@nahisaho/satori 0.17.0 → 0.19.0

package/src/.github/skills/scientific-pharmgkb-pgx/SKILL.md

@@ -0,0 +1,306 @@
+---
+name: scientific-pharmgkb-pgx
+description: |
+  PharmGKB 薬理ゲノミクススキル。PharmGKB REST API による
+  臨床アノテーション・薬物遺伝子関連・投与量ガイドライン・
+  スターアレル解析。ToolUniverse 連携: pharmgkb。
+tu_tools:
+  - key: pharmgkb
+    name: PharmGKB
+    description: 臨床アノテーション・薬物遺伝子関連・PGx ガイドライン
+---
+
+# Scientific PharmGKB PGx
+
+PharmGKB (Pharmacogenomics Knowledgebase) REST API を活用した
+薬理ゲノミクス臨床アノテーション・薬物遺伝子相互作用・投与量
+ガイドライン検索パイプラインを提供する。
+
+## When to Use
+
+- 薬物と遺伝子変異の関連を調べるとき
+- 臨床アノテーション (エビデンスレベル付き) を検索するとき
+- 投与量調整ガイドライン (CPIC/DPWG) を取得するとき
+- スターアレルと表現型の対応を確認するとき
+- 特定薬物の薬理ゲノミクス情報を包括的に取得するとき
+- 精密医療の薬物選択を支援するとき
+
+---
+
+## Quick Start
+
+## 1. 薬物・遺伝子検索
+
+```python
+import requests
+import pandas as pd
+
+PGKB_BASE = "https://api.pharmgkb.org/v1/data"
+
+
+def pharmgkb_search_drugs(query, limit=50):
+    """
+    PharmGKB — 薬物検索。
+
+    Parameters:
+        query: str — 薬物名 (例: "warfarin", "clopidogrel")
+        limit: int — 最大結果数
+    """
+    url = f"{PGKB_BASE}/chemical"
+    params = {"name": query, "view": "max"}
+
+    resp = requests.get(url, params=params, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    results = []
+    for item in data.get("data", []):
+        results.append({
+            "pharmgkb_id": item.get("id", ""),
+            "name": item.get("name", ""),
+            "generic_names": "; ".join(
+                item.get("genericNames", [])),
+            "trade_names": "; ".join(
+                item.get("tradeNames", [])[:5]),
+            "type": item.get("type", ""),
+            "cross_references": len(
+                item.get("crossReferences", [])),
+        })
+
+    df = pd.DataFrame(results)
+    print(f"PharmGKB drugs: {len(df)} results "
+          f"(query='{query}')")
+    return df
+
+
+def pharmgkb_search_genes(query, limit=50):
+    """
+    PharmGKB — 遺伝子検索。
+
+    Parameters:
+        query: str — 遺伝子シンボル (例: "CYP2D6")
+        limit: int — 最大結果数
+    """
+    url = f"{PGKB_BASE}/gene"
+    params = {"symbol": query, "view": "max"}
+
+    resp = requests.get(url, params=params, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    results = []
+    for item in data.get("data", []):
+        results.append({
+            "pharmgkb_id": item.get("id", ""),
+            "symbol": item.get("symbol", ""),
+            "name": item.get("name", ""),
+            "chromosome": item.get("chromosomeFormatted", ""),
+            "cpic_gene": item.get("cpicGene", False),
+            "has_prescribing_info": item.get(
+                "hasPrescribingInfo", False),
+        })
+
+    df = pd.DataFrame(results)
+    print(f"PharmGKB genes: {len(df)} results "
+          f"(query='{query}')")
+    return df
+```
+
+## 2. 臨床アノテーション取得
+
+```python
+def pharmgkb_clinical_annotations(gene_or_drug,
+                                     search_type="gene"):
+    """
+    PharmGKB — 臨床アノテーション検索。
+
+    Parameters:
+        gene_or_drug: str — 遺伝子シンボル or 薬物名
+        search_type: str — "gene" or "drug"
+    """
+    url = f"{PGKB_BASE}/clinicalAnnotation"
+    params = {"view": "max"}
+
+    if search_type == "gene":
+        # 遺伝子で検索
+        gene_url = f"{PGKB_BASE}/gene"
+        g_resp = requests.get(gene_url,
+                              params={"symbol": gene_or_drug},
+                              timeout=30)
+        g_resp.raise_for_status()
+        genes = g_resp.json().get("data", [])
+        if genes:
+            params["relatedGenes.id"] = genes[0].get("id", "")
+    else:
+        # 薬物で検索
+        drug_url = f"{PGKB_BASE}/chemical"
+        d_resp = requests.get(drug_url,
+                              params={"name": gene_or_drug},
+                              timeout=30)
+        d_resp.raise_for_status()
+        drugs = d_resp.json().get("data", [])
+        if drugs:
+            params["relatedChemicals.id"] = drugs[0].get("id", "")
+
+    resp = requests.get(url, params=params, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    results = []
+    for item in data.get("data", []):
+        genes = [g.get("symbol", "")
+                 for g in item.get("relatedGenes", [])]
+        drugs = [c.get("name", "")
+                 for c in item.get("relatedChemicals", [])]
