@nahisaho/satori 0.18.0 → 0.19.0

package/src/.github/skills/scientific-uniprot-proteome/SKILL.md

@@ -0,0 +1,273 @@
+---
+name: scientific-uniprot-proteome
+description: |
+  UniProt プロテオームスキル。UniProt REST API による
+  タンパク質検索・ID マッピング・配列取得・機能アノテーション・
+  UniRef/UniParc 横断検索。ToolUniverse 連携: uniprot。
+tu_tools:
+  - key: uniprot
+    name: UniProt
+    description: タンパク質配列・機能アノテーション・ID マッピング
+---
+
+# Scientific UniProt Proteome
+
+UniProt REST API を活用したタンパク質検索・ID マッピング・
+機能アノテーション取得・プロテオーム解析パイプラインを提供する。
+
+## When to Use
+
+- タンパク質のアミノ酸配列・機能情報を検索するとき
+- UniProt ID と他データベース ID を相互変換するとき
+- タンパク質のドメイン・GO アノテーション・疾患関連を調べるとき
+- プロテオーム規模でのタンパク質機能解析を行うとき
+- UniRef クラスター・UniParc アーカイブを横断検索するとき
+- 生物種ごとのリファレンスプロテオームを取得するとき
+
+---
+
+## Quick Start
+
+## 1. タンパク質検索・エントリ取得
+
+```python
+import requests
+import pandas as pd
+
+UNIPROT_BASE = "https://rest.uniprot.org"
+
+
+def uniprot_search(query, organism=None, reviewed=True,
+                      limit=50, fields=None):
+    """
+    UniProt — タンパク質検索。
+
+    Parameters:
+        query: str — 検索クエリ (例: "BRCA1", "kinase")
+        organism: str — 生物種 (例: "9606" for Human)
+        reviewed: bool — Swiss-Prot のみ (True) / TrEMBL 含む (False)
+        limit: int — 最大結果数
+        fields: list[str] — 返却フィールド
+    """
+    url = f"{UNIPROT_BASE}/uniprotkb/search"
+    default_fields = [
+        "accession", "id", "protein_name", "gene_names",
+        "organism_name", "length", "reviewed",
+        "go_p", "go_f", "go_c",
+    ]
+    params = {
+        "query": query,
+        "size": min(limit, 500),
+        "fields": ",".join(fields or default_fields),
+        "format": "json",
+    }
+    if organism:
+        params["query"] += f" AND organism_id:{organism}"
+    if reviewed:
+        params["query"] += " AND reviewed:true"
+
+    resp = requests.get(url, params=params, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    results = []
+    for entry in data.get("results", []):
+        protein_name = ""
+        if entry.get("proteinDescription"):
+            rec = entry["proteinDescription"].get(
+                "recommendedName")
+            if rec:
+                protein_name = rec.get("fullName", {}).get(
+                    "value", "")
+
+        genes = [g.get("geneName", {}).get("value", "")
+                 for g in entry.get("genes", [])]
+
+        results.append({
+            "accession": entry.get("primaryAccession", ""),
+            "entry_name": entry.get("uniProtkbId", ""),
+            "protein_name": protein_name,
+            "gene_names": "; ".join(genes),
+            "organism": entry.get("organism", {}).get(
+                "scientificName", ""),
+            "length": entry.get("sequence", {}).get(
+                "length", 0),
+            "reviewed": entry.get("entryType", "") == "UniProtKB reviewed (Swiss-Prot)",
+        })
+
+    df = pd.DataFrame(results)
+    print(f"UniProt search: {len(df)} entries "
+          f"(query='{query}')")
+    return df
+
+
+def uniprot_get_entry(accession, format="json"):
+    """
+    UniProt — エントリ詳細取得。
+
+    Parameters:
+        accession: str — UniProt ID (例: "P38398")
+        format: str — "json" or "fasta"
+    """
+    url = f"{UNIPROT_BASE}/uniprotkb/{accession}"
+    resp = requests.get(url, params={"format": format},
+                        timeout=30)
+    resp.raise_for_status()
+    if format == "fasta":
+        return resp.text
+    return resp.json()
+```
+
+## 2. ID マッピング
+
+```python
+import time
+
+
+def uniprot_id_mapping(from_db, to_db, ids):
+    """
+    UniProt — ID マッピング (非同期ジョブ)。
+
+    Parameters:
+        from_db: str — 変換元 DB (例: "UniProtKB_AC-ID")
+        to_db: str — 変換先 DB (例: "Gene_Name", "PDB",
+            "Ensembl", "RefSeq_Protein")
+        ids: list[str] — ID リスト
+    """
+    # ジョブ投入
+    url = f"{UNIPROT_BASE}/idmapping/run"
+    resp = requests.post(url, data={
+        "from": from_db, "to": to_db,
+        "ids": ",".join(ids),
+    }, timeout=30)
