@nahisaho/satori 0.15.0 → 0.16.0

package/src/.github/skills/scientific-rrna-taxonomy/SKILL.md

@@ -0,0 +1,379 @@
+---
+name: scientific-rrna-taxonomy
+description: |
+  rRNA リファレンス・分類学スキル。SILVA SSU/LSU rRNA データベース・
+  Greengenes2 系統分類・MGnify メタゲノム解析・QIIME2 分類器・
+  scikit-bio 配列解析・系統分類パイプライン。
+---
+
+# Scientific rRNA Taxonomy
+
+SILVA / Greengenes2 / MGnify を活用した rRNA リファレンスおよび
+分類学的アノテーションパイプラインを提供する。16S/18S/ITS
+アンプリコン配列の分類学的帰属と系統解析。
+
+## When to Use
+
+- 16S rRNA アンプリコン配列の分類学的帰属を行うとき
+- SILVA/Greengenes2 リファレンスで分類器を訓練するとき
+- MGnify からメタゲノム解析結果を取得するとき
+- 18S/ITS 真核生物分類を行うとき
+- ASV/OTU の分類学的コンセンサスを判定するとき
+- QIIME2 カスタム分類器パイプラインを構築するとき
+
+---
+
+## Quick Start
+
+## 1. SILVA rRNA リファレンス取得
+
+```python
+import requests
+import pandas as pd
+from pathlib import Path
+from io import StringIO
+
+SILVA_BASE = "https://www.arb-silva.de/api"
+
+
+def download_silva_reference(version="138.1", subunit="SSU",
+                              output_dir="references"):
+    """
+    SILVA rRNA リファレンス配列 & 分類取得。
+
+    Parameters:
+        version: str — SILVA バージョン
+        subunit: str — "SSU" (16S/18S) or "LSU" (23S/28S)
+        output_dir: str — 出力ディレクトリ
+    """
+    output_dir = Path(output_dir)
+    output_dir.mkdir(parents=True, exist_ok=True)
+
+    # SILVA FTP から NR99 配列取得
+    base_url = f"https://www.arb-silva.de/fileadmin/silva_databases/release_{version}/Exports"
+    fasta_url = f"{base_url}/SILVA_{version}_{subunit}Ref_NR99_tax_silva.fasta.gz"
+    tax_url = f"{base_url}/taxonomy/tax_slv_{subunit.lower()}_{version}.txt.gz"
+
+    import urllib.request
+    import gzip
+
+    # 配列ダウンロード
+    fasta_path = output_dir / f"silva_{version}_{subunit}_NR99.fasta.gz"
+    if not fasta_path.exists():
+        urllib.request.urlretrieve(fasta_url, str(fasta_path))
+        print(f"Downloaded: {fasta_path}")
+
+    # 分類辞書ダウンロード
+    tax_path = output_dir / f"silva_{version}_{subunit}_taxonomy.txt.gz"
+    if not tax_path.exists():
+        urllib.request.urlretrieve(tax_url, str(tax_path))
+        print(f"Downloaded: {tax_path}")
+
+    # 配列数カウント
+    n_seqs = 0
+    with gzip.open(str(fasta_path), "rt") as f:
+        for line in f:
+            if line.startswith(">"):
+                n_seqs += 1
+
+    print(f"SILVA {version} {subunit}: {n_seqs} reference sequences")
+    return {"fasta": str(fasta_path), "taxonomy": str(tax_path), "n_seqs": n_seqs}
+```
+
+## 2. Greengenes2 分類学取得
+
+```python
+def download_greengenes2(version="2024.09", output_dir="references"):
+    """
+    Greengenes2 分類・系統樹・配列取得。
+
+    Parameters:
+        version: str — GG2 バージョン
+        output_dir: str — 出力ディレクトリ
+    """
+    output_dir = Path(output_dir)
+    output_dir.mkdir(parents=True, exist_ok=True)
+
+    gg2_base = f"https://ftp.microbio.me/greengenes_release/{version}"
+    files = {
+        "taxonomy": f"{gg2_base}/taxonomy.tsv.gz",
+        "backbone": f"{gg2_base}/gg2-backbone.nwk.gz",
+        "seqs": f"{gg2_base}/gg2-seqs.fna.gz",
+    }
+
+    import urllib.request
+    paths = {}
+    for name, url in files.items():
+        out_path = output_dir / f"gg2_{version}_{name}{Path(url).suffix}{Path(url).suffixes[-1] if len(Path(url).suffixes) > 1 else ''}"
+        out_path = output_dir / Path(url).name
+        if not out_path.exists():
+            try:
