@nahisaho/satori 0.18.0 → 0.20.0

package/src/.github/skills/scientific-civic-evidence/SKILL.md

@@ -0,0 +1,292 @@
+---
+name: scientific-civic-evidence
+description: |
+  CIViC 臨床エビデンススキル。CIViC (Clinical Interpretation
+  of Variants in Cancer) REST API を用いたバリアント臨床解釈・
+  エビデンスアイテム・分子プロファイル・アサーション検索。
+  ToolUniverse 連携: civic。
+tu_tools:
+  - key: civic
+    name: CIViC
+    description: がんバリアント臨床解釈データベース
+---
+
+# Scientific CIViC Evidence
+
+CIViC (Clinical Interpretation of Variants in Cancer) REST API
+を活用したバリアント臨床解釈・エビデンスアイテム取得・
+分子プロファイル・アサーションパイプラインを提供する。
+
+## When to Use
+
+- がんバリアントの臨床的解釈を検索するとき
+- エビデンスアイテム (薬剤応答・予後・診断) を取得するとき
+- 遺伝子ごとのバリアントサマリーを確認するとき
+- 分子プロファイル (Molecular Profile) を検索するとき
+- アサーション (ガイドライン推奨) を取得するとき
+
+---
+
+## Quick Start
+
+## 1. バリアント検索・臨床解釈
+
+```python
+import requests
+import pandas as pd
+
+CIVIC_API = "https://civicdb.org/api"
+
+
+def civic_variant_search(gene_name, variant_name=None,
+                            limit=50):
+    """
+    CIViC — バリアント検索。
+
+    Parameters:
+        gene_name: str — 遺伝子名 (例: "BRAF")
+        variant_name: str — バリアント名
+            (例: "V600E")
+        limit: int — 最大結果数
+    """
+    url = f"{CIVIC_API}/variants"
+    params = {"count": limit}
+
+    # 遺伝子名で検索
+    gene_url = f"{CIVIC_API}/genes/{gene_name}"
+    try:
+        resp = requests.get(gene_url, timeout=30)
+        if resp.status_code == 200:
+            gene_data = resp.json()
+        else:
+            # 検索 API フォールバック
+            search_url = f"{CIVIC_API}/genes"
+            params_g = {"name": gene_name, "count": 5}
+            resp = requests.get(search_url,
+                                params=params_g,
+                                timeout=30)
+            resp.raise_for_status()
+            records = resp.json().get("records", [])
+            gene_data = records[0] if records else {}
+    except Exception as e:
+        print(f"  CIViC gene lookup: {e}")
+        gene_data = {}
+
+    if not gene_data:
+        return pd.DataFrame()
+
+    variants = gene_data.get("variants", [])
+    rows = []
+    for v in variants[:limit]:
+        name = v.get("name", "")
+        if variant_name and variant_name.lower() \
+                not in name.lower():
+            continue
+        rows.append({
+            "variant_id": v.get("id", ""),
+            "gene": gene_name,
+            "variant_name": name,
+            "description": (v.get("description", "")
+                            [:200]),
+            "evidence_count": len(
+                v.get("evidence_items", [])),
+        })
+
+    df = pd.DataFrame(rows)
+    print(f"CIViC variants: {gene_name} → {len(df)}")
+    return df
+
+
+def civic_gene_summary(gene_name):
+    """
+    CIViC — 遺伝子サマリー取得。
+
+    Parameters:
+        gene_name: str — 遺伝子名 (例: "EGFR")
+    """
+    url = f"{CIVIC_API}/genes/{gene_name}"
+    resp = requests.get(url, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    result = {
+        "gene_id": data.get("id", ""),
+        "name": data.get("name", ""),
+        "description": data.get("description", ""),
+        "n_variants": len(data.get("variants", [])),
+        "aliases": "; ".join(
+            data.get("aliases", [])),
+    }
+    return result
+```
+
+## 2. エビデンスアイテム取得
+
+```python
+def civic_evidence_items(variant_id, limit=50):
+    """
+    CIViC — エビデンスアイテム取得。
+
+    Parameters:
+        variant_id: int — バリアント ID
+        limit: int — 最大結果数
+    """
+    url = f"{CIVIC_API}/variants/{variant_id}"
+    resp = requests.get(url, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    rows = []
+    for ev in data.get("evidence_items", [])[:limit]:
+        drugs = [d.get("name", "")
+                 for d in ev.get("drugs", [])]
+        rows.append({
+            "evidence_id": ev.get("id", ""),
+            "variant_id": variant_id,
+            "evidence_type": ev.get(
+                "evidence_type", ""),
+            "evidence_level": ev.get(
+                "evidence_level", ""),
+            "evidence_direction": ev.get(
+                "evidence_direction", ""),
+            "clinical_significance": ev.get(
+                "clinical_significance", ""),
