@nahisaho/satori 0.16.0 → 0.17.0

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 **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。
+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 **132 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。79 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
 
-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。
+79 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 + Phase 9: 5）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)
@@ -249,7 +249,11 @@ SATORI Skill (方法論・判断)        ToolUniverse SMCP (データ取得・
 │ expression-comparison│───MCP──│ Expression Atlas              │
 │ rrna-taxonomy        │───MCP──│ MGnify metagenomics          │
 │ marine-ecology       │───MCP──│ OBIS, WoRMS, GBIF            │
-│ ... (74 skills total) │       │ ... (1,200+ tools)           │
+│ encode-screen        │───MCP──│ ENCODE, SCREEN, ChIP-Atlas    │
+│ human-cell-atlas     │───MCP──│ HCA Data Portal, CELLxGENE    │
+│ geo-expression       │───MCP──│ GEO (NCBI E-utilities)        │
+│ paleobiology         │───MCP──│ Paleobiology Database (PBDB)  │
+│ ... (79 skills total) │       │ ... (1,200+ tools)           │
 └──────────────────────┘        └─────────────────────────────┘
 ```
 
@@ -262,7 +266,7 @@ SATORI Skill (方法論・判断)        ToolUniverse SMCP (データ取得・
 | 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 |
 | E. 信号・スペクトル・時系列 | 4 | スペクトル解析・生体信号・時系列分解・神経電気生理学 |
-| F. 生命科学・オミクス | 18 | バイオインフォ・メタボロ・ゲノム配列・マルチオミクス・ネットワーク・プロテオミクス・トランスクリプトミクス・パスウェイ濃縮・代謝物 DB・HPA・ゲノム配列ツール・非コード RNA・オントロジー・EBI DB 群・Ensembl ゲノミクス・STRING/BioGRID PPI・発現比較・モデル生物 DB |
+| F. 生命科学・オミクス | 20 | バイオインフォ・メタボロ・ゲノム配列・マルチオミクス・ネットワーク・プロテオミクス・トランスクリプトミクス・パスウェイ濃縮・代謝物 DB・HPA・ゲノム配列ツール・非コード RNA・オントロジー・EBI DB 群・Ensembl ゲノミクス・STRING/BioGRID PPI・発現比較・モデル生物 DB・GEO 発現プロファイル・寄生虫ゲノミクス |
 | 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 |
@@ -276,10 +280,10 @@ 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 | 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 |
+| T. シングルセル・空間・エピゲノミクス | 11 | 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・ENCODE/SCREEN・Human Cell Atlas・高度 Squidpy 空間解析 |
 | 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 | 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 |
+| V. マイクロバイオーム・環境 | 8 | 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・環境地理空間データ・古生物学 |
+| W. システム生物学 | 3 | SBML シミュレーション・FBA・GRN 推定・BioModels・代謝モデリング・Metabolic Atlas |
 | 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 |
@@ -352,9 +356,9 @@ SATORI Skill (方法論・判断)        ToolUniverse SMCP (データ取得・
 | 24 | [scientific-time-series](scientific-time-series/SKILL.md) | STL 分解・SARIMA 予測・変化点検出・FFT 周期解析・Granger 因果 | 汎用 |
 | 67 | [scientific-neuroscience-electrophysiology](scientific-neuroscience-electrophysiology/SKILL.md) | SpikeInterface/Kilosort4 スパイクソート・MNE EEG/ERP・NeuroKit2 HRV/EDA・脳機能結合 | 汎用 |
 
-### F. 生命科学・オミクス（18 種）
+### F. 生命科学・オミクス（20 種）
 
-バイオ・オミクス・ネットワーク解析・オントロジー・EBI データベース・ゲノミクス・PPI・発現比較・モデル生物 DB を担うスキル群。
+バイオ・オミクス・ネットワーク解析・オントロジー・EBI データベース・ゲノミクス・PPI・発現比較・モデル生物 DB・GEO 発現プロファイル・寄生虫ゲノミクスを担うスキル群。
 
 | # | Skill | 説明 | 参照 Exp |
 |---|---|---|---|
@@ -376,6 +380,8 @@ SATORI Skill (方法論・判断)        ToolUniverse SMCP (データ取得・
 | 109 | [scientific-string-network-api](scientific-string-network-api/SKILL.md) | STRING v12/BioGRID/STITCH PPI ネットワーク・化学-タンパク質相互作用・トポロジー解析 | 汎用 |