+                urllib.request.urlretrieve(url, str(out_path))
+                print(f"Downloaded: {out_path}")
+            except Exception as e:
+                print(f"Warning: {name} download failed: {e}")
+        paths[name] = str(out_path)
+
+    print(f"Greengenes2 {version}: {len(paths)} files downloaded")
+    return paths
+```
+
+## 3. MGnify メタゲノム解析結果取得
+
+```python
+MGNIFY_BASE = "https://www.ebi.ac.uk/metagenomics/api/v1"
+
+
+def mgnify_study_search(query, biome=None, limit=25):
+    """
+    MGnify — メタゲノム研究検索。
+
+    Parameters:
+        query: str — 検索クエリ
+        biome: str — バイオーム (例: "root:Environmental:Aquatic")
+        limit: int — 最大取得数
+
+    TU: mgnify
+    """
+    params = {"search": query, "page_size": limit}
+    if biome:
+        params["lineage"] = biome
+
+    resp = requests.get(f"{MGNIFY_BASE}/studies", params=params, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    results = []
+    for study in data.get("data", []):
+        attrs = study.get("attributes", {})
+        results.append({
+            "study_id": study["id"],
+            "name": attrs.get("study-name", ""),
+            "abstract": attrs.get("study-abstract", "")[:200],
+            "biome": attrs.get("biome-name", ""),
+            "samples_count": attrs.get("samples-count", 0),
+        })
+
+    df = pd.DataFrame(results)
+    print(f"MGnify: '{query}' → {len(df)} studies")
+    return df
+
+
+def mgnify_taxonomy(analysis_id):
+    """
+    MGnify — 分類学的アノテーション結果取得。
+
+    Parameters:
+        analysis_id: str — MGnify 解析 ID
+
+    TU: mgnify
+    """
+    url = f"{MGNIFY_BASE}/analyses/{analysis_id}/taxonomy/ssu"
+    resp = requests.get(url, params={"page_size": 100}, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    taxa = []
+    for entry in data.get("data", []):
+        attrs = entry.get("attributes", {})
+        taxa.append({
+            "lineage": attrs.get("lineage", ""),
+            "count": attrs.get("count", 0),
+            "rank": attrs.get("hierarchy", {}).get("rank", ""),
+        })
+
+    df = pd.DataFrame(taxa)
+    df = df.sort_values("count", ascending=False)
+    print(f"MGnify taxonomy ({analysis_id}): {len(df)} taxa")
+    return df
+```
+
+## 4. QIIME2 分類器パイプライン
+
+```python
+def qiime2_classify_sklearn(sequences_path, reference_seqs, reference_tax,
+                             classifier_output="classifier.qza"):
+    """
+    QIIME2 scikit-learn 分類器訓練 & 分類。
+
+    Parameters:
+        sequences_path: str — 入力配列 (FASTA or QZA)
+        reference_seqs: str — リファレンス配列パス
+        reference_tax: str — リファレンス分類パス
+        classifier_output: str — 分類器出力パス
+    """
+    import subprocess
+
+    # 1) リファレンスインポート
+    subprocess.run([
+        "qiime", "tools", "import",
+        "--type", "FeatureData[Sequence]",
+        "--input-path", reference_seqs,
+        "--output-path", "ref-seqs.qza",
+    ], check=True)
+
+    subprocess.run([
+        "qiime", "tools", "import",
+        "--type", "FeatureData[Taxonomy]",
+        "--input-format", "HeaderlessTSVTaxonomyFormat",
+        "--input-path", reference_tax,
+        "--output-path", "ref-taxonomy.qza",
+    ], check=True)
+
+    # 2) 分類器訓練
+    subprocess.run([
+        "qiime", "feature-classifier", "fit-classifier-naive-bayes",
