@nahisaho/satori 0.16.0 → 0.18.0

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

@@ -0,0 +1,264 @@
+---
+name: scientific-arrayexpress-expression
+description: |
+  ArrayExpress 発現アーカイブスキル。BioStudies/ArrayExpress
+  REST API によるマイクロアレイ・RNA-seq 発現実験検索・メタ
+  データ取得・データ再解析。ToolUniverse 連携: arrayexpress。
+tu_tools:
+  - key: arrayexpress
+    name: ArrayExpress
+    description: ArrayExpress 発現実験検索・メタデータ・ファイル取得
+---
+
+# Scientific ArrayExpress Expression
+
+EBI ArrayExpress / BioStudies REST API を活用した発現データ
+アーカイブ検索・再解析パイプラインを提供する。
+
+## When to Use
+
+- ArrayExpress/BioStudies の発現実験を検索するとき
+- マイクロアレイ/RNA-seq 発現データのメタデータを取得するとき
+- SDRF サンプル情報テーブルを解析するとき
+- E-MTAB/E-GEOD アクセッションからデータ再解析するとき
+- 発現データアーカイブを横断検索するとき
+- GEO と ArrayExpress の両方でデータを探すとき
+
+---
+
+## Quick Start
+
+## 1. BioStudies 発現実験検索
+
+```python
+import requests
+import pandas as pd
+
+BIOSTUDIES_BASE = "https://www.ebi.ac.uk/biostudies/api/v1"
+AE_BASE = "https://www.ebi.ac.uk/arrayexpress/json/v3"
+
+
+def arrayexpress_search_experiments(query, organism=None,
+                                       experiment_type=None,
+                                       limit=50):
+    """
+    ArrayExpress — 発現実験検索 (BioStudies API)。
+
+    Parameters:
+        query: str — 検索クエリ (例: "breast cancer RNA-seq")
+        organism: str — 生物種 (例: "Homo sapiens")
+        experiment_type: str — 実験タイプ (例: "RNA-seq of coding RNA")
+        limit: int — 最大結果数
+    """
+    url = f"{BIOSTUDIES_BASE}/search"
+    params = {
+        "query": query,
+        "type": "study",
+        "pageSize": limit,
+    }
+    if organism:
+        params["organism"] = organism
+    if experiment_type:
+        params["experimenttype"] = experiment_type
+
+    resp = requests.get(url, params=params, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    hits = data.get("hits", [])
+    results = []
+    for h in hits:
+        attrs = {a.get("name", ""): a.get("value", "")
+                 for a in h.get("attributes", [])}
+        results.append({
+            "accession": h.get("accession", ""),
+            "title": attrs.get("Title", h.get("title", "")),
+            "organism": attrs.get("Organism", ""),
+            "experiment_type": attrs.get("Experiment type", ""),
+            "release_date": h.get("releaseDate", ""),
+            "files_count": h.get("filesCount", 0),
+            "links_count": h.get("linksCount", 0),
+        })
+
+    df = pd.DataFrame(results)
+    print(f"ArrayExpress search: {len(df)} experiments "
+          f"(query={query})")
+    return df
+```
+
+## 2. 実験メタデータ・SDRF 取得
+
+```python
+def arrayexpress_get_experiment(accession):
+    """
+    ArrayExpress — 実験メタデータ & SDRF 取得。
+
+    Parameters:
+        accession: str — アクセッション (例: "E-MTAB-12345")
+    """
+    url = f"{BIOSTUDIES_BASE}/studies/{accession}"
+    resp = requests.get(url, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    # メタデータ
+    attrs = {a.get("name", ""): a.get("value", "")
+             for a in data.get("attributes", [])}
+    metadata = {
+        "accession": accession,
+        "title": attrs.get("Title", ""),
+        "description": attrs.get("Description", "")[:500],
+        "organism": attrs.get("Organism", ""),
+        "experiment_type": attrs.get("Experiment type", ""),
+        "release_date": data.get("releaseDate", ""),
+    }
+
+    # ファイル一覧
+    files = []
+    for section in data.get("section", {}).get("files", []):
+        if isinstance(section, list):
+            for f in section:
+                files.append({
+                    "filename": f.get("path", ""),
+                    "type": f.get("type", ""),
+                    "size": f.get("size", 0),
+                })
+        elif isinstance(section, dict):
+            files.append({
+                "filename": section.get("path", ""),
+                "type": section.get("type", ""),
+                "size": section.get("size", 0),
+            })
+
+    files_df = pd.DataFrame(files)
+
+    # SDRF 取得試行
+    sdrf_url = (f"https://www.ebi.ac.uk/biostudies/files/"