+        results.append({
+            "annotation_id": item.get("id", ""),
+            "level": item.get("level", ""),
+            "score": item.get("score", ""),
+            "genes": "; ".join(genes),
+            "drugs": "; ".join(drugs),
+            "phenotype_category": item.get(
+                "phenotypeCategory", ""),
+            "sentences": (item.get("textHtml") or "")[:300],
+        })
+
+    df = pd.DataFrame(results)
+    if not df.empty:
+        df = df.sort_values("level")
+
+    print(f"PharmGKB annotations: {len(df)} "
+          f"({search_type}={gene_or_drug})")
+    return df
+```
+
+## 3. 投与量ガイドライン取得
+
+```python
+def pharmgkb_dosing_guidelines(drug_name=None, gene=None):
+    """
+    PharmGKB — 投与量ガイドライン (CPIC/DPWG) 検索。
+
+    Parameters:
+        drug_name: str — 薬物名
+        gene: str — 遺伝子シンボル
+    """
+    url = f"{PGKB_BASE}/guideline"
+    params = {"view": "max"}
+
+    if drug_name:
+        params["relatedChemicals.name"] = drug_name
+    if gene:
+        params["relatedGenes.symbol"] = gene
+
+    resp = requests.get(url, params=params, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    results = []
+    for item in data.get("data", []):
+        genes = [g.get("symbol", "")
+                 for g in item.get("relatedGenes", [])]
+        drugs = [c.get("name", "")
+                 for c in item.get("relatedChemicals", [])]
+        results.append({
+            "guideline_id": item.get("id", ""),
+            "name": item.get("name", ""),
+            "source": item.get("source", ""),
+            "genes": "; ".join(genes),
+            "drugs": "; ".join(drugs),
+            "recommendation": (item.get("textHtml") or "")[:500],
+        })
+
+    df = pd.DataFrame(results)
+    print(f"PharmGKB guidelines: {len(df)} "
+          f"(drug={drug_name}, gene={gene})")
+    return df
+```
+
+## 4. PharmGKB 統合パイプライン
+
+```python
+def pharmgkb_pipeline(drug_name, genes=None,
+                         output_dir="results"):
+    """
+    PharmGKB 統合パイプライン。
+
+    Parameters:
+        drug_name: str — 薬物名
+        genes: list[str] — 関連遺伝子リスト
+        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) 薬物検索
+    drugs = pharmgkb_search_drugs(drug_name)
+    drugs.to_csv(output_dir / "drugs.csv", index=False)
+
+    # 2) 薬物の臨床アノテーション
+    annotations = pharmgkb_clinical_annotations(
+        drug_name, search_type="drug")
+    annotations.to_csv(output_dir / "annotations.csv",
+                       index=False)
+
+    # 3) 投与量ガイドライン
+    guidelines = pharmgkb_dosing_guidelines(
+        drug_name=drug_name)
+    guidelines.to_csv(output_dir / "guidelines.csv",
+                      index=False)
+
+    # 4) 関連遺伝子解析
+    if genes:
+        gene_results = []
+        for g in genes:
+            try:
+                g_ann = pharmgkb_clinical_annotations(
+                    g, search_type="gene")
+                g_ann["query_gene"] = g
+                gene_results.append(g_ann)
+            except Exception:
+                continue
+        if gene_results:
+            gene_df = pd.concat(gene_results,
+                                ignore_index=True)
+            gene_df.to_csv(
+                output_dir / "gene_annotations.csv",
+                index=False)
+
+    print(f"PharmGKB pipeline: {output_dir}")
+    return {
+        "drugs": drugs,
+        "annotations": annotations,
+        "guidelines": guidelines,
+    }
+```
+
+---
+
+## ToolUniverse 連携
+
+| TU Key | ツール名 | 連携内容 |
+|--------|---------|---------|
+| `pharmgkb` | PharmGKB | 臨床アノテーション・薬物遺伝子・PGx ガイドライン |
+
+## パイプライン統合
+
+```
+pharmacogenomics → pharmgkb-pgx → clinical-decision-support
+  (PGx 解析全般)  (PharmGKB API)  (臨床意思決定)
+       │                │                ↓
+  drug-discovery ──────┘         precision-oncology
+  (薬物開発)         │            (精密腫瘍学)
+                     ↓
+           variant-interpretation
+           (変異臨床解釈)
+```
+
+## パイプライン出力
+
+| ファイル | 説明 | 次スキル |
+|---------|------|---------|
+| `results/drugs.csv` | 薬物情報 | → drug-discovery |
+| `results/annotations.csv` | 臨床アノテーション | → variant-interpretation |
+| `results/guidelines.csv` | 投与量ガイドライン | → clinical-decision-support |
+| `results/gene_annotations.csv` | 遺伝子別アノテーション | → pharmacogenomics |