+        "--i-reference-reads", "ref-seqs.qza",
+        "--i-reference-taxonomy", "ref-taxonomy.qza",
+        "--o-classifier", classifier_output,
+    ], check=True)
+
+    # 3) 分類実行
+    subprocess.run([
+        "qiime", "feature-classifier", "classify-sklearn",
+        "--i-classifier", classifier_output,
+        "--i-reads", sequences_path,
+        "--o-classification", "taxonomy.qza",
+    ], check=True)
+
+    print(f"QIIME2 classification complete: {classifier_output}")
+    return "taxonomy.qza"
+```
+
+## 5. 分類学的コンセンサス解析
+
+```python
+import numpy as np
+
+
+def taxonomy_consensus(classifications, confidence_threshold=0.8):
+    """
+    複数分類器のコンセンサス分類。
+
+    Parameters:
+        classifications: dict — {method: DataFrame(feature_id, taxon, confidence)}
+        confidence_threshold: float — 信頼度閾値
+    """
+    all_features = set()
+    for method_df in classifications.values():
+        all_features.update(method_df["feature_id"].tolist())
+
+    consensus = []
+    for feat_id in all_features:
+        taxa = {}
+        for method, df in classifications.items():
+            row = df[df["feature_id"] == feat_id]
+            if len(row) > 0:
+                taxa[method] = {
+                    "taxon": row.iloc[0]["taxon"],
+                    "confidence": row.iloc[0].get("confidence", 1.0),
+                }
+
+        # ランクごとのコンセンサス
+        if taxa:
+            lineages = [t["taxon"] for t in taxa.values()]
+            confidences = [t["confidence"] for t in taxa.values()]
+
+            # 分割してランク比較
+            split_lineages = [l.split(";") for l in lineages]
+            max_depth = max(len(sl) for sl in split_lineages)
+            consensus_lineage = []
+
+            for rank_idx in range(max_depth):
+                rank_taxa = [sl[rank_idx] for sl in split_lineages
+                             if rank_idx < len(sl)]
+                most_common = max(set(rank_taxa), key=rank_taxa.count)
+                agreement = rank_taxa.count(most_common) / len(rank_taxa)
+
+                if agreement >= confidence_threshold:
+                    consensus_lineage.append(most_common)
+                else:
+                    break
+
+            consensus.append({
+                "feature_id": feat_id,
+                "consensus_taxon": ";".join(consensus_lineage),
+                "depth": len(consensus_lineage),
+                "methods_agree": len(taxa),
+                "mean_confidence": np.mean(confidences),
+            })
+
+    df = pd.DataFrame(consensus)
+    print(f"Consensus: {len(df)} features, "
+          f"mean depth={df['depth'].mean():.1f}")
+    return df
+```
+
+## 6. rRNA 分類統合パイプライン
+
+```python
+def rrna_taxonomy_pipeline(input_fasta, output_dir="results",
+                            silva_version="138.1", use_greengenes=True):
+    """
+    SILVA + Greengenes2 統合 rRNA 分類パイプライン。
+
+    Parameters:
+        input_fasta: str — 入力 16S rRNA 配列
+        output_dir: str — 出力ディレクトリ
+        silva_version: str — SILVA バージョン
+        use_greengenes: bool — GG2 も併用
+    """
+    output_dir = Path(output_dir)
+    output_dir.mkdir(parents=True, exist_ok=True)
+
+    # 1) リファレンスダウンロード
+    silva_ref = download_silva_reference(
+        version=silva_version, output_dir=str(output_dir / "refs")