+                f"{accession}/{accession}.sdrf.txt")
+    sdrf_df = pd.DataFrame()
+    try:
+        sdrf_resp = requests.get(sdrf_url, timeout=30)
+        if sdrf_resp.status_code == 200:
+            from io import StringIO
+            sdrf_df = pd.read_csv(StringIO(sdrf_resp.text), sep="\t")
+    except Exception:
+        pass
+
+    print(f"ArrayExpress {accession}: {len(files_df)} files, "
+          f"{len(sdrf_df)} SDRF rows")
+    return metadata, files_df, sdrf_df
+```
+
+## 3. 発現データダウンロード・処理
+
+```python
+def arrayexpress_download_matrix(accession, output_dir="results"):
+    """
+    ArrayExpress — 発現マトリクスダウンロード。
+
+    Parameters:
+        accession: str — アクセッション
+        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)
+
+    metadata, files_df, sdrf_df = arrayexpress_get_experiment(accession)
+
+    # 処理済み発現ファイル検索
+    expr_files = files_df[
+        files_df["filename"].str.contains(
+            r"processed|normalized|expression|counts",
+            case=False, na=False)
+    ]
+
+    downloaded = []
+    for _, frow in expr_files.iterrows():
+        fname = frow["filename"]
+        url = (f"https://www.ebi.ac.uk/biostudies/files/"
+               f"{accession}/{fname}")
+        try:
+            resp = requests.get(url, timeout=120)
+            if resp.status_code == 200:
+                fpath = output_dir / fname.split("/")[-1]
+                fpath.write_bytes(resp.content)
+                downloaded.append(str(fpath))
+        except Exception:
+            continue
+
+    # SDRF 保存
+    if not sdrf_df.empty:
+        sdrf_df.to_csv(output_dir / "sdrf.csv", index=False)
+
+    print(f"ArrayExpress download: {len(downloaded)} files → "
+          f"{output_dir}")
+    return {
+        "metadata": metadata,
+        "files": downloaded,
+        "sdrf": sdrf_df,
+    }
+```
+
+## 4. ArrayExpress 統合パイプライン
+
+```python
+def arrayexpress_pipeline(query, organism="Homo sapiens",
+                            output_dir="results"):
+    """
+    ArrayExpress 統合パイプライン。
+
+    Parameters:
+        query: str — 検索クエリ
+        organism: str — 生物種
+        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) 実験検索
+    experiments = arrayexpress_search_experiments(
+        query, organism=organism)
+    experiments.to_csv(output_dir / "experiments.csv", index=False)
+
+    # 2) トップ実験の詳細
+    if not experiments.empty:
+        top_acc = experiments.iloc[0]["accession"]
+        metadata, files, sdrf = arrayexpress_get_experiment(top_acc)
+        files.to_csv(output_dir / "experiment_files.csv", index=False)
+        if not sdrf.empty:
+            sdrf.to_csv(output_dir / "sdrf.csv", index=False)
+
+    print(f"ArrayExpress pipeline: {output_dir}")
+    return {"experiments": experiments}
+```
+
+---
+
+## ToolUniverse 連携
+
+| TU Key | ツール名 | 連携内容 |
+|--------|---------|---------|
+| `arrayexpress` | ArrayExpress | 発現実験検索・メタデータ・ファイル取得 |
+
+## パイプライン統合
+
+```
+ebi-databases → arrayexpress-expression → gene-expression-transcriptomics
+  (EBI Search)   (ArrayExpress/BioStudies)  (DESeq2/GSEA)
+       │                   │                       ↓
+  geo-expression ─────────┘               pathway-enrichment
+  (GEO データ)        │                   (KEGG/Reactome)
+                       ↓
+                  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/experiments.csv` | 実験一覧 | → geo-expression |
+| `results/sdrf.csv` | サンプル情報 | → gene-expression-transcriptomics |
+| `results/experiment_files.csv` | ファイルリスト | → data-preprocessing |

package/src/.github/skills/scientific-crossref-metadata/SKILL.md

@@ -0,0 +1,313 @@
+---
+name: scientific-crossref-metadata
+description: |
+  CrossRef メタデータスキル。CrossRef REST API による
+  DOI 解決・論文メタデータ・引用数・ジャーナル情報・
+  助成金情報検索。ToolUniverse 連携: crossref。
+tu_tools:
+  - key: crossref
+    name: CrossRef
+    description: DOI 解決・論文メタデータ・引用数・ジャーナル情報
+---
+
+# Scientific CrossRef Metadata
+
+CrossRef REST API を活用した学術文献 DOI 解決・メタデータ検索・
+引用分析・ジャーナル情報・助成金レジストリ検索パイプラインを
+提供する。
+
+## When to Use
+
+- DOI から論文メタデータを取得するとき
+- 学術文献をタイトル・著者で検索するとき
+- ジャーナルの ISSN やインパクト情報を調べるとき