 | 110 | [scientific-expression-comparison](scientific-expression-comparison/SKILL.md) | EBI Expression Atlas 発現比較・ベースライン/差次的発現・組織横断ヒートマップ | 汎用 |
 | 111 | [scientific-model-organism-db](scientific-model-organism-db/SKILL.md) | FlyBase/WormBase/ZFIN/RGD/MGI モデル生物データベース・種間オーソログ検索 | 汎用 |
+| 127 | [scientific-geo-expression](scientific-geo-expression/SKILL.md) | GEO REST API 発現プロファイル・マトリクス取得・差次的発現解析 | 汎用 |
+| 132 | [scientific-parasite-genomics](scientific-parasite-genomics/SKILL.md) | PlasmoDB/VectorBase/ToxoDB 寄生虫ゲノミクス・薬剤標的同定 | 汎用 |
 
 ### G. 化学・材料・イメージング（8 種）
 
@@ -519,9 +525,9 @@ 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（8 種）
+### T. シングルセル・空間・エピゲノミクス（11 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・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。
+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・ENCODE/SCREEN・Human Cell Atlas・高度 Squidpy 空間解析の解析パイプラインを担うスキル群。
 
 | # | Skill | 説明 | 参照 Exp |
 |---|---|---|---|
@@ -533,6 +539,9 @@ scRNA-seq・空間トランスクリプトミクス・エピゲノミクス・
 | 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 |
+| 125 | [scientific-encode-screen](scientific-encode-screen/SKILL.md) | ENCODE REST API 実験/ファイル検索・SCREEN cCRE・ChIP-Atlas エンリッチメント | 汎用 |
+| 126 | [scientific-human-cell-atlas](scientific-human-cell-atlas/SKILL.md) | HCA Data Portal プロジェクト/ファイル・CELLxGENE Census 大規模アトラス | 汎用 |
+| 131 | [scientific-squidpy-advanced](scientific-squidpy-advanced/SKILL.md) | Squidpy 空間自己相関・共起解析・近傍エンリッチメント・ニッチ同定 | 汎用 |
 
 ### U. 免疫・感染症（2 種）
 
@@ -543,9 +552,9 @@ 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（6 種）
+### V. マイクロバイオーム・環境（8 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・rRNA 分類学・植物バイオロジー・海洋生態学を担うスキル群。
+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・環境地理空間データ・古生物学を担うスキル群。
 
 | # | Skill | 説明 | 参照 Exp |
 |---|---|---|---|
@@ -555,8 +564,10 @@ scRNA-seq・空間トランスクリプトミクス・エピゲノミクス・
 | 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 |
+| 128 | [scientific-environmental-geodata](scientific-environmental-geodata/SKILL.md) | SoilGrids/WorldClim 環境地理空間データ・種分布モデル環境変数 | 汎用 |
+| 129 | [scientific-paleobiology](scientific-paleobiology/SKILL.md) | PBDB 化石産出記録・分類群検索・地質年代多様性曲線 | 汎用 |
 
-### W. システム生物学（2 種）
+### W. システム生物学（3 種）
 
 SBML 動的シミュレーション・代謝フラックス・遺伝子制御ネットワーク推定・代謝モデリングを担うスキル群。
 
@@ -564,6 +575,7 @@ 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 |
+| 130 | [scientific-metabolic-atlas](scientific-metabolic-atlas/SKILL.md) | Metabolic Atlas/Human-GEM 代謝反応・代謝産物検索・ネットワーク解析 | 汎用 |
 
 ### X. 疫学・公衆衛生（3 種）
 
@@ -694,7 +706,9 @@ Skills は `.github/skills/` に配置されているため、Copilot が自動
 │   ├── scientific-ensembl-genomics/
 │   ├── scientific-string-network-api/
 │   ├── scientific-expression-comparison/
-│   └── scientific-model-organism-db/
+│   ├── scientific-model-organism-db/
+│   ├── scientific-geo-expression/
+│   └── scientific-parasite-genomics/
 │
 │── [G] 化学・材料・イメージング
 │   ├── scientific-cheminformatics/
@@ -783,7 +797,10 @@ Skills は `.github/skills/` に配置されているため、Copilot が自動
 │   ├── scientific-perturbation-analysis/
 │   ├── scientific-scvi-integration/
 │   ├── scientific-scatac-signac/
-│   └── scientific-gpu-singlecell/
+│   ├── scientific-gpu-singlecell/
+│   ├── scientific-encode-screen/
+│   ├── scientific-human-cell-atlas/
+│   └── scientific-squidpy-advanced/
 │
 │── [U] 免疫・感染症
 │   ├── scientific-immunoinformatics/
