@nahisaho/satori 0.16.0 → 0.17.0

package/src/.github/skills/scientific-environmental-geodata/SKILL.md

@@ -0,0 +1,255 @@
+---
+name: scientific-environmental-geodata
+description: |
+  環境地理空間データスキル。SoilGrids REST API による土壌特性
+  取得、WorldClim/CHELSA 気候データ、生物多様性-環境モデリング
+  統合。直接 REST API 連携 (TU 外)。
+tu_tools: []
+---
+
+# Scientific Environmental Geodata
+
+SoilGrids・WorldClim 等の地球観測/環境データ API を活用した
+生態学的環境モデリングパイプラインを提供する。
+
+## When to Use
+
+- グローバル土壌特性 (pH, SOC, 粘土含量) を取得するとき
+- バイオクリマティック変数 (BIO1-BIO19) を取得するとき
+- 種分布モデル (SDM) の環境変数を準備するとき
+- 気候変動シナリオの生息地適性を評価するとき
+- 環境ニッチモデリングを実施するとき
+- 土壌-植生-気候の相互作用を解析するとき
+
+---
+
+## Quick Start
+
+## 1. SoilGrids 土壌特性取得
+
+```python
+import requests
+import pandas as pd
+import numpy as np
+
+SOILGRIDS_BASE = "https://rest.isric.org/soilgrids/v2.0"
+
+
+def soilgrids_get_properties(lat, lon, properties=None,
+                              depths=None, values=None):
+    """
+    SoilGrids — 地点の土壌特性取得。
+
+    Parameters:
+        lat: float — 緯度
+        lon: float — 経度
+        properties: list[str] — 土壌特性 (例: ["phh2o", "soc", "clay"])
+        depths: list[str] — 深度 (例: ["0-5cm", "5-15cm"])
+        values: list[str] — 値の種類 (例: ["mean", "Q0.05", "Q0.95"])
+    """
+    if properties is None:
+        properties = ["phh2o", "soc", "clay", "sand", "nitrogen",
+                       "bdod", "cec", "ocd"]
+    if depths is None:
+        depths = ["0-5cm", "5-15cm", "15-30cm", "30-60cm"]
+    if values is None:
+        values = ["mean", "Q0.05", "Q0.95"]
+
+    url = f"{SOILGRIDS_BASE}/properties/query"
+    params = {
+        "lat": lat,
+        "lon": lon,
+        "property": properties,
+        "depth": depths,
+        "value": values,
+    }
+    resp = requests.get(url, params=params, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    results = []
+    for layer in data.get("properties", {}).get("layers", []):
+        prop_name = layer.get("name", "")
+        unit = layer.get("unit_measure", {})
+        conversion = unit.get("mapped_units", "")
+        for depth_info in layer.get("depths", []):
+            row = {
+                "property": prop_name,
+                "depth": depth_info.get("label", ""),
+                "unit": conversion,
+            }
+            for val_key, val_val in depth_info.get("values", {}).items():
+                row[val_key] = val_val
+            results.append(row)
+
+    df = pd.DataFrame(results)
+    print(f"SoilGrids ({lat}, {lon}): {len(df)} records, "
+          f"{len(properties)} properties")
+    return df
+```
+
+## 2. WorldClim バイオクリマティック変数
+
+```python
+import rasterio
+from rasterio.sample import sample_gen
+
+
+def worldclim_get_bioclim(lat, lon, resolution="2.5m",
+                           data_dir="worldclim"):
+    """
+    WorldClim — バイオクリマティック変数取得。
+
+    Parameters:
+        lat: float — 緯度
+        lon: float — 経度
+        resolution: str — 空間解像度 ("30s", "2.5m", "5m", "10m")
+        data_dir: str — WorldClim データディレクトリ
+    """
+    from pathlib import Path
+    bio_dir = Path(data_dir) / f"wc2.1_{resolution}_bio"
+
+    bioclim_names = {
+        1: "Annual Mean Temperature",
+        2: "Mean Diurnal Range",
+        3: "Isothermality",
+        4: "Temperature Seasonality",
+        5: "Max Temperature Warmest Month",
+        6: "Min Temperature Coldest Month",
+        7: "Temperature Annual Range",
+        8: "Mean Temperature Wettest Quarter",
+        9: "Mean Temperature Driest Quarter",
+        10: "Mean Temperature Warmest Quarter",
+        11: "Mean Temperature Coldest Quarter",
+        12: "Annual Precipitation",
+        13: "Precipitation Wettest Month",
+        14: "Precipitation Driest Month",
+        15: "Precipitation Seasonality",
+        16: "Precipitation Wettest Quarter",
+        17: "Precipitation Driest Quarter",
+        18: "Precipitation Warmest Quarter",
+        19: "Precipitation Coldest Quarter",
+    }
+
+    results = []
+    for bio_num, bio_name in bioclim_names.items():
+        tif_path = bio_dir / f"wc2.1_{resolution}_bio_{bio_num}.tif"
+        if not tif_path.exists():
+            continue
+        with rasterio.open(tif_path) as src:
+            vals = list(sample_gen(src, [(lon, lat)]))
+            value = vals[0][0] if vals else None