+- 論文の引用数・被引用数を確認するとき
+- 研究助成金の情報を検索するとき
+- 参考文献リストのメタデータを一括取得するとき
+- 特定出版社やジャーナルの出版傾向を分析するとき
+
+---
+
+## Quick Start
+
+## 1. DOI 解決・論文メタデータ
+
+```python
+import requests
+import pandas as pd
+
+CR_BASE = "https://api.crossref.org"
+CR_HEADERS = {
+    "User-Agent": "SATORI/0.18.0 (mailto:your@email.com)",
+}
+
+
+def crossref_resolve_doi(doi):
+    """
+    CrossRef — DOI からメタデータ取得。
+
+    Parameters:
+        doi: str — DOI (例: "10.1038/s41586-020-2649-2")
+    """
+    url = f"{CR_BASE}/works/{doi}"
+    resp = requests.get(url, headers=CR_HEADERS, timeout=30)
+    resp.raise_for_status()
+    item = resp.json().get("message", {})
+
+    authors = []
+    for a in item.get("author", []):
+        name = f"{a.get('given', '')} {a.get('family', '')}"
+        authors.append(name.strip())
+
+    result = {
+        "doi": item.get("DOI", ""),
+        "title": " ".join(item.get("title", [])),
+        "authors": "; ".join(authors[:10]),
+        "journal": " ".join(
+            item.get("container-title", [])),
+        "publisher": item.get("publisher", ""),
+        "type": item.get("type", ""),
+        "published_date": _cr_date(
+            item.get("published-print") or
+            item.get("published-online")),
+        "citation_count": item.get(
+            "is-referenced-by-count", 0),
+        "reference_count": item.get("reference-count", 0),
+        "issn": ", ".join(item.get("ISSN", [])),
+        "url": item.get("URL", ""),
+        "abstract": (item.get("abstract") or "")[:500],
+        "funder": "; ".join(
+            f.get("name", "")
+            for f in item.get("funder", [])),
+        "license": _cr_license(item),
+    }
+
+    print(f"CrossRef DOI: {doi}")
+    print(f"  {result['title'][:80]}")
+    print(f"  Citations: {result['citation_count']}")
+    return result
+
+
+def _cr_date(date_obj):
+    if not date_obj:
+        return ""
+    parts = date_obj.get("date-parts", [[]])[0]
+    return "-".join(str(p) for p in parts)
+
+
+def _cr_license(item):
+    licenses = item.get("license", [])
+    if licenses:
+        return licenses[0].get("content-version", "")
+    return ""
+```
+
+## 2. 論文検索
+
+```python
+def crossref_search_works(query, limit=50,
+                             sort="relevance",
+                             filter_type=None,
+                             from_date=None):
+    """
+    CrossRef — 論文検索。
+
+    Parameters:
+        query: str — 検索クエリ
+        limit: int — 最大結果数
+        sort: str — ソート ("relevance", "published",
+            "is-referenced-by-count")
+        filter_type: str — 文献タイプフィルタ
+            (例: "journal-article")
+        from_date: str — 開始日 (例: "2020-01-01")
+    """
+    url = f"{CR_BASE}/works"
+    params = {
+        "query": query,
+        "rows": min(limit, 1000),
+        "sort": sort,
+    }
+
+    filters = []
+    if filter_type:
+        filters.append(f"type:{filter_type}")
+    if from_date:
+        filters.append(f"from-pub-date:{from_date}")
+    if filters:
+        params["filter"] = ",".join(filters)
+
+    resp = requests.get(url, params=params,
+                        headers=CR_HEADERS, timeout=30)
+    resp.raise_for_status()
+    data = resp.json().get("message", {})
+
+    results = []
+    for item in data.get("items", []):
+        authors = []
+        for a in item.get("author", []):
+            name = f"{a.get('given', '')} {a.get('family', '')}"
+            authors.append(name.strip())
+        results.append({
+            "doi": item.get("DOI", ""),
+            "title": " ".join(item.get("title", [])),
+            "authors": "; ".join(authors[:5]),
+            "journal": " ".join(
+                item.get("container-title", [])),
+            "year": _cr_date(
+                item.get("published-print") or
+                item.get("published-online")),
+            "citations": item.get(
+                "is-referenced-by-count", 0),
+            "type": item.get("type", ""),
+        })
+
+    df = pd.DataFrame(results)
+    total = data.get("total-results", 0)