+            "disease": ev.get("disease", {}).get(
+                "name", ""),
+            "drugs": "; ".join(drugs),
+            "rating": ev.get("rating", ""),
+            "status": ev.get("status", ""),
+            "source_citation": ev.get(
+                "source", {}).get("citation", ""),
+        })
+
+    df = pd.DataFrame(rows)
+    print(f"CIViC evidence: variant {variant_id} "
+          f"→ {len(df)} items")
+    return df
+```
+
+## 3. アサーション取得
+
+```python
+def civic_assertions(gene_name=None, limit=50):
+    """
+    CIViC — アサーション (ガイドライン推奨) 取得。
+
+    Parameters:
+        gene_name: str — 遺伝子名フィルタ
+        limit: int — 最大結果数
+    """
+    url = f"{CIVIC_API}/assertions"
+    params = {"count": limit}
+
+    resp = requests.get(url, params=params, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    rows = []
+    for a in data.get("records", []):
+        genes = [g.get("name", "")
+                 for g in a.get("genes", [])]
+        if gene_name and gene_name not in genes:
+            continue
+        drugs = [d.get("name", "")
+                 for d in a.get("drugs", [])]
+        rows.append({
+            "assertion_id": a.get("id", ""),
+            "genes": "; ".join(genes),
+            "variant": a.get("variant", {}).get(
+                "name", ""),
+            "disease": a.get("disease", {}).get(
+                "name", ""),
+            "drugs": "; ".join(drugs),
+            "assertion_type": a.get(
+                "assertion_type", ""),
+            "assertion_direction": a.get(
+                "assertion_direction", ""),
+            "clinical_significance": a.get(
+                "clinical_significance", ""),
+            "amp_level": a.get("amp_level", ""),
+            "status": a.get("status", ""),
+        })
+
+    df = pd.DataFrame(rows)
+    print(f"CIViC assertions: {len(df)}")
+    return df
+```
+
+## 4. CIViC 統合パイプライン
+
+```python
+def civic_pipeline(gene_name, variant_name=None,
+                      output_dir="results"):
+    """
+    CIViC 統合パイプライン。
+
+    Parameters:
+        gene_name: str — 遺伝子名 (例: "BRAF")
+        variant_name: str — バリアント名 (例: "V600E")
+        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) 遺伝子サマリー
+    summary = civic_gene_summary(gene_name)
+    pd.DataFrame([summary]).to_csv(
+        output_dir / "civic_gene.csv", index=False)
+
+    # 2) バリアント検索
+    variants = civic_variant_search(gene_name,
+                                    variant_name)
+    variants.to_csv(output_dir / "civic_variants.csv",
+                    index=False)
+
+    # 3) トップバリアントのエビデンス
+    if not variants.empty:
+        top_vid = variants.iloc[0]["variant_id"]
+        evidence = civic_evidence_items(top_vid)
+        evidence.to_csv(
+            output_dir / "civic_evidence.csv",
+            index=False)
+
+    # 4) アサーション
+    assertions = civic_assertions(gene_name)
+    assertions.to_csv(
+        output_dir / "civic_assertions.csv",
+        index=False)
+
+    print(f"CIViC pipeline: {gene_name} → {output_dir}")
+    return {"variants": variants}
+```
+
+---
+
+## ToolUniverse 連携
+
+| TU Key | ツール名 | 連携内容 |
+|--------|---------|---------|
+| `civic` | CIViC | がんバリアント臨床解釈 (~12 tools) |
+
+## パイプライン統合
+
+```
+variant-interpretation → civic-evidence → precision-oncology
+  (ClinVar バリアント)    (CIViC REST)    (精密腫瘍学)
+          │                    │                ↓
+  gnomad-variants ────────────┘     drug-target-profiling
+  (集団頻度)           │           (標的プロファイリング)
+                       ↓
+             opentargets-genetics
+             (OT 標的-疾患)
+```
+
+## パイプライン出力
+
+| ファイル | 説明 | 次スキル |
+|---------|------|---------|
+| `results/civic_gene.csv` | 遺伝子サマリー | → cancer-genomics |
+| `results/civic_variants.csv` | バリアント一覧 | → variant-interpretation |
+| `results/civic_evidence.csv` | エビデンス | → precision-oncology |
+| `results/civic_assertions.csv` | アサーション | → pharmacogenomics |

package/src/.github/skills/scientific-compound-screening/SKILL.md

@@ -4,6 +4,10 @@ description: |
   化合物スクリーニングスキル。ZINC データベースを活用した購入可能化合物検索、
   SMILES/名前ベースの類似性検索、カタログフィルタリング、
   バーチャルスクリーニング前処理パイプライン。
+tu_tools:
+  - key: zinc
+    name: ZINC
+    description: 購入可能化合物データベース
 ---
 