+        results.append({
+            "variable": f"BIO{bio_num}",
+            "name": bio_name,
+            "value": value,
+        })
+
+    df = pd.DataFrame(results)
+    print(f"WorldClim ({lat}, {lon}): {len(df)} bioclim variables")
+    return df
+```
+
+## 3. 種分布モデル環境変数統合
+
+```python
+def sdm_environmental_stack(occurrences_df, lat_col="latitude",
+                              lon_col="longitude", buffer_deg=0.5):
+    """
+    SDM — 種の出現記録に対する環境変数スタック生成。
+
+    Parameters:
+        occurrences_df: pd.DataFrame — 種出現記録
+        lat_col: str — 緯度カラム名
+        lon_col: str — 経度カラム名
+        buffer_deg: float — バッファ距離 (度)
+    """
+    results = []
+    for _, row in occurrences_df.iterrows():
+        lat, lon = row[lat_col], row[lon_col]
+
+        # SoilGrids
+        soil = soilgrids_get_properties(lat, lon,
+            properties=["phh2o", "soc", "clay"])
+        soil_mean = {}
+        for _, s in soil.iterrows():
+            if s.get("depth") == "0-5cm":
+                soil_mean[f"soil_{s['property']}"] = s.get("mean", None)
+
+        # WorldClim (if available)
+        bioclim = {}
+        try:
+            bio_df = worldclim_get_bioclim(lat, lon)
+            bioclim = {r["variable"]: r["value"]
+                        for _, r in bio_df.iterrows()}
+        except Exception:
+            pass
+
+        combined = {
+            lat_col: lat,
+            lon_col: lon,
+            **soil_mean,
+            **bioclim,
+        }
+        results.append(combined)
+
+    df = pd.DataFrame(results)
+    print(f"SDM env stack: {len(df)} points, {len(df.columns)} variables")
+    return df
+```
+
+## 4. 環境地理空間統合パイプライン
+
+```python
+def environmental_geodata_pipeline(occurrences_csv, output_dir="results"):
+    """
+    環境地理空間統合パイプライン。
+
+    Parameters:
+        occurrences_csv: str — 種出現記録 CSV パス
+        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)
+
+    occ = pd.read_csv(occurrences_csv)
+    print(f"Occurrences: {len(occ)} records")
+
+    # 環境変数スタック
+    env_df = sdm_environmental_stack(occ)
+    env_df.to_csv(output_dir / "env_stack.csv", index=False)
+
+    # 環境空間要約
+    summary = env_df.describe().T
+    summary.to_csv(output_dir / "env_summary.csv")
+
+    print(f"Environmental pipeline: {output_dir}")
+    return {"occurrences": occ, "env_stack": env_df, "summary": summary}
+```
+
+---
+
+## ToolUniverse 連携
+
+直接 REST API 使用 (SoilGrids, WorldClim は ToolUniverse 外)。
+
+## パイプライン統合
+
+```
+environmental-ecology → environmental-geodata → marine-ecology
+  (GBIF/iNaturalist)   (SoilGrids/WorldClim)   (OBIS/WoRMS)
+       │                        │                     ↓
+  phylogenetics ───────────────┘              biodiversity-indices
+  (系統情報)             │                    (多様性指標)
+                         ↓
+                  species-distribution-model
+                  (SDM 統合)
+```
+
+## パイプライン出力
+
+| ファイル | 説明 | 次スキル |
+|---------|------|---------|
+| `results/env_stack.csv` | 環境変数スタック | → species-distribution-model |
+| `results/env_summary.csv` | 環境空間要約 | → environmental-ecology |

package/src/.github/skills/scientific-geo-expression/SKILL.md

@@ -0,0 +1,274 @@
+---
+name: scientific-geo-expression
+description: |
+  GEO (Gene Expression Omnibus) 発現プロファイルスキル。GEO REST
+  API データセット検索・サンプル情報・発現マトリクス取得・バルク
+  RNA-seq/マイクロアレイ差次的発現解析。ToolUniverse 連携: geo。
+tu_tools:
+  - key: geo
+    name: GEO (Gene Expression Omnibus)
+    description: GEO データセット・サンプル情報・発現データ検索
+---
+
+# Scientific GEO Expression
+
+GEO REST API を活用したトランスクリプトーム発現プロファイル
+解析パイプラインを提供する。
+
+## When to Use
+
+- GEO データセット (GDS/GSE) を検索・ダウンロードするとき
+- マイクロアレイ/RNA-seq 発現マトリクスを取得するとき
+- 条件間差次的発現解析 (DEG) を実行するとき
+- 複数 GEO データセットを横断比較するとき
+- GEO メタデータから実験条件を構造化するとき
+- 再解析パイプラインで GEO データを再利用するとき
+
+---
+
+## Quick Start
+
+## 1. GEO データセット検索
+
+```python
+import requests
+import pandas as pd
+import GEOparse
+from io import StringIO
+
+GEO_BASE = "https://eutils.ncbi.nlm.nih.gov/entrez/eutils"
+
+
+def geo_search_datasets(query, organism="Homo sapiens",
+                         study_type=None, limit=20):
+    """
+    GEO — データセット検索 (E-utilities)。
+
+    Parameters:
+        query: str — 検索クエリ (例: "breast cancer RNA-seq")
+        organism: str — 生物種
+        study_type: str — 研究タイプ ("Expression profiling by array" etc.)