+    print(f"CrossRef search: {len(df)}/{total} works "
+          f"(query='{query}')")
+    return df
+```
+
+## 3. ジャーナル情報・助成金検索
+
+```python
+def crossref_journal_info(issn):
+    """
+    CrossRef — ジャーナル情報取得。
+
+    Parameters:
+        issn: str — ISSN (例: "0028-0836")
+    """
+    url = f"{CR_BASE}/journals/{issn}"
+    resp = requests.get(url, headers=CR_HEADERS, timeout=30)
+    resp.raise_for_status()
+    data = resp.json().get("message", {})
+
+    counts = data.get("counts", {})
+    result = {
+        "issn": issn,
+        "title": data.get("title", ""),
+        "publisher": data.get("publisher", ""),
+        "subjects": "; ".join(
+            s.get("name", "")
+            for s in data.get("subjects", [])),
+        "total_dois": counts.get("total-dois", 0),
+        "current_dois": counts.get("current-dois", 0),
+        "backfile_dois": counts.get("backfile-dois", 0),
+    }
+
+    print(f"CrossRef journal: {result['title']} "
+          f"({result['total_dois']} DOIs)")
+    return result
+
+
+def crossref_search_funders(query, limit=20):
+    """
+    CrossRef — 助成金機関検索。
+
+    Parameters:
+        query: str — 機関名 (例: "NIH", "JSPS")
+        limit: int — 最大結果数
+    """
+    url = f"{CR_BASE}/funders"
+    params = {"query": query, "rows": limit}
+    resp = requests.get(url, params=params,
+                        headers=CR_HEADERS, timeout=30)
+    resp.raise_for_status()
+    data = resp.json().get("message", {})
+
+    results = []
+    for item in data.get("items", []):
+        results.append({
+            "funder_id": item.get("id", ""),
+            "name": item.get("name", ""),
+            "location": item.get("location", ""),
+            "alt_names": "; ".join(
+                item.get("alt-names", [])[:3]),
+            "work_count": item.get("work-count", 0),
+        })
+
+    df = pd.DataFrame(results)
+    print(f"CrossRef funders: {len(df)} (query='{query}')")
+    return df
+```
+
+## 4. CrossRef 統合パイプライン
+
+```python
+def crossref_pipeline(query, dois=None,
+                         output_dir="results"):
+    """
+    CrossRef 統合パイプライン。
+
+    Parameters:
+        query: str — 検索クエリ
+        dois: list[str] — DOI リスト (直接解決)
+        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) 論文検索
+    works = crossref_search_works(query)
+    works.to_csv(output_dir / "works.csv", index=False)
+
+    # 2) DOI 一括解決
+    if dois:
+        resolved = []
+        for doi in dois:
+            try:
+                meta = crossref_resolve_doi(doi)
+                resolved.append(meta)
+            except Exception as e:
+                print(f"  Warning: {doi} — {e}")
+                continue
+        resolved_df = pd.DataFrame(resolved)
+        resolved_df.to_csv(output_dir / "doi_resolved.csv",
+                           index=False)
+
+    # 3) 引用分析
+    if not works.empty:
+        stats = {
+            "total_works": len(works),
+            "total_citations": works["citations"].sum(),
+            "mean_citations": works["citations"].mean(),
+            "median_citations": works["citations"].median(),
+            "max_citations": works["citations"].max(),
+        }
+        pd.DataFrame([stats]).to_csv(
+            output_dir / "citation_stats.csv", index=False)
+
+    print(f"CrossRef pipeline: {output_dir}")
+    return {"works": works}
+```
+
+---
+
+## ToolUniverse 連携
+
+| TU Key | ツール名 | 連携内容 |
+|--------|---------|---------|
+| `crossref` | CrossRef | DOI 解決・メタデータ・引用・ジャーナル情報 |
+
+## パイプライン統合
+
+```
+literature-search → crossref-metadata → citation-checker
+  (PubMed/NCBI)   (CrossRef REST API)  (引用品質検証)
+       │                  │                  ↓
+  semantic-scholar ──────┘          deep-research
+  (S2 Academic Graph)   │          (知識統合)
+                        ↓
+               bibliometrics
+               (書誌計量分析)
+```
+
+## パイプライン出力
+
+| ファイル | 説明 | 次スキル |
+|---------|------|---------|
+| `results/works.csv` | 論文検索結果 | → semantic-scholar |
+| `results/doi_resolved.csv` | DOI メタデータ | → citation-checker |
+| `results/citation_stats.csv` | 引用統計 | → bibliometrics |