@@ -795,11 +812,14 @@ Skills は `.github/skills/` に配置されているため、Copilot が自動
 │   ├── scientific-phylogenetics/
 │   ├── scientific-rrna-taxonomy/
 │   ├── scientific-plant-biology/
-│   └── scientific-marine-ecology/
+│   ├── scientific-marine-ecology/
+│   ├── scientific-environmental-geodata/
+│   └── scientific-paleobiology/
 │
 │── [W] システム生物学
 │   ├── scientific-systems-biology/
-│   └── scientific-metabolic-modeling/
+│   ├── scientific-metabolic-modeling/
+│   └── scientific-metabolic-atlas/
 │
 │── [X] 疫学・公衆衛生
 │   ├── scientific-epidemiology-public-health/

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@nahisaho/satori",
-  "version": "0.16.0",
+  "version": "0.17.0",
   "description": "SATORI — Agent Skills for Science. GitHub Copilot Agent Skills collection for scientific data analysis.",
   "main": "index.js",
   "bin": {

package/src/.github/skills/scientific-encode-screen/SKILL.md

@@ -0,0 +1,315 @@
+---
+name: scientific-encode-screen
+description: |
+  ENCODE / ChIP-Atlas エピゲノムアトラススキル。ENCODE REST API
+  実験・ファイル・バイオサンプル検索、SCREEN cis 制御エレメント、
+  ChIP-Atlas エンリッチメント解析、エピゲノムアノテーション統合。
+  ToolUniverse 連携: encode, chipatlas。
+tu_tools:
+  - key: encode
+    name: ENCODE
+    description: ENCODE プロジェクトの実験・バイオサンプル・ファイルデータ検索
+  - key: chipatlas
+    name: ChIP-Atlas
+    description: ChIP-seq/ATAC-seq エンリッチメント解析・ピークブラウザ
+---
+
+# Scientific ENCODE / SCREEN / ChIP-Atlas
+
+ENCODE REST API / SCREEN / ChIP-Atlas を活用したエピゲノム
+アトラス統合解析パイプラインを提供する。
+
+## When to Use
+
+- ENCODE 実験データ (ChIP-seq/ATAC-seq/DNase) を検索するとき
+- SCREEN cCRE (candidate cis-Regulatory Elements) を照会するとき
+- ChIP-Atlas で転写因子結合・ヒストン修飾エンリッチメントを解析するとき
+- バリアントの制御領域アノテーションを強化するとき
+- エピゲノムデータを下流のクロマチン解析に統合するとき
+- 組織/細胞型特異的エピゲノムプロファイルを比較するとき
+
+---
+
+## Quick Start
+
+## 1. ENCODE 実験検索・ファイル取得
+
+```python
+import requests
+import pandas as pd
+import json
+
+ENCODE_BASE = "https://www.encodeproject.org"
+HEADERS = {"Accept": "application/json"}
+
+
+def encode_search_experiments(assay_title=None, biosample=None,
+                               target=None, organism="Homo sapiens",
+                               limit=50):
+    """
+    ENCODE — 実験メタデータ検索。
+
+    Parameters:
+        assay_title: str — アッセイ種別 (例: "ChIP-seq", "ATAC-seq")
+        biosample: str — バイオサンプル (例: "K562")
+        target: str — ターゲット (例: "CTCF")
+        organism: str — 生物種
+        limit: int — 最大結果数
+    """
+    url = f"{ENCODE_BASE}/search/"
+    params = {
+        "type": "Experiment",
+        "status": "released",
+        "replicates.library.biosample.donor.organism.scientific_name": organism,
+        "limit": limit,
+        "format": "json",
+    }
+    if assay_title:
+        params["assay_title"] = assay_title
+    if biosample:
+        params["biosample_ontology.term_name"] = biosample
+    if target:
+        params["target.label"] = target
+
+    resp = requests.get(url, params=params, headers=HEADERS, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    results = []
+    for exp in data.get("@graph", []):
+        results.append({
+            "accession": exp.get("accession", ""),
+            "assay": exp.get("assay_title", ""),
+            "biosample": exp.get("biosample_summary", ""),
+            "target": exp.get("target", {}).get("label", ""),
+            "status": exp.get("status", ""),
+            "lab": exp.get("lab", {}).get("title", ""),