 # Scientific Compound Screening

package/src/.github/skills/scientific-depmap-dependencies/SKILL.md

@@ -0,0 +1,239 @@
+---
+name: scientific-depmap-dependencies
+description: |
+  DepMap 依存性スキル。Cancer Dependency Map (DepMap) Portal
+  API によるがん細胞株 CRISPR/RNAi 依存性スコア・薬剤
+  感受性データ・遺伝子効果取得。ToolUniverse 連携: depmap。
+tu_tools:
+  - key: depmap
+    name: DepMap
+    description: がん細胞株依存性マップ API
+---
+
+# Scientific DepMap Dependencies
+
+Cancer Dependency Map (DepMap) Portal API を活用した
+がん細胞株の CRISPR/RNAi 遺伝子依存性スコア取得・
+薬剤感受性データ・遺伝子効果パイプラインを提供する。
+
+## When to Use
+
+- がん細胞株の遺伝子依存性 (CRISPR/RNAi) を調べるとき
+- 遺伝子のがん選択的必須性を評価するとき
+- 薬剤感受性データと遺伝子発現の相関を調べるとき
+- 細胞株メタデータ (組織型・疾患サブタイプ) を取得するとき
+- Cell Model Passports データを参照するとき
+
+---
+
+## Quick Start
+
+## 1. DepMap 細胞株検索・メタデータ
+
+```python
+import requests
+import pandas as pd
+
+DEPMAP_API = "https://api.cellmodelpassports.sanger.ac.uk/v1"
+
+
+def depmap_cell_lines(tissue=None, cancer_type=None,
+                         limit=50):
+    """
+    DepMap / Cell Model Passports — 細胞株検索。
+
+    Parameters:
+        tissue: str — 組織型フィルタ (例: "Breast")
+        cancer_type: str — がん種フィルタ
+            (例: "Breast Carcinoma")
+        limit: int — 最大結果数
+    """
+    url = f"{DEPMAP_API}/models"
+    params = {"page_size": limit}
+    if tissue:
+        params["tissue"] = tissue
+    if cancer_type:
+        params["cancer_type"] = cancer_type
+
+    resp = requests.get(url, params=params, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    rows = []
+    for model in data.get("data", data
+                          if isinstance(data, list)
+                          else []):
+        if isinstance(model, dict):
+            rows.append({
+                "model_id": model.get("model_id", ""),
+                "model_name": model.get("model_name", ""),
+                "tissue": model.get("tissue", ""),
+                "cancer_type": model.get(
+                    "cancer_type", ""),
+                "sample_site": model.get(
+                    "sample_site", ""),
+                "gender": model.get("gender", ""),
+            })
+
+    df = pd.DataFrame(rows[:limit])
+    print(f"DepMap cell lines: {len(df)} models")
+    return df
+```
+
+## 2. CRISPR 遺伝子依存性スコア
+
+```python
+def depmap_gene_dependency(gene_symbol,
+                              dataset="Chronos_Combined"):
+    """
+    DepMap — 遺伝子依存性スコア取得。
+
+    Parameters:
+        gene_symbol: str — 遺伝子シンボル (例: "KRAS")
+        dataset: str — データセット名
+            (例: "Chronos_Combined", "RNAi_merged")
+    """
+    # DepMap Public Portal download URL
+    DEPMAP_PORTAL = "https://depmap.org/portal/api"
+
+    url = f"{DEPMAP_PORTAL}/dataset/search"
+    params = {"gene": gene_symbol,
+              "dataset": dataset}
+
+    try:
+        resp = requests.get(url, params=params,
+                            timeout=30)
+        resp.raise_for_status()
+        data = resp.json()
+    except Exception:
+        # Fallback: alternative DepMap API
+        print(f"  DepMap portal fallback for "
+              f"{gene_symbol}")
+        data = []
+
+    rows = []
+    if isinstance(data, list):
+        for entry in data:
+            if isinstance(entry, dict):
+                rows.append({
+                    "gene": gene_symbol,
+                    "cell_line": entry.get(
+                        "cell_line_name", ""),
+                    "depmap_id": entry.get(
+                        "depmap_id", ""),
+                    "dependency_score": entry.get(
+                        "dependency", 0),
+                    "dataset": dataset,
