@nahisaho/satori 0.18.0 → 0.19.0

package/src/.github/skills/scientific-gnomad-variants/SKILL.md

@@ -0,0 +1,356 @@
+---
+name: scientific-gnomad-variants
+description: |
+  gnomAD バリアントスキル。gnomAD (Genome Aggregation Database)
+  GraphQL API を用いた集団アレル頻度・遺伝子制約スコア
+  (pLI/LOEUF)・リージョンクエリ・トランスクリプトレベル
+  データ取得。ToolUniverse 連携: gnomad。
+tu_tools:
+  - key: gnomad
+    name: gnomAD
+    description: ゲノム集約データベース GraphQL API
+---
+
+# Scientific gnomAD Variants
+
+gnomAD (Genome Aggregation Database) GraphQL API を活用した
+集団アレル頻度取得・遺伝子制約スコア (pLI/LOEUF/Z-scores)・
+リージョンクエリ・トランスクリプトレベルデータパイプラインを
+提供する。
+
+## When to Use
+
+- バリアントの集団アレル頻度 (AF) を確認するとき
+- 遺伝子の LoF 不耐性 (pLI/LOEUF) を評価するとき
+- ゲノムリージョン内のバリアントを列挙するとき
+- 集団別 (gnomAD v4 exome/genome) 頻度を比較するとき
+- ClinVar/VEP アノテーションと頻度を統合するとき
+
+---
+
+## Quick Start
+
+## 1. バリアント集団頻度
+
+```python
+import requests
+import pandas as pd
+
+GNOMAD_API = "https://gnomad.broadinstitute.org/api"
+
+
+def gnomad_variant(variant_id, dataset="gnomad_r4"):
+    """
+    gnomAD — バリアント集団頻度取得。
+
+    Parameters:
+        variant_id: str — バリアント ID
+            (例: "1-55516888-G-A", chr-pos-ref-alt)
+        dataset: str — データセット
+            (例: "gnomad_r4", "gnomad_r3")
+    """
+    query = """
+    query gnomadVariant($variantId: String!,
+                        $dataset: DatasetId!) {
+      variant(variantId: $variantId,
+              dataset: $dataset) {
+        variant_id
+        chrom
+        pos
+        ref
+        alt
+        exome {
+          ac
+          an
+          af
+          ac_hom
+          populations {
+            id
+            ac
+            an
+            af
+          }
+        }
+        genome {
+          ac
+          an
+          af
+          ac_hom
+          populations {
+            id
+            ac
+            an
+            af
+          }
+        }
+        rsids
+        transcript_consequences {
+          gene_symbol
+          transcript_id
+          consequence
+          hgvsc
+          hgvsp
+          lof
+          lof_filter
+          polyphen_prediction
+          sift_prediction
+        }
+      }
+    }
+    """
+    variables = {"variantId": variant_id,
+                 "dataset": dataset}
+    resp = requests.post(GNOMAD_API,
+                         json={"query": query,
+                               "variables": variables},
+                         timeout=30)
+    resp.raise_for_status()
+    data = resp.json().get("data", {}).get("variant")
+
+    if not data:
+        print(f"gnomAD: {variant_id} not found")
+        return {}
+
+    exome = data.get("exome") or {}
+    genome = data.get("genome") or {}
+
+    result = {
+        "variant_id": data["variant_id"],
+        "chrom": data["chrom"],
+        "pos": data["pos"],
+        "ref": data["ref"],
+        "alt": data["alt"],
+        "rsids": "; ".join(data.get("rsids", [])),
+        "exome_af": exome.get("af", 0),
+        "exome_ac": exome.get("ac", 0),
+        "exome_an": exome.get("an", 0),
+        "exome_hom": exome.get("ac_hom", 0),
+        "genome_af": genome.get("af", 0),
+        "genome_ac": genome.get("ac", 0),
+        "genome_an": genome.get("an", 0),
+        "genome_hom": genome.get("ac_hom", 0),
+    }
+
+    # 集団別頻度 (exome)
+    for pop in exome.get("populations", []):
+        result[f"exome_{pop['id']}_af"] = pop.get("af", 0)
+
+    print(f"gnomAD variant: {variant_id} "
+          f"(exome AF={result['exome_af']:.6f})")
+    return result
+```
+
+## 2. 遺伝子制約スコア (pLI/LOEUF)
+
+```python
+def gnomad_gene_constraint(gene_symbol,
+                              dataset="gnomad_r4"):