+            "date_released": exp.get("date_released", ""),
+            "files_count": len(exp.get("files", [])),
+        })
+
+    df = pd.DataFrame(results)
+    print(f"ENCODE: {len(df)} experiments found")
+    return df
+
+
+def encode_get_files(experiment_accession, file_type="bigWig",
+                      output_type="signal p-value", assembly="GRCh38"):
+    """
+    ENCODE — 実験ファイル URL 取得。
+
+    Parameters:
+        experiment_accession: str — 実験アクセッション
+        file_type: str — ファイルタイプ
+        output_type: str — 出力タイプ
+        assembly: str — アセンブリ
+    """
+    url = f"{ENCODE_BASE}/search/"
+    params = {
+        "type": "File",
+        "dataset": f"/experiments/{experiment_accession}/",
+        "file_format": file_type,
+        "output_type": output_type,
+        "assembly": assembly,
+        "status": "released",
+        "format": "json",
+    }
+    resp = requests.get(url, params=params, headers=HEADERS, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    files = []
+    for f in data.get("@graph", []):
+        files.append({
+            "accession": f.get("accession", ""),
+            "file_format": f.get("file_format", ""),
+            "output_type": f.get("output_type", ""),
+            "assembly": f.get("assembly", ""),
+            "href": ENCODE_BASE + f.get("href", ""),
+            "file_size": f.get("file_size", 0),
+            "biological_replicate": f.get("biological_replicates", []),
+        })
+
+    df = pd.DataFrame(files)
+    print(f"ENCODE files ({experiment_accession}): {len(df)} files")
+    return df
+```
+
+## 2. SCREEN cCRE 検索
+
+```python
+SCREEN_BASE = "https://api.wenglab.org/screen/v2"
+
+
+def screen_ccre_search(gene=None, region=None, biosample=None,
+                        assembly="GRCh38"):
+    """
+    SCREEN — candidate cis-Regulatory Element 検索。
+
+    Parameters:
+        gene: str — 遺伝子名 (例: "TP53")
+        region: str — ゲノム領域 (例: "chr17:7668421-7687490")
+        biosample: str — バイオサンプル名
+        assembly: str — アセンブリ
+    """
+    url = f"{SCREEN_BASE}/search"
+    query = {"assembly": assembly}
+
+    if gene:
+        query["gene"] = gene
+    if region:
+        chrom, pos = region.split(":")
+        start, end = pos.split("-")
+        query["coordinates"] = {
+            "chromosome": chrom,
+            "start": int(start),
+            "end": int(end),
+        }
+
+    resp = requests.post(url, json=query, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    ccres = []
+    for cre in data.get("data", []):
+        ccres.append({
+            "accession": cre.get("accession", ""),
+            "chromosome": cre.get("chrom", ""),
+            "start": cre.get("start", 0),
+            "end": cre.get("end", 0),
+            "ccre_class": cre.get("group", ""),
+            "dnase_zscore": cre.get("dnase_zscore", None),
+            "h3k4me3_zscore": cre.get("h3k4me3_zscore", None),
+            "h3k27ac_zscore": cre.get("h3k27ac_zscore", None),
+            "ctcf_zscore": cre.get("ctcf_zscore", None),
+        })
+
+    df = pd.DataFrame(ccres)
+    print(f"SCREEN cCREs: {len(df)} elements")
+    return df
+```
+
+## 3. ChIP-Atlas エンリッチメント解析
+
+```python
+CHIPATLAS_BASE = "https://chip-atlas.org/api"
+
+
+def chipatlas_enrichment(gene_list, cell_type=None,
+                          antigen_class="TFs and others",
