@nahisaho/satori 0.16.0 → 0.18.0

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 |

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 |