+    """
+    gnomAD — 遺伝子制約スコア取得。
+
+    Parameters:
+        gene_symbol: str — 遺伝子シンボル (例: "BRCA1")
+        dataset: str — データセット
+    """
+    query = """
+    query geneConstraint($gene: String!,
+                         $dataset: DatasetId!) {
+      gene(gene_symbol: $gene,
+           reference_genome: GRCh38) {
+        gene_id
+        symbol
+        gnomad_constraint {
+          exp_lof
+          exp_mis
+          exp_syn
+          obs_lof
+          obs_mis
+          obs_syn
+          oe_lof
+          oe_lof_lower
+          oe_lof_upper
+          oe_mis
+          oe_syn
+          lof_z
+          mis_z
+          syn_z
+          pLI
+        }
+      }
+    }
+    """
+    variables = {"gene": gene_symbol,
+                 "dataset": dataset}
+    resp = requests.post(GNOMAD_API,
+                         json={"query": query,
+                               "variables": variables},
+                         timeout=30)
+    resp.raise_for_status()
+    gene = resp.json().get("data", {}).get("gene")
+
+    if not gene:
+        print(f"gnomAD gene: {gene_symbol} not found")
+        return {}
+
+    c = gene.get("gnomad_constraint") or {}
+    result = {
+        "gene_id": gene["gene_id"],
+        "symbol": gene["symbol"],
+        "pLI": c.get("pLI", None),
+        "LOEUF": c.get("oe_lof_upper", None),
+        "oe_lof": c.get("oe_lof", None),
+        "oe_mis": c.get("oe_mis", None),
+        "oe_syn": c.get("oe_syn", None),
+        "lof_z": c.get("lof_z", None),
+        "mis_z": c.get("mis_z", None),
+        "syn_z": c.get("syn_z", None),
+        "exp_lof": c.get("exp_lof", None),
+        "obs_lof": c.get("obs_lof", None),
+    }
+    pli = result.get("pLI") or 0
+    loeuf = result.get("LOEUF") or 0
+    print(f"gnomAD constraint: {gene_symbol} "
+          f"(pLI={pli:.3f}, LOEUF={loeuf:.3f})")
+    return result
+```
+
+## 3. リージョンクエリ
+
+```python
+def gnomad_region(chrom, start, stop,
+                     dataset="gnomad_r4", limit=500):
+    """
+    gnomAD — リージョンバリアント取得。
+
+    Parameters:
+        chrom: str — 染色体 (例: "1")
+        start: int — 開始位置 (GRCh38)
+        stop: int — 終了位置
+        dataset: str — データセット
+        limit: int — 最大結果数
+    """
+    query = """
+    query regionVariants($chrom: String!,
+                         $start: Int!,
+                         $stop: Int!,
+                         $dataset: DatasetId!) {
+      region(chrom: $chrom, start: $start,
+             stop: $stop,
+             reference_genome: GRCh38) {
+        variants(dataset: $dataset) {
+          variant_id
+          pos
+          ref
+          alt
+          exome { af ac an }
+          genome { af ac an }
+          rsids
+        }
+      }
+    }
+    """
+    variables = {"chrom": chrom, "start": start,
+                 "stop": stop, "dataset": dataset}
+    resp = requests.post(GNOMAD_API,
+                         json={"query": query,
+                               "variables": variables},
+                         timeout=30)
+    resp.raise_for_status()
+    data = resp.json().get("data", {}).get("region", {})
+
+    rows = []
+    for v in data.get("variants", [])[:limit]:
+        exome = v.get("exome") or {}
+        genome = v.get("genome") or {}
+        rows.append({
+            "variant_id": v["variant_id"],
+            "pos": v["pos"],
+            "ref": v["ref"],
+            "alt": v["alt"],
+            "rsids": "; ".join(v.get("rsids", [])),
+            "exome_af": exome.get("af", 0),
+            "genome_af": genome.get("af", 0),
+        })
+