+                })
+
+    df = pd.DataFrame(rows)
+    if not df.empty:
+        df = df.sort_values("dependency_score")
+    print(f"DepMap dependency: {gene_symbol} "
+          f"→ {len(df)} cell lines")
+    return df
+```
+
+## 3. 薬剤感受性データ
+
+```python
+def depmap_drug_sensitivity(compound_name=None,
+                               limit=100):
+    """
+    DepMap — 薬剤感受性データ取得。
+
+    Parameters:
+        compound_name: str — 化合物名フィルタ
+            (例: "Paclitaxel")
+        limit: int — 最大結果数
+    """
+    url = f"{DEPMAP_API}/drugs"
+    params = {"page_size": limit}
+    if compound_name:
+        params["name"] = compound_name
+
+    resp = requests.get(url, params=params, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    rows = []
+    for drug in data.get("data", data
+                         if isinstance(data, list)
+                         else []):
+        if isinstance(drug, dict):
+            rows.append({
+                "drug_id": drug.get("drug_id", ""),
+                "drug_name": drug.get("drug_name", ""),
+                "target": drug.get("target", ""),
+                "pathway": drug.get("pathway", ""),
+                "n_cell_lines": drug.get(
+                    "n_cell_lines_tested", 0),
+            })
+
+    df = pd.DataFrame(rows[:limit])
+    print(f"DepMap drugs: {len(df)} compounds")
+    return df
+```
+
+## 4. DepMap 統合パイプライン
+
+```python
+def depmap_pipeline(gene_symbol,
+                       output_dir="results"):
+    """
+    DepMap 統合パイプライン。
+
+    Parameters:
+        gene_symbol: str — 遺伝子シンボル
+        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) 遺伝子依存性
+    deps = depmap_gene_dependency(gene_symbol)
+    deps.to_csv(output_dir / "depmap_dependency.csv",
+                index=False)
+
+    # 2) 関連薬剤
+    drugs = depmap_drug_sensitivity()
+    drugs.to_csv(output_dir / "depmap_drugs.csv",
+                 index=False)
+
+    # 3) 依存性の高い細胞株
+    if not deps.empty:
+        top_dependent = deps.head(10)
+        top_dependent.to_csv(
+            output_dir / "depmap_top_dependent.csv",
+            index=False)
+
+    print(f"DepMap pipeline: {gene_symbol} → {output_dir}")
+    return {"dependency": deps, "drugs": drugs}
+```
+
+---
+
+## ToolUniverse 連携
+
+| TU Key | ツール名 | 連携内容 |
+|--------|---------|---------|
+| `depmap` | DepMap | がん細胞株依存性マップ API |
+
+## パイプライン統合
+
+```
+cancer-genomics → depmap-dependencies → precision-oncology
+  (がんゲノム)       (DepMap Portal)     (精密腫瘍学)
+        │                  │                  ↓
+expression-analysis ──────┘       drug-target-profiling
+  (発現リスト)                    (標的プロファイリング)
+```
+
+## パイプライン出力
+
+| ファイル | 説明 | 次スキル |
+|---------|------|---------|
+| `results/depmap_dependency.csv` | 依存性スコア | → cancer-genomics |
+| `results/depmap_drugs.csv` | 薬剤感受性 | → drug-target-profiling |
+| `results/depmap_top_dependent.csv` | 依存細胞株 | → precision-oncology |

package/src/.github/skills/scientific-disease-research/SKILL.md

@@ -5,6 +5,10 @@ description: |
   疾患-遺伝子関連解析・希少疾患診断支援・表現型-遺伝型マッピング・
   疫学的特性評価を支援。
   「疾患と遺伝子の関連を調べて」「希少疾患を診断して」「GWAS 結果を解析して」で発火。
+tu_tools:
+  - key: disgenet
+    name: DisGeNET
+    description: 疾患-遺伝子関連スコア (GDA) データベース
 ---
 
 # Scientific Disease Research

package/src/.github/skills/scientific-drug-target-profiling/SKILL.md

@@ -5,6 +5,10 @@ description: |
   を活用したドラッグターゲットインテリジェンス。ドラッガビリティ評価、安全性プロファイリング、
   ターゲット-疾患アソシエーション、競合パイプライン分析を統合的に実行。
   「ターゲット評価して」「druggability 分析して」「標的タンパク質を調べて」で発火。
+tu_tools:
+  - key: dgidb
+    name: DGIdb
+    description: 薬物-遺伝子相互作用データベース
 ---
 
 # Scientific Drug Target Profiling