package/src/.github/skills/scientific-protein-interaction-network/SKILL.md

@@ -6,6 +6,10 @@ description: |
   ネットワーク構築・解析パイプライン。GO/KEGG 富化、相互作用パートナー発見、
   組織特異的ネットワーク (HumanBase)、化合物-標的ネットワーク対応。
   14 の ToolUniverse SMCP ツールと連携。
+tu_tools:
+  - key: intact
+    name: IntAct
+    description: 分子相互作用データベース (EBI)
 ---
 
 # Scientific Protein Interaction Network

package/src/.github/skills/scientific-rare-disease-genetics/SKILL.md

@@ -4,6 +4,10 @@ description: |
   希少疾患遺伝学スキル。OMIM 遺伝子-疾患マッピング、Orphanet 希少疾患
   分類・遺伝子照会、DisGeNET 疾患-遺伝子関連スコア、IMPC マウス表現型
   参照、遺伝子-表現型統合解析パイプライン。
+tu_tools:
+  - key: orphanet
+    name: Orphanet
+    description: 希少疾患分類・遺伝子関連・有病率データベース
 ---
 
 # Scientific Rare Disease Genetics

package/src/.github/skills/scientific-rcsb-pdb-search/SKILL.md

@@ -0,0 +1,280 @@
+---
+name: scientific-rcsb-pdb-search
+description: |
+  RCSB PDB 構造検索スキル。RCSB PDB Search API および
+  Data API によるタンパク質立体構造検索・メタデータ取得・
+  リガンド情報・解像度フィルタリング。ToolUniverse 連携:
+  rcsb_pdb, rcsb_search。
+tu_tools:
+  - key: rcsb_pdb
+    name: RCSB PDB Data
+    description: PDB エントリデータ取得・構造メタデータ
+  - key: rcsb_search
+    name: RCSB PDB Search
+    description: PDB 構造検索・テキスト/配列/構造類似検索
+---
+
+# Scientific RCSB PDB Search
+
+RCSB PDB Search API および Data API を活用したタンパク質立体構造
+検索・メタデータ取得・リガンド情報パイプラインを提供する。
+
+## When to Use
+
+- PDB のタンパク質立体構造をテキスト検索するとき
+- 解像度・実験手法でフィルタリングするとき
+- リガンド結合構造を検索するとき
+- 構造のメタデータ (著者・引用・解像度) を取得するとき
+- 配列類似性で構造を検索するとき
+- PDB エントリからリガンド・結合サイト情報を取得するとき
+
+---
+
+## Quick Start
+
+## 1. テキスト検索・構造メタデータ
+
+```python
+import requests
+import pandas as pd
+
+RCSB_SEARCH = "https://search.rcsb.org/rcsbsearch/v2/query"
+RCSB_DATA = "https://data.rcsb.org/rest/v1/core"
+
+
+def rcsb_text_search(query, method=None,
+                        resolution_max=None, limit=50):
+    """
+    RCSB PDB — テキスト検索。
+
+    Parameters:
+        query: str — 検索クエリ (例: "BRCA1", "kinase")
+        method: str — 実験手法フィルタ
+            (例: "X-RAY DIFFRACTION", "ELECTRON MICROSCOPY")
+        resolution_max: float — 最大解像度 (Å)
+        limit: int — 最大結果数
+    """
+    search_query = {
+        "query": {
+            "type": "group",
+            "logical_operator": "and",
+            "nodes": [
+                {
+                    "type": "terminal",
+                    "service": "full_text",
+                    "parameters": {"value": query},
+                }
+            ],
+        },
+        "return_type": "entry",
+        "request_options": {
+            "paginate": {"start": 0, "rows": limit},
+            "sort": [{"sort_by": "score", "direction": "desc"}],
+        },
+    }
+
+    if method:
+        search_query["query"]["nodes"].append({
+            "type": "terminal",
+            "service": "text",
+            "parameters": {
+                "attribute": "exptl.method",