+    df = pd.DataFrame(rows)
+    print(f"gnomAD region: {chrom}:{start}-{stop} "
+          f"→ {len(df)} variants")
+    return df
+```
+
+## 4. gnomAD 統合パイプライン
+
+```python
+def gnomad_pipeline(gene_symbol, chrom, start, stop,
+                       output_dir="results"):
+    """
+    gnomAD 統合パイプライン。
+
+    Parameters:
+        gene_symbol: str — 遺伝子シンボル
+        chrom: str — 染色体
+        start: int — 開始位置
+        stop: int — 終了位置
+        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) 遺伝子制約スコア
+    constraint = gnomad_gene_constraint(gene_symbol)
+    pd.DataFrame([constraint]).to_csv(
+        output_dir / "gnomad_constraint.csv",
+        index=False)
+
+    # 2) リージョンバリアント
+    variants = gnomad_region(chrom, start, stop)
+    variants.to_csv(
+        output_dir / "gnomad_region.csv",
+        index=False)
+
+    # 3) レアバリアント抽出 (AF < 0.01)
+    if not variants.empty:
+        rare = variants[
+            (variants["exome_af"] < 0.01) |
+            (variants["genome_af"] < 0.01)
+        ]
+        rare.to_csv(
+            output_dir / "gnomad_rare.csv",
+            index=False)
+        print(f"  Rare variants: {len(rare)}")
+
+    print(f"gnomAD pipeline: {gene_symbol} "
+          f"→ {output_dir}")
+    return {"constraint": constraint,
+            "variants": variants}
+```
+
+---
+
+## ToolUniverse 連携
+
+| TU Key | ツール名 | 連携内容 |
+|--------|---------|---------|
+| `gnomad` | gnomAD | ゲノム集約データベース GraphQL (~7 tools) |
+
+## パイプライン統合
+
+```
+variant-interpretation → gnomad-variants → variant-effect-prediction
+  (ClinVar バリアント)     (gnomAD API)     (VEP/CADD/REVEL)
+          │                     │                   ↓
+  civic-evidence ──────────────┘         rare-disease-genetics
+  (CIViC 臨床)           │             (希少疾患遺伝学)
+                          ↓
+              opentargets-genetics
+              (OT 遺伝的関連)
+```
+
+## パイプライン出力
+
+| ファイル | 説明 | 次スキル |
+|---------|------|---------|
+| `results/gnomad_constraint.csv` | 遺伝子制約 | → rare-disease-genetics |
+| `results/gnomad_region.csv` | リージョンバリアント | → variant-interpretation |
+| `results/gnomad_rare.csv` | レアバリアント | → variant-effect-prediction |

package/src/.github/skills/scientific-metabolomics-databases/SKILL.md

@@ -6,6 +6,10 @@ description: |
   (NIH メタボロミクスリポジトリ) の 3 大メタボロミクス DB を統合した
   代謝物同定、パスウェイマッピング、バイオマーカー発見、
   RefMet 標準化命名パイプライン。13 の ToolUniverse SMCP ツールと連携。
+tu_tools:
+  - key: metacyc
+    name: MetaCyc
+    description: 代謝パスウェイ・反応・化合物データベース
 ---
 
 # Scientific Metabolomics Databases

package/src/.github/skills/scientific-opentargets-genetics/SKILL.md

@@ -0,0 +1,299 @@
+---
+name: scientific-opentargets-genetics
+description: |
+  Open Targets Platform 遺伝学スキル。Open Targets Platform
+  GraphQL API を用いた標的-疾患アソシエーション・薬剤
+  エビデンス・L2G 遺伝的関連・ファーマコゲノミクス検索。
+  ToolUniverse 連携: opentarget。
+tu_tools:
+  - key: opentarget
+    name: Open Targets
+    description: 標的-疾患アソシエーション GraphQL API
+---
+
+# Scientific Open Targets Genetics
+
+Open Targets Platform GraphQL API を活用した標的-疾患
+アソシエーションスコア取得・薬剤エビデンス検索・L2G
+遺伝的関連パイプラインを提供する。
+
+## When to Use
+
+- 遺伝子 (標的) と疾患のアソシエーションスコアを検索するとき
+- 薬剤エビデンスデータを取得するとき
+- GWAS バリアントから遺伝子を L2G スコアでマッピングするとき
+- 標的の安全性プロファイルを確認するとき
+- ファーマコゲノミクスデータを検索するとき
+
+---
+
+## Quick Start
+
+## 1. 標的-疾患アソシエーション
+
+```python
+import requests
+import pandas as pd
+
+OT_API = ("https://api.platform.opentargets.org"
+          "/api/v4/graphql")
+
+
+def ot_target_disease_assoc(target_id, limit=25):
+    """
+    Open Targets — 標的-疾患アソシエーション。
+
+    Parameters:
+        target_id: str — Ensembl Gene ID
+            (例: "ENSG00000012048" = BRCA1)