+        limit: int — 最大結果数
+    """
+    search_term = f"{query} AND {organism}[Organism]"
+    if study_type:
+        search_term += f' AND "{study_type}"[Study Type]'
+
+    # ESearch
+    url = f"{GEO_BASE}/esearch.fcgi"
+    params = {
+        "db": "gds",
+        "term": search_term,
+        "retmax": limit,
+        "retmode": "json",
+    }
+    resp = requests.get(url, params=params, timeout=30)
+    resp.raise_for_status()
+    ids = resp.json().get("esearchresult", {}).get("idlist", [])
+
+    if not ids:
+        print("No GEO datasets found")
+        return pd.DataFrame()
+
+    # ESummary
+    url = f"{GEO_BASE}/esummary.fcgi"
+    params = {"db": "gds", "id": ",".join(ids), "retmode": "json"}
+    resp = requests.get(url, params=params, timeout=30)
+    resp.raise_for_status()
+    summaries = resp.json().get("result", {})
+
+    results = []
+    for gds_id in ids:
+        info = summaries.get(gds_id, {})
+        results.append({
+            "accession": info.get("accession", ""),
+            "title": info.get("title", ""),
+            "summary": info.get("summary", "")[:200],
+            "organism": info.get("taxon", ""),
+            "platform": info.get("gpl", ""),
+            "sample_count": info.get("n_samples", 0),
+            "series_type": info.get("gdstype", ""),
+            "pub_date": info.get("pdat", ""),
+        })
+
+    df = pd.DataFrame(results)
+    print(f"GEO search: {len(df)} datasets")
+    return df
+```
+
+## 2. GEO 発現マトリクス取得
+
+```python
+def geo_get_expression_matrix(gse_id, log2_transform=True):
+    """
+    GEO — GSE 発現マトリクス取得 (GEOparse)。
+
+    Parameters:
+        gse_id: str — GSE アクセッション (例: "GSE12345")
+        log2_transform: bool — log2 変換を適用するか
+    """
+    import numpy as np
+
+    gse = GEOparse.get_GEO(geo=gse_id, destdir="/tmp", silent=True)
+
+    # サンプルメタデータ
+    samples = []
+    for gsm_name, gsm in gse.gsms.items():
+        meta = gsm.metadata
+        samples.append({
+            "sample_id": gsm_name,
+            "title": meta.get("title", [""])[0],
+            "source": meta.get("source_name_ch1", [""])[0],
+            "characteristics": "; ".join(
+                meta.get("characteristics_ch1", [])),
+            "platform": meta.get("platform_id", [""])[0],
+        })
+    sample_df = pd.DataFrame(samples)
+
+    # 発現マトリクス
+    pivoted = gse.pivot_samples("VALUE")
+    if pivoted.empty:
+        print(f"No expression data in {gse_id}")
+        return sample_df, pd.DataFrame()
+
+    if log2_transform:
+        pivoted = np.log2(pivoted.astype(float) + 1)
+
+    print(f"GEO {gse_id}: {pivoted.shape[0]} probes × "
+          f"{pivoted.shape[1]} samples")
+    return sample_df, pivoted
+```
+
+## 3. 差次的発現解析
+
+```python
+from scipy import stats
+import numpy as np
+
+
+def geo_differential_expression(expr_matrix, group_a_samples,
+                                  group_b_samples, method="ttest",
+                                  fdr_threshold=0.05, lfc_threshold=1.0):
+    """
+    GEO — 差次的発現解析。
+
+    Parameters:
+        expr_matrix: pd.DataFrame — 発現マトリクス (genes × samples)
+        group_a_samples: list[str] — グループ A サンプル ID
+        group_b_samples: list[str] — グループ B サンプル ID
+        method: str — "ttest" or "wilcoxon"
+        fdr_threshold: float — FDR 閾値