+    )
+
+    refs = {"silva": silva_ref}
+    if use_greengenes:
+        gg2_ref = download_greengenes2(
+            output_dir=str(output_dir / "refs")
+        )
+        refs["greengenes2"] = gg2_ref
+
+    # 2) QIIME2 分類 (SILVA)
+    silva_taxonomy = qiime2_classify_sklearn(
+        input_fasta,
+        silva_ref["fasta"],
+        silva_ref["taxonomy"],
+        classifier_output=str(output_dir / "silva_classifier.qza"),
+    )
+
+    # 3) MGnify 比較参照
+    # (解析済みデータが MGnify にあれば取得)
+
+    print(f"Pipeline complete: {len(refs)} references used")
+    return refs
+```
+
+---
+
+## パイプライン統合
+
+```
+microbiome-metagenomics → rrna-taxonomy → phylogenetics
+  (DADA2 ASV パイプライン)  (SILVA/GG2 分類)  (ETE3 系統樹)
+        │                       │                   ↓
+environmental-ecology ─────────┘           population-genetics
+  (α/β 多様性)              │              (Fst/ADMIXTURE)
+                             ↓
+                    pathway-enrichment
+                    (微生物機能濃縮)
+```
+
+## パイプライン出力
+
+| ファイル | 説明 | 次スキル |
+|---------|------|---------|
+| `results/taxonomy.csv` | 分類学的帰属結果 | → microbiome-metagenomics |
+| `results/consensus.csv` | コンセンサス分類 | → phylogenetics |
+| `results/refs/` | SILVA/GG2 リファレンス | — |
+| `results/mgnify_taxonomy.csv` | MGnify 分類結果 | → environmental-ecology |
+
+### 利用可能ツール (ToolUniverse SMCP)
+
+| Config Key | ツール数 | 主要機能 |
+|-----------|---------|---------|
+| `mgnify` | 3+ | メタゲノム研究検索・分類学的プロファイル・機能アノテーション |

package/src/.github/skills/scientific-scatac-signac/SKILL.md

@@ -0,0 +1,300 @@
+---
+name: scientific-scatac-signac
+description: |
+  scATAC-seq 解析スキル (Signac/SnapATAC2/episcanpy)。
+  ピークコーリング・モチーフ解析・Gene Activity スコア・
+  RNA+ATAC マルチモーダル統合 (WNN)。K-Dense: signac。
+---
+
+# Scientific scATAC-seq / Signac
+
+Signac / SnapATAC2 / episcanpy を活用した scATAC-seq (single-cell
+ATAC-seq) 解析パイプラインを提供する。クロマチンアクセシビリティ
+解析、モチーフエンリッチメント、マルチモーダル統合。
+
+## When to Use
+
+- scATAC-seq データの前処理とピークコーリングを行うとき
+- 転写因子モチーフのエンリッチメント解析を実行するとき
+- Gene Activity スコアで scATAC を発現レベルで解釈するとき
+- scRNA-seq + scATAC-seq のマルチモーダル統合を行うとき
+- クロマチンアクセシビリティの細胞型特異的パターンを同定するとき
+- エピゲノム (ヒストン修飾/DNAメチル化) とクロマチンを統合するとき
+
+---
+
+## Quick Start
+
+## 1. scATAC-seq 前処理 (SnapATAC2)
+
+```python
+import snapatac2 as snap
+import anndata as ad
+import numpy as np
+import pandas as pd
+from pathlib import Path
+
+
+def scatac_preprocessing(fragment_file, genome="hg38",
+                          min_tsse=5, min_fragments=1000):
+    """
+    SnapATAC2 — scATAC-seq 前処理パイプライン。
+
+    Parameters:
+        fragment_file: str — fragments.tsv.gz パス
+        genome: str — リファレンスゲノム ("hg38", "mm10")
+        min_tsse: float — 最小 TSS enrichment スコア
+        min_fragments: int — 最小フラグメント数
+    """
+    # フラグメントファイル読み込み
+    adata = snap.pp.import_data(
+        fragment_file,
+        chrom_sizes=snap.genome(genome),
+        sorted_by_barcode=False,
+    )
+
+    # QC メトリクス
+    snap.metrics.tsse(adata, snap.genome(genome))
+    snap.metrics.frag_size_distr(adata)
+
+    # フィルタリング
+    snap.pp.filter_cells(
+        adata,
+        min_counts=min_fragments,
+        min_tsse=min_tsse,
+    )
+
+    print(f"scATAC preprocessing: {adata.n_obs} cells, "
+          f"TSS enrichment ≥ {min_tsse}")
+    return adata
+```
+
+## 2. ピークコーリング & Tile Matrix
+
+```python