+        limit: int — 最大結果数
+    """
+    query = """
+    query targetDisease($id: String!, $size: Int!) {
+      target(ensemblId: $id) {
+        id
+        approvedSymbol
+        associatedDiseases(page: {size: $size, index: 0}) {
+          count
+          rows {
+            disease { id name }
+            score
+            datatypeScores {
+              componentId: id
+              score
+            }
+          }
+        }
+      }
+    }
+    """
+    variables = {"id": target_id, "size": limit}
+    resp = requests.post(OT_API,
+                         json={"query": query,
+                               "variables": variables},
+                         timeout=30)
+    resp.raise_for_status()
+    data = resp.json()["data"]["target"]
+
+    rows = []
+    for r in data["associatedDiseases"]["rows"]:
+        row = {
+            "target_id": target_id,
+            "target_symbol": data["approvedSymbol"],
+            "disease_id": r["disease"]["id"],
+            "disease_name": r["disease"]["name"],
+            "overall_score": r["score"],
+        }
+        for dt in r["datatypeScores"]:
+            row[dt["componentId"]] = dt["score"]
+        rows.append(row)
+
+    df = pd.DataFrame(rows)
+    total = data["associatedDiseases"]["count"]
+    print(f"OT associations: {data['approvedSymbol']} "
+          f"→ {len(df)}/{total} diseases")
+    return df
+```
+
+## 2. 薬剤エビデンス
+
+```python
+def ot_drug_evidence(target_id, disease_id, limit=50):
+    """
+    Open Targets — 薬剤エビデンス。
+
+    Parameters:
+        target_id: str — Ensembl Gene ID
+        disease_id: str — EFO Disease ID
+            (例: "EFO_0000305" = breast carcinoma)
+        limit: int — 最大結果数
+    """
+    query = """
+    query drugEvidence($ensemblId: String!,
+                       $efoId: String!,
+                       $size: Int!) {
+      disease(efoId: $efoId) {
+        id
+        name
+        evidences(
+          ensemblIds: [$ensemblId]
+          datasourceIds: ["chembl"]
+          size: $size
+        ) {
+          count
+          rows {
+            id
+            score
+            drug {
+              id name drugType
+              maximumClinicalTrialPhase
+              mechanismsOfAction {
+                rows { actionType }
+              }
+            }
+            clinicalPhase
+            clinicalStatus
+            urls { niceName url }
+          }
+        }
+      }
+    }
+    """
+    variables = {"ensemblId": target_id,
+                 "efoId": disease_id,
+                 "size": limit}
+    resp = requests.post(OT_API,
+                         json={"query": query,
+                               "variables": variables},
+                         timeout=30)
+    resp.raise_for_status()
+    data = resp.json()["data"]["disease"]
+
+    results = []
+    for ev in data["evidences"]["rows"]:
+        drug = ev.get("drug", {})
+        moas = drug.get("mechanismsOfAction", {})
+        moa_list = [m["actionType"]
+                    for m in moas.get("rows", [])]
+        results.append({
+            "disease": data["name"],
+            "drug_id": drug.get("id", ""),
+            "drug_name": drug.get("name", ""),
+            "drug_type": drug.get("drugType", ""),
+            "max_phase": drug.get(
+                "maximumClinicalTrialPhase", 0),
+            "clinical_phase": ev.get("clinicalPhase", ""),
+            "clinical_status": ev.get(
+                "clinicalStatus", ""),
+            "moa": "; ".join(moa_list),
+            "score": ev.get("score", 0),
+        })
+
+    df = pd.DataFrame(results)