+                "operator": "exact_match",
+                "value": method,
+            },
+        })
+
+    if resolution_max:
+        search_query["query"]["nodes"].append({
+            "type": "terminal",
+            "service": "text",
+            "parameters": {
+                "attribute": "rcsb_entry_info."
+                             "resolution_combined",
+                "operator": "less_or_equal",
+                "value": resolution_max,
+            },
+        })
+
+    resp = requests.post(RCSB_SEARCH, json=search_query,
+                         timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    pdb_ids = [r["identifier"]
+               for r in data.get("result_set", [])]
+    total = data.get("total_count", 0)
+    print(f"RCSB PDB search: {len(pdb_ids)}/{total} "
+          f"(query='{query}')")
+    return pdb_ids
+
+
+def rcsb_get_entry(pdb_id):
+    """
+    RCSB PDB — エントリメタデータ取得。
+
+    Parameters:
+        pdb_id: str — PDB ID (例: "1BRS", "7S4O")
+    """
+    url = f"{RCSB_DATA}/entry/{pdb_id}"
+    resp = requests.get(url, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    info = data.get("rcsb_entry_info", {})
+    citation = (data.get("rcsb_primary_citation") or {})
+
+    result = {
+        "pdb_id": pdb_id,
+        "title": data.get("struct", {}).get("title", ""),
+        "method": info.get("experimental_method", ""),
+        "resolution": info.get("resolution_combined", [None])[0],
+        "deposition_date": info.get("deposition_date", ""),
+        "polymer_count": info.get(
+            "deposited_polymer_entity_count", 0),
+        "nonpolymer_count": info.get(
+            "deposited_nonpolymer_entity_count", 0),
+        "citation_title": citation.get("title", ""),
+        "citation_doi": citation.get(
+            "pdbx_database_id_doi", ""),
+    }
+    return result
+```
+
+## 2. 構造バッチ取得・比較
+
+```python
+def rcsb_batch_metadata(pdb_ids):
+    """
+    RCSB PDB — バッチメタデータ取得。
+
+    Parameters:
+        pdb_ids: list[str] — PDB ID リスト
+    """
+    results = []
+    for pid in pdb_ids:
+        try:
+            meta = rcsb_get_entry(pid)
+            results.append(meta)
+        except Exception as e:
+            print(f"  Warning: {pid} — {e}")
+            continue
+
+    df = pd.DataFrame(results)
+    if not df.empty:
+        df = df.sort_values("resolution")
+    print(f"RCSB batch: {len(df)} entries")
+    return df
+```
+
+## 3. リガンド・結合サイト情報
+
+```python
+def rcsb_get_ligands(pdb_id):
+    """
+    RCSB PDB — リガンド情報取得。
+
+    Parameters:
+        pdb_id: str — PDB ID
+    """
+    url = (f"https://data.rcsb.org/rest/v1/core/"
+           f"nonpolymer_entity/{pdb_id}")
+    # まずエントリのnonpolymerエンティティを取得
+    entry = rcsb_get_entry(pdb_id)