+def scatac_peak_calling(adata, genome="hg38", peak_method="macs2",
+                         n_features=50000):
+    """
+    scATAC-seq ピークコーリング & アクセシビリティマトリクス作成。
+
+    Parameters:
+        adata: AnnData — 前処理済み scATAC データ
+        genome: str — リファレンスゲノム
+        peak_method: str — "macs2" or "tile"
+        n_features: int — feature selection 上位数
+    """
+    if peak_method == "tile":
+        # Tile matrix (500bp bins)
+        snap.pp.add_tile_matrix(adata, bin_size=500)
+    else:
+        # MACS2 peak calling (クラスタ別)
+        snap.pp.make_peak_matrix(adata)
+
+    # Feature selection
+    snap.pp.select_features(adata, n_features=n_features)
+
+    # 次元削減
+    snap.tl.spectral(adata)
+    snap.tl.umap(adata)
+
+    # クラスタリング
+    snap.pp.knn(adata)
+    snap.tl.leiden(adata)
+
+    n_clusters = adata.obs["leiden"].nunique()
+    print(f"Peak calling ({peak_method}): {n_clusters} clusters, "
+          f"{n_features} features")
+    return adata
+```
+
+## 3. モチーフエンリッチメント (chromVAR)
+
+```python
+def motif_enrichment(adata, genome="hg38", motif_db="JASPAR2022"):
+    """
+    chromVAR モチーフエンリッチメント解析。
+
+    Parameters:
+        adata: AnnData — ピークマトリクス付き scATAC データ
+        genome: str — リファレンスゲノム
+        motif_db: str — モチーフデータベース
+    """
+    # モチーフスキャン
+    snap.tl.motif_enrichment(
+        adata,
+        motifs=motif_db,
+        genome=genome,
+    )
+
+    # クラスタ別差分モチーフ
+    cluster_motifs = {}
+    for cluster in adata.obs["leiden"].unique():
+        mask = adata.obs["leiden"] == cluster
+        # chromVAR deviation を取得
+        if "chromvar" in adata.obsm:
+            deviations = adata.obsm["chromvar"][mask].mean(axis=0)
+            top_idx = np.argsort(deviations)[-10:]
+            top_motifs = [adata.uns["motif_names"][i] for i in top_idx]
+            cluster_motifs[cluster] = top_motifs
+
+    results = []
+    for cluster, motifs in cluster_motifs.items():
+        for rank, motif in enumerate(motifs, 1):
+            results.append({
+                "cluster": cluster,
+                "rank": rank,
+                "motif": motif,
+            })
+
+    df = pd.DataFrame(results)
+    print(f"Motif enrichment: {len(cluster_motifs)} clusters, "
+          f"{len(df)} motif-cluster pairs")
+    return df
+```
+
+## 4. Gene Activity スコア
+
+```python
+def gene_activity_score(adata, genome="hg38", upstream=2000, body=True):
+    """
+    Gene Activity スコア計算 — ATAC → 擬似発現量。
+
+    Parameters:
+        adata: AnnData — scATAC データ
+        genome: str — リファレンスゲノム
+        upstream: int — プロモーター上流距離 (bp)
+        body: bool — 遺伝子本体を含むか
+    """
+    snap.pp.make_gene_matrix(
+        adata,
+        gene_anno=snap.genome(genome),
+        upstream=upstream,
+        include_body=body,
+    )
+
+    # Gene Activity を .layers に保存
+    if hasattr(adata, "uns") and "gene_activity" in adata.uns:
+        gene_act = adata.uns["gene_activity"]
+    else:
+        gene_act = adata.X  # Gene matrix mode
+
+    # 正規化
+    gene_act_norm = gene_act / gene_act.sum(axis=1, keepdims=True) * 10000
+    gene_act_log = np.log1p(gene_act_norm)
+
+    print(f"Gene activity: {gene_act_log.shape[1]} genes, "
+          f"{gene_act_log.shape[0]} cells")
+    return gene_act_log
+```
+
+## 5. RNA + ATAC マルチモーダル統合 (WNN)
+
+```python