+                          genome="hg38", threshold=5):
+    """
+    ChIP-Atlas — 遺伝子リストのエンリッチメント解析。
+
+    Parameters:
+        gene_list: list[str] — 遺伝子リスト
+        cell_type: str — 細胞型 (None = 全細胞型)
+        antigen_class: str — 抗原クラス
+        genome: str — ゲノムアセンブリ
+        threshold: int — 距離閾値 (kb)
+    """
+    url = f"{CHIPATLAS_BASE}/enrichment"
+    payload = {
+        "genome": genome,
+        "geneList": gene_list,
+        "antigenClass": antigen_class,
+        "distanceThreshold": threshold * 1000,
+    }
+    if cell_type:
+        payload["cellType"] = cell_type
+
+    resp = requests.post(url, json=payload, timeout=60)
+    resp.raise_for_status()
+    data = resp.json()
+
+    results = []
+    for hit in data.get("results", []):
+        results.append({
+            "antigen": hit.get("antigen", ""),
+            "cell_type": hit.get("cellType", ""),
+            "experiment_id": hit.get("experimentId", ""),
+            "p_value": hit.get("pValue", 1.0),
+            "log_p": hit.get("logPValue", 0),
+            "overlap_genes": hit.get("overlapGenes", 0),
+            "total_peaks": hit.get("totalPeaks", 0),
+        })
+
+    df = pd.DataFrame(results)
+    df = df.sort_values("p_value")
+    print(f"ChIP-Atlas enrichment: {len(df)} TF/antigen hits")
+    return df
+```
+
+## 4. ENCODE + SCREEN + ChIP-Atlas 統合パイプライン
+
+```python
+def encode_epigenome_pipeline(gene_name, biosample="K562",
+                               output_dir="results"):
+    """
+    ENCODE/SCREEN/ChIP-Atlas エピゲノム統合パイプライン。
+
+    Parameters:
+        gene_name: str — 遺伝子名
+        biosample: str — バイオサンプル
+        output_dir: str — 出力ディレクトリ
+    """
+    from pathlib import Path
+    output_dir = Path(output_dir)
+    output_dir.mkdir(parents=True, exist_ok=True)
+
+    # 1) SCREEN cCRE
+    ccres = screen_ccre_search(gene=gene_name)
+    ccres.to_csv(output_dir / "screen_ccres.csv", index=False)
+
+    # 2) ENCODE 実験
+    experiments = encode_search_experiments(
+        assay_title="ChIP-seq",
+        biosample=biosample,
+        target="H3K27ac",
+    )
+    experiments.to_csv(output_dir / "encode_experiments.csv", index=False)
+
+    # 3) ChIP-Atlas エンリッチメント
+    enrichment = chipatlas_enrichment(
+        gene_list=[gene_name],
+        cell_type=biosample,
+    )
+    enrichment.to_csv(output_dir / "chipatlas_enrichment.csv", index=False)
+
+    print(f"ENCODE epigenome pipeline: {output_dir}")
+    return {
+        "ccres": ccres,
+        "experiments": experiments,
+        "enrichment": enrichment,
+    }
+```
+
+---
+
+## ToolUniverse 連携
+
+| TU Key | ツール名 | 連携内容 |
+|--------|---------|---------|
+| `encode` | ENCODE | 実験・バイオサンプル・ファイル検索 |
+| `chipatlas` | ChIP-Atlas | 転写因子エンリッチメント解析 |
+
+## パイプライン統合
+
+```
+regulatory-genomics → encode-screen → epigenomics-chromatin
+  (RegulomeDB/ReMap)   (ENCODE/SCREEN)  (ChIP/ATAC bulk)
+       │                     │                ↓
+  variant-interpretation ───┘         scatac-signac
+  (ACMG バリアント)     │              (scATAC-seq)
+                        ↓
+                  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/screen_ccres.csv` | cCRE アノテーション | → variant-interpretation |
+| `results/encode_experiments.csv` | ENCODE 実験メタデータ | → epigenomics-chromatin |
+| `results/chipatlas_enrichment.csv` | TF エンリッチメント | → gene-regulatory-network |