+    print(f"OT drug evidence: {len(df)} entries")
+    return df
+```
+
+## 3. L2G 遺伝的関連 (Locus-to-Gene)
+
+```python
+def ot_l2g_variants(study_id, limit=50):
+    """
+    Open Targets Genetics — L2G バリアント-遺伝子マッピング。
+
+    Parameters:
+        study_id: str — GWAS Study ID
+            (例: "GCST004988")
+        limit: int — 最大結果数
+    """
+    # OT Genetics API
+    OT_GENETICS = ("https://api.genetics.opentargets.org"
+                   "/graphql")
+    query = """
+    query l2g($studyId: String!, $size: Int!) {
+      studyLocus2GeneTable(studyId: $studyId,
+                           pageSize: $size) {
+        rows {
+          gene { id symbol }
+          variant { id rsId }
+          yProbaModel
+          yProbaDistance
+          yProbaInteraction
+          yProbaMolecularQTL
+          yProbaPathogenicity
+          hasColoc
+          distanceToLocus
+        }
+      }
+    }
+    """
+    variables = {"studyId": study_id, "size": limit}
+    resp = requests.post(OT_GENETICS,
+                         json={"query": query,
+                               "variables": variables},
+                         timeout=30)
+    resp.raise_for_status()
+    data = resp.json()["data"]["studyLocus2GeneTable"]
+
+    rows = []
+    for r in data["rows"]:
+        rows.append({
+            "gene_id": r["gene"]["id"],
+            "gene_symbol": r["gene"]["symbol"],
+            "variant_id": r["variant"]["id"],
+            "rsid": r["variant"]["rsId"],
+            "l2g_score": r["yProbaModel"],
+            "distance_score": r["yProbaDistance"],
+            "interaction_score": r["yProbaInteraction"],
+            "qtl_score": r["yProbaMolecularQTL"],
+            "pathogenicity": r["yProbaPathogenicity"],
+            "has_coloc": r["hasColoc"],
+        })
+
+    df = pd.DataFrame(rows)
+    if not df.empty:
+        df = df.sort_values("l2g_score", ascending=False)
+    print(f"OT L2G: {study_id} → {len(df)} gene mappings")
+    return df
+```
+
+## 4. Open Targets 統合パイプライン
+
+```python
+def ot_pipeline(gene_symbol, ensembl_id,
+                   output_dir="results"):
+    """
+    Open Targets 統合パイプライン。
+
+    Parameters:
+        gene_symbol: str — 遺伝子シンボル (例: "BRCA1")
+        ensembl_id: str — Ensembl Gene ID
+        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) 標的-疾患アソシエーション
+    assoc = ot_target_disease_assoc(ensembl_id)
+    assoc.to_csv(output_dir / "ot_associations.csv",
+                 index=False)
+
+    # 2) トップ疾患の薬剤エビデンス
+    if not assoc.empty:
+        top_disease = assoc.iloc[0]["disease_id"]
+        drugs = ot_drug_evidence(ensembl_id, top_disease)
+        drugs.to_csv(output_dir / "ot_drugs.csv",
+                     index=False)
+
+    print(f"OT pipeline: {gene_symbol} → {output_dir}")
+    return {"associations": assoc}
+```
+
+---
+
+## ToolUniverse 連携
+
+| TU Key | ツール名 | 連携内容 |
+|--------|---------|---------|
+| `opentarget` | Open Targets | 標的-疾患アソシエーション GraphQL (~55 tools) |
+
+## パイプライン統合
+
+```
+disease-research → opentargets-genetics → drug-target-profiling
+  (疾患遺伝子)      (OT Platform API)     (標的プロファイリング)
+        │                   │                    ↓
+variant-interpretation ────┘          pharmacogenomics
+  (ClinVar/VEP)      │              (薬理ゲノミクス)
+                      ↓
+            gnomad-variants
+            (集団頻度)
+```
+
+## パイプライン出力
+
+| ファイル | 説明 | 次スキル |
+|---------|------|---------|
+| `results/ot_associations.csv` | 標的-疾患スコア | → disease-research |
+| `results/ot_drugs.csv` | 薬剤エビデンス | → drug-target-profiling |

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