+        lfc_threshold: float — log2FC 閾値
+    """
+    a_data = expr_matrix[group_a_samples]
+    b_data = expr_matrix[group_b_samples]
+
+    results = []
+    for gene in expr_matrix.index:
+        a_vals = a_data.loc[gene].dropna().values
+        b_vals = b_data.loc[gene].dropna().values
+
+        if len(a_vals) < 2 or len(b_vals) < 2:
+            continue
+
+        lfc = b_vals.mean() - a_vals.mean()
+
+        if method == "ttest":
+            stat, pval = stats.ttest_ind(a_vals, b_vals)
+        else:
+            stat, pval = stats.mannwhitneyu(a_vals, b_vals,
+                                             alternative="two-sided")
+
+        results.append({
+            "gene": gene,
+            "log2fc": lfc,
+            "mean_a": a_vals.mean(),
+            "mean_b": b_vals.mean(),
+            "statistic": stat,
+            "p_value": pval,
+        })
+
+    df = pd.DataFrame(results)
+
+    # FDR correction (Benjamini-Hochberg)
+    from statsmodels.stats.multitest import multipletests
+    _, df["fdr"], _, _ = multipletests(df["p_value"], method="fdr_bh")
+
+    # DEG フィルタ
+    df["is_deg"] = (df["fdr"] < fdr_threshold) & (df["log2fc"].abs() > lfc_threshold)
+    n_deg = df["is_deg"].sum()
+    n_up = ((df["is_deg"]) & (df["log2fc"] > 0)).sum()
+    n_down = ((df["is_deg"]) & (df["log2fc"] < 0)).sum()
+
+    print(f"DEG: {n_deg} genes (↑{n_up} / ↓{n_down}), "
+          f"FDR<{fdr_threshold}, |LFC|>{lfc_threshold}")
+    return df.sort_values("p_value")
+```
+
+## 4. GEO 発現プロファイリングパイプライン
+
+```python
+def geo_expression_pipeline(gse_id, group_col="condition",
+                              group_a="control", group_b="treatment",
+                              output_dir="results"):
+    """
+    GEO 発現プロファイリング統合パイプライン。
+
+    Parameters:
+        gse_id: str — GSE アクセッション
+        group_col: str — グループ化カラム
+        group_a: str — コントロールグループ
+        group_b: str — 処理グループ
+        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) データ取得
+    sample_df, expr = geo_get_expression_matrix(gse_id)
+    sample_df.to_csv(output_dir / "samples.csv", index=False)
+
+    # 2) グループ分割
+    a_samples = sample_df[
+        sample_df["source"].str.contains(group_a, case=False)
+    ]["sample_id"].tolist()
+    b_samples = sample_df[
+        sample_df["source"].str.contains(group_b, case=False)
+    ]["sample_id"].tolist()
+
+    # 3) 差次的発現
+    deg = geo_differential_expression(expr, a_samples, b_samples)
+    deg.to_csv(output_dir / "deg_results.csv", index=False)
+
+    print(f"GEO pipeline: {output_dir}")
+    return {"samples": sample_df, "expression": expr, "deg": deg}
+```
+
+---
+
+## ToolUniverse 連携
+
+| TU Key | ツール名 | 連携内容 |
+|--------|---------|---------|
+| `geo` | GEO | データセット検索・サンプル情報・発現データ |
+
+## パイプライン統合
+
+```
+ebi-databases → geo-expression → gene-expression-transcriptomics
+  (ENA/EBI Search) (GEO データ)    (DESeq2/GTEx)
+       │                 │                ↓
+  literature-search ────┘         pathway-enrichment
+  (PubMed/OpenAlex)   │          (KEGG/Reactome/GO)
+                       ↓
+                  multi-omics
+                  (統合解析)
+```
+
+## パイプライン出力
+
+| ファイル | 説明 | 次スキル |
+|---------|------|---------|
+| `results/samples.csv` | サンプルメタデータ | → gene-expression-transcriptomics |
+| `results/deg_results.csv` | 差次的発現結果 | → pathway-enrichment |