+    n_ligands = entry.get("nonpolymer_count", 0)
+
+    ligands = []
+    for i in range(1, n_ligands + 1):
+        try:
+            lig_url = (f"https://data.rcsb.org/rest/v1/core/"
+                       f"nonpolymer_entity/{pdb_id}/{i}")
+            r = requests.get(lig_url, timeout=15)
+            if r.status_code == 200:
+                ld = r.json()
+                comp_id = ld.get(
+                    "pdbx_entity_nonpoly", {}).get(
+                    "comp_id", "")
+                ligands.append({
+                    "pdb_id": pdb_id,
+                    "entity_id": i,
+                    "comp_id": comp_id,
+                    "name": ld.get(
+                        "rcsb_nonpolymer_entity", {}).get(
+                        "pdbx_description", ""),
+                    "formula": ld.get(
+                        "rcsb_nonpolymer_entity", {}).get(
+                        "formula_weight", ""),
+                })
+        except Exception:
+            continue
+
+    df = pd.DataFrame(ligands)
+    print(f"RCSB ligands: {pdb_id} → {len(df)} ligands")
+    return df
+```
+
+## 4. RCSB PDB 統合パイプライン
+
+```python
+def rcsb_pipeline(query, resolution_max=3.0,
+                     output_dir="results"):
+    """
+    RCSB PDB 統合パイプライン。
+
+    Parameters:
+        query: str — 検索クエリ
+        resolution_max: float — 最大解像度
+        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) テキスト検索
+    pdb_ids = rcsb_text_search(
+        query, resolution_max=resolution_max)
+
+    # 2) バッチメタデータ
+    metadata = rcsb_batch_metadata(pdb_ids[:20])
+    metadata.to_csv(output_dir / "pdb_entries.csv",
+                    index=False)
+
+    # 3) トップ構造のリガンド
+    if not metadata.empty:
+        top = metadata.iloc[0]["pdb_id"]
+        ligands = rcsb_get_ligands(top)
+        ligands.to_csv(output_dir / "ligands.csv",
+                       index=False)
+
+    print(f"RCSB pipeline: {output_dir}")
+    return {"entries": metadata}
+```
+
+---
+
+## ToolUniverse 連携
+
+| TU Key | ツール名 | 連携内容 |
+|--------|---------|---------|
+| `rcsb_pdb` | RCSB PDB Data | エントリデータ・構造メタデータ |
+| `rcsb_search` | RCSB PDB Search | テキスト/配列/構造類似検索 |
+
+## パイプライン統合
+
+```
+protein-structure-analysis → rcsb-pdb-search → molecular-docking
+  (PDB/AlphaFold 構造)     (RCSB Search API)   (Vina/DiffDock)
+          │                       │                    ↓
+  uniprot-proteome ──────────────┘           drug-target-profiling
+  (UniProt配列)             │               (標的プロファイリング)
+                            ↓
+                  alphafold-structures
+                  (AlphaFold DB)
+```
+
+## パイプライン出力
+
+| ファイル | 説明 | 次スキル |
+|---------|------|---------|
+| `results/pdb_entries.csv` | 構造メタデータ | → protein-structure-analysis |
+| `results/ligands.csv` | リガンド情報 | → molecular-docking |