FASTA: {fasta_path}")
+    print(f"  Feature Table: {tbl_path}")
+    return {"fasta": str(fasta_path), "tbl": str(tbl_path)}
+```
+
+## 3. SRA メタデータ & アップロード
+
+```python
+def prepare_sra_metadata(samples, library_strategy="WGS",
+                          library_source="GENOMIC",
+                          platform="ILLUMINA",
+                          instrument_model="Illumina NovaSeq 6000"):
+    """
+    SRA メタデータ TSV 生成。
+
+    Parameters:
+        samples: list[dict] — {biosample, title, file_r1, file_r2}
+        library_strategy: str — WGS/RNA-Seq/AMPLICON/etc.
+        library_source: str — GENOMIC/TRANSCRIPTOMIC/etc.
+        platform: str — ILLUMINA/OXFORD_NANOPORE/etc.
+    """
+    rows = []
+    for s in samples:
+        rows.append({
+            "biosample_accession": s.get("biosample", "SAMN_PENDING"),
+            "library_ID": s.get("library_id", s.get("title", "")),
+            "title": s.get("title", ""),
+            "library_strategy": library_strategy,
+            "library_source": library_source,
+            "library_selection": s.get("selection", "RANDOM"),
+            "library_layout": "paired" if s.get("file_r2") else "single",
+            "platform": platform,
+            "instrument_model": instrument_model,
+            "filetype": "fastq",
+            "filename": s.get("file_r1", ""),
+            "filename2": s.get("file_r2", ""),
+        })
+
+    df = pd.DataFrame(rows)
+    print(f"SRA metadata: {len(df)} runs, strategy={library_strategy}")
+    return df
+
+
+def sra_upload_ascp(files, destination, ascp_key=None):
+    """
+    Aspera (ascp) による SRA データ高速アップロード。
+
+    Parameters:
+        files: list — アップロードファイルリスト
+        destination: str — SRA アップロード先
+        ascp_key: str — Aspera SSH キーパス
+    """
+    import subprocess
+
+    if ascp_key is None:
+        ascp_key = Path.home() / ".aspera/connect/etc/asperaweb_id_dsa.openssh"
+
+    for f in files:
+        cmd = [
+            "ascp", "-i", str(ascp_key),
+            "-QT", "-l", "300m", "-k", "1",
+            str(f), destination,
+        ]
+        print(f"Uploading: {f}")
+        subprocess.run(cmd, check=True)
+
+    print(f"SRA upload complete: {len(files)} files")
+```
+
+## 4. GEO 発現データ登録
+
+```python
+def prepare_geo_submission(expression_matrix, sample_metadata,
+                            platform="GPL16791", output_dir="geo_submission"):
+    """
+    GEO SOFT 形式サブミッション準備。
+
+    Parameters:
+        expression_matrix: pd.DataFrame — 遺伝子 × サンプルマトリクス
+        sample_metadata: pd.DataFrame — サンプルメタデータ
+        platform: str — GEO プラットフォーム ID
+        output_dir: str — 出力ディレクトリ
+    """
+    output_dir = Path(output_dir)
+    output_dir.mkdir(parents=True, exist_ok=True)
+
+    # SOFT テンプレート
+    soft_path = output_dir / "submission.soft"
+    with open(soft_path, "w") as f:
+        # Series section
+        f.write("^SERIES\n")
+        f.write("!Series_title = \n")
+        f.write("!Series_summary = \n")
+        f.write(f"!Series_platform_id = {platform}\n")
+
+        # Sample sections
+        for col in expression_matrix.columns:
+            meta = sample_metadata[sample_metadata["sample_id"] == col]
+            f.write(f"\n^SAMPLE = {col}\n")
+            f.write(f"!Sample_title = {col}\n")
+            if len(meta) > 0:
+                for key, val in meta.iloc[0].items():
+                    if key != "sample_id":
+                        f.write(f"!Sample_characteristics_ch1 = {key}: {val}\n")
+
+    # Matrix file
+    matrix_path = output_dir / "expression_matrix.txt"
+    expression_matrix.to_csv(matrix_path, sep="\t")
+
+    # Raw data files list
+    raw_files_path = output_dir / "raw_files.txt"
+    with open(raw_files_path, "w") as f:
+        for col in expression_matrix.columns:
+            f.write(f"{col}.fastq.gz\n")
+
+    print(f"GEO submission: {expression_matrix.shape[1]} samples, "
+          f"{expression_matrix.shape[0]} genes")
+    return {"soft": str(soft_path), "matrix": str(matrix_path)}
+```
+
+## 5. FAIR データ検証チェックリスト
+
+```python
+def fair_checklist(submission_package):
+    """
+    FAIR 原則準拠チェックリスト。
+
+    Parameters:
+        submission_package: dict — 登録パッケージ情報
+    """
+    checks = {
+        "Findable": {
+            "F1_persistent_id": bool(submission_package.get("accession")),
+            "F2_metadata_rich": bool(submission_package.get("metadata")),
+            "F3_id_in_metadata": True,
+            "F4_searchable_registry": bool(submission_package.get("repository")),
+        },
+        "Accessible": {
+            "A1_retrievable_protocol": bool(submission_package.get("access_url")),
+            "A1_1_open_protocol": True,
+            "A2_metadata_persists": True,
+        },
+        "Interoperable": {
+            "I1_formal_language": bool(submission_package.get("format")),
+            "I2_fair_vocabularies": bool(submission_package.get("ontology_terms")),
+            "I3_qualified_references": bool(submission_package.get("references")),
+        },
+        "Reusable": {
+            "R1_usage_license": bool(submission_package.get("license")),
+            "R1_1_community_standards": bool(submission_package.get("standard")),
+            "R1_2_provenance": bool(submission_package.get("methods")),
+        },
+    }
+
+    total = 0
+    passed = 0
+    for principle, items in checks.items():
+        for check, status in items.items():
+            total += 1
+            if status:
+                passed += 1
+
+    score = passed / total * 100 if total > 0 else 0
+    print(f"FAIR checklist: {passed}/{total} ({score:.0f}%)")
+    for principle, items in checks.items():
+        n_pass = sum(items.values())
+        print(f"  {principle}: {n_pass}/{len(items)}")
+
+    return checks
+```
+
+---
+
+## パイプライン統合
+
+```
+bioinformatics → data-submission → literature-search
+  (解析完了)       (データ登録)       (論文投稿時)
+       │                │                  ↓
+lab-data-management ───┘           academic-writing
+  (Benchling/OMERO)    │            (論文執筆)
+                       ↓
+                 ebi-databases
+                 (ENA/BioStudies 連携)
+```
+
+## パイプライン出力
+
+| ファイル | 説明 | 次スキル |
+|---------|------|---------|
+| `submission/sequences.fsa` | GenBank 登録用 FASTA | → bioinformatics |
+| `submission/sra_metadata.tsv` | SRA メタデータ | → ebi-databases |
+| `geo_submission/submission.soft` | GEO SOFT テンプレート | → gene-expression |
+| `submission/fair_report.json` | FAIR チェックリスト結果 | → academic-writing |