+    resp.raise_for_status()
+    job_id = resp.json()["jobId"]
+
+    # ポーリング
+    status_url = f"{UNIPROT_BASE}/idmapping/status/{job_id}"
+    for _ in range(30):
+        s = requests.get(status_url, timeout=30).json()
+        if "results" in s or "redirectURL" in s:
+            break
+        time.sleep(2)
+
+    # 結果取得
+    result_url = (f"{UNIPROT_BASE}/idmapping/results/"
+                  f"{job_id}")
+    r = requests.get(result_url, timeout=30)
+    r.raise_for_status()
+    data = r.json()
+
+    results = []
+    for item in data.get("results", []):
+        results.append({
+            "from_id": item.get("from", ""),
+            "to_id": item.get("to", ""),
+        })
+
+    df = pd.DataFrame(results)
+    print(f"UniProt ID mapping: {len(df)} mappings "
+          f"({from_db} → {to_db})")
+    return df
+```
+
+## 3. 機能アノテーション取得
+
+```python
+def uniprot_get_features(accession):
+    """
+    UniProt — タンパク質機能フィーチャー取得。
+
+    Parameters:
+        accession: str — UniProt ID
+    """
+    entry = uniprot_get_entry(accession)
+
+    features = []
+    for f in entry.get("features", []):
+        loc = f.get("location", {})
+        start = loc.get("start", {}).get("value")
+        end = loc.get("end", {}).get("value")
+        features.append({
+            "type": f.get("type", ""),
+            "description": f.get("description", ""),
+            "start": start,
+            "end": end,
+            "evidence": len(f.get("evidences", [])),
+        })
+
+    df = pd.DataFrame(features)
+    print(f"UniProt features: {accession} → "
+          f"{len(df)} features")
+    return df
+```
+
+## 4. UniProt 統合パイプライン
+
+```python
+def uniprot_pipeline(gene_names, organism="9606",
+                        output_dir="results"):
+    """
+    UniProt 統合パイプライン。
+
+    Parameters:
+        gene_names: list[str] — 遺伝子シンボルリスト
+        organism: str — 生物種 Taxonomy 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)
+
+    all_entries = []
+    for gene in gene_names:
+        try:
+            df = uniprot_search(gene, organism=organism)
+            all_entries.append(df)
+        except Exception as e:
+            print(f"  Warning: {gene} — {e}")
+
+    if all_entries:
+        combined = pd.concat(all_entries, ignore_index=True)
+        combined.to_csv(output_dir / "uniprot_entries.csv",
+                        index=False)
+
+        # トップエントリの機能フィーチャー
+        if not combined.empty:
+            top_acc = combined.iloc[0]["accession"]
+            features = uniprot_get_features(top_acc)
+            features.to_csv(
+                output_dir / "protein_features.csv",
+                index=False)
+
+    print(f"UniProt pipeline: {output_dir}")
+    return {"entries": combined if all_entries else pd.DataFrame()}
+```
+
+---
+
+## ToolUniverse 連携
+
+| TU Key | ツール名 | 連携内容 |
+|--------|---------|---------|
+| `uniprot` | UniProt | タンパク質検索・ID マッピング・配列・機能アノテーション |
+
+## パイプライン統合
+
+```
+protein-structure-analysis → uniprot-proteome → protein-design
+  (PDB/AlphaFold 構造)     (UniProt REST API)  (de novo 設計)
+          │                       │                    ↓
+  alphafold-structures ──────────┘           drug-target-profiling
+  (AlphaFold DB)            │               (標的プロファイリング)
+                            ↓
+                  protein-domain-family
+                  (InterPro/Pfam)
+```
+
+## パイプライン出力
+
+| ファイル | 説明 | 次スキル |
+|---------|------|---------|
+| `results/uniprot_entries.csv` | タンパク質検索結果 | → protein-structure-analysis |
+| `results/protein_features.csv` | 機能フィーチャー | → protein-domain-family |

package/src/.github/skills/scientific-variant-interpretation/SKILL.md

@@ -5,6 +5,10 @@ description: |
   基づく病原性評価、薬理ゲノミクス（PharmGKB/ClinPGx）、バリアント-表現型相関の
   エビデンスグレーディング。ToolUniverse の Variant Interpretation パラダイムを統合。
   「バリアントの病原性を評価して」「pharmacogenomics 解析して」で発火。
+tu_tools:
+  - key: clinvar
+    name: ClinVar
+    description: 臨床的バリアント解釈データベース
 ---
 
 # Scientific Variant Interpretation