+import scanpy as sc
+
+
+def multimodal_wnn(adata_atac, adata_rna, n_neighbors=20):
+    """
+    Weighted Nearest Neighbor (WNN) — RNA + ATAC 統合。
+
+    Parameters:
+        adata_atac: AnnData — scATAC データ (LSI 済み)
+        adata_rna: AnnData — scRNA データ (PCA 済み)
+        n_neighbors: int — 近傍数
+    """
+    # 共通バーコード
+    common_bc = list(
+        set(adata_atac.obs_names) & set(adata_rna.obs_names)
+    )
+    atac_sub = adata_atac[common_bc].copy()
+    rna_sub = adata_rna[common_bc].copy()
+
+    print(f"Common barcodes: {len(common_bc)}")
+
+    # 各モダリティの kNN
+    sc.pp.neighbors(rna_sub, use_rep="X_pca", key_added="rna")
+    sc.pp.neighbors(atac_sub, use_rep="X_spectral", key_added="atac")
+
+    # WNN 統合 (muon)
+    try:
+        import muon as mu
+        mdata = mu.MuData({"rna": rna_sub, "atac": atac_sub})
+        mu.pp.neighbors(mdata, key="wnn")
+        mu.tl.umap(mdata, neighbors_key="wnn")
+        mu.tl.leiden(mdata, neighbors_key="wnn")
+
+        n_clusters = mdata.obs["leiden"].nunique()
+        print(f"WNN integration: {n_clusters} clusters")
+        return mdata
+    except ImportError:
+        print("muon not installed — falling back to concatenation")
+        # Fallback: 単純連結
+        combined = ad.concat([rna_sub, atac_sub], axis=1, merge="same")
+        sc.pp.neighbors(combined)
+        sc.tl.leiden(combined)
+        return combined
+```
+
+## 6. scATAC-seq 統合パイプライン
+
+```python
+def scatac_pipeline(fragment_file, rna_h5ad=None, genome="hg38",
+                     output_dir="results"):
+    """
+    scATAC-seq 統合解析パイプライン。
+
+    Parameters:
+        fragment_file: str — fragments.tsv.gz
+        rna_h5ad: str — scRNA-seq h5ad (マルチモーダル用, optional)
+        genome: str — リファレンスゲノム
+        output_dir: str — 出力ディレクトリ
+    """
+    output_dir = Path(output_dir)
+    output_dir.mkdir(parents=True, exist_ok=True)
+
+    # 1) 前処理
+    adata = scatac_preprocessing(fragment_file, genome=genome)
+
+    # 2) ピーク & クラスタリング
+    adata = scatac_peak_calling(adata, genome=genome)
+    adata.write(output_dir / "scatac_clustered.h5ad")
+
+    # 3) モチーフ
+    motifs = motif_enrichment(adata, genome=genome)
+    motifs.to_csv(output_dir / "motif_enrichment.csv", index=False)
+
+    # 4) Gene Activity
+    gene_act = gene_activity_score(adata, genome=genome)
+
+    # 5) マルチモーダル統合
+    if rna_h5ad:
+        adata_rna = sc.read_h5ad(rna_h5ad)
+        mdata = multimodal_wnn(adata, adata_rna)
+        mdata.write(output_dir / "multimodal_wnn.h5mu")
+
+    print(f"scATAC pipeline: {output_dir}")
+    return adata
+```
+
+---
+
+## パイプライン統合
+
+```
+epigenomics-chromatin → scatac-signac → single-cell-genomics
+  (ChIP/ATAC bulk)     (scATAC-seq)    (scRNA 統合)
+       │                     │               ↓
+  peak-annotation ──────────┘         spatial-transcriptomics
+  (ENCODE/ChIPAtlas)   │              (Visium/MERFISH)
+                       ↓
+                  gene-regulatory-network
+                  (GRN 推定)
+```
+
+## パイプライン出力
+
+| ファイル | 説明 | 次スキル |
+|---------|------|---------|
+| `results/scatac_clustered.h5ad` | クラスタリング済み scATAC | → single-cell-genomics |
+| `results/motif_enrichment.csv` | モチーフエンリッチメント | → gene-regulatory-network |
+| `results/multimodal_wnn.h5mu` | RNA+ATAC 統合 | → spatial-transcriptomics |