@nahisaho/satori 0.18.0 → 0.20.0

package/src/.github/skills/scientific-microbiome-metagenomics/SKILL.md

@@ -5,6 +5,10 @@ description: |
   ショットガンメタゲノム解析（MetaPhlAn / HUMAnN）・α/β 多様性・
   差次存在量解析（DESeq2 / ANCOM-BC）・機能的プロファイリング・
   組成データ解析（CoDA）パイプライン。
+tu_tools:
+  - key: mgnify
+    name: MGnify
+    description: EBI メタゲノミクス解析プラットフォーム
 ---
 
 # Scientific Microbiome & Metagenomics

package/src/.github/skills/scientific-monarch-ontology/SKILL.md

@@ -0,0 +1,260 @@
+---
+name: scientific-monarch-ontology
+description: |
+  Monarch Initiative 疾患-表現型オントロジースキル。
+  Monarch Initiative API を用いた疾患-遺伝子-表現型
+  アソシエーション・HPO フェノタイピング・
+  遺伝子-疾患推定・オントロジーセマンティック検索。
+  ToolUniverse 連携: monarch。
+tu_tools:
+  - key: monarch
+    name: Monarch Initiative
+    description: 疾患-表現型-遺伝子オントロジー統合 API
+---
+
+# Scientific Monarch Initiative Ontology
+
+Monarch Initiative API を活用した疾患-遺伝子-表現型
+アソシエーション取得・HPO ベースフェノタイピング・
+セマンティックオントロジー検索パイプラインを提供する。
+
+## When to Use
+
+- 疾患の関連遺伝子・表現型 (HPO) を検索するとき
+- 遺伝子から関連疾患・表現型を逆引きするとき
+- HPO 用語でフェノタイプマッチングするとき
+- オントロジー用語間の意味的類似度を計算するとき
+- 疾患-表現型-遺伝子の三者間アソシエーションを統合するとき
+
+---
+
+## Quick Start
+
+## 1. 疾患-遺伝子-表現型アソシエーション
+
+```python
+import requests
+import pandas as pd
+
+MONARCH_API = "https://api.monarchinitiative.org/v3/api"
+
+
+def monarch_disease_genes(disease_id, limit=50):
+    """
+    Monarch — 疾患→関連遺伝子取得。
+
+    Parameters:
+        disease_id: str — 疾患 ID
+            (例: "MONDO:0007254" = breast cancer)
+        limit: int — 最大結果数
+    """
+    url = f"{MONARCH_API}/association"
+    params = {
+        "subject": disease_id,
+        "category": "biolink:GeneToDiseaseAssociation",
+        "limit": limit,
+    }
+    resp = requests.get(url, params=params, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    rows = []
+    for item in data.get("items", []):
+        obj = item.get("object", {})
+        rows.append({
+            "disease_id": disease_id,
+            "gene_id": obj.get("id", ""),
+            "gene_label": obj.get("label", ""),
+            "relation": item.get("predicate", ""),
+            "source": "; ".join(
+                item.get("provided_by", [])),
+        })
+
+    df = pd.DataFrame(rows)
+    print(f"Monarch disease→genes: {disease_id} "
+          f"→ {len(df)} genes")
+    return df
+
+
+def monarch_disease_phenotypes(disease_id, limit=100):
+    """
+    Monarch — 疾患→表現型 (HPO) 取得。
+
+    Parameters:
+        disease_id: str — 疾患 ID
+        limit: int — 最大結果数
+    """
+    url = f"{MONARCH_API}/association"
+    params = {
+        "subject": disease_id,
+        "category":
+            "biolink:DiseaseToPhenotypicFeatureAssociation",
+        "limit": limit,
+    }
+    resp = requests.get(url, params=params, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    rows = []
+    for item in data.get("items", []):
+        obj = item.get("object", {})
+        rows.append({
+            "disease_id": disease_id,
+            "phenotype_id": obj.get("id", ""),
+            "phenotype_label": obj.get("label", ""),
+            "frequency": item.get("frequency_qualifier",
+                                  ""),
+            "onset": item.get("onset_qualifier", ""),
+        })
+
+    df = pd.DataFrame(rows)
+    print(f"Monarch disease→phenotypes: {disease_id} "
+          f"→ {len(df)} HPO terms")
+    return df
+```
+
+## 2. 遺伝子→疾患逆引き
+
+```python
+def monarch_gene_diseases(gene_id, limit=50):
+    """
+    Monarch — 遺伝子→関連疾患取得。
+
+    Parameters:
+        gene_id: str — 遺伝子 ID
+            (例: "HGNC:1100" = BRCA1)
+        limit: int — 最大結果数
+    """
+    url = f"{MONARCH_API}/association"
+    params = {
+        "subject": gene_id,
+        "category": "biolink:GeneToDiseaseAssociation",
+        "limit": limit,
+    }
+    resp = requests.get(url, params=params, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    rows = []
+    for item in data.get("items", []):
+        obj = item.get("object", {})
+        rows.append({
+            "gene_id": gene_id,
+            "disease_id": obj.get("id", ""),
+            "disease_label": obj.get("label", ""),
+            "relation": item.get("predicate", ""),
+        })
+
+    df = pd.DataFrame(rows)
+    print(f"Monarch gene→diseases: {gene_id} "
+          f"→ {len(df)} diseases")
+    return df
+```
+
+## 3. エンティティ検索・オントロジー用語
+
+```python
+def monarch_search(query, category=None, limit=25):
+    """
+    Monarch — エンティティテキスト検索。
+
+    Parameters:
+        query: str — 検索クエリ
+        category: str — カテゴリフィルタ
+            (例: "biolink:Disease", "biolink:Gene",
+             "biolink:PhenotypicFeature")
+        limit: int — 最大結果数
+    """
+    url = f"{MONARCH_API}/search"
+    params = {"q": query, "limit": limit}
+    if category:
+        params["category"] = category
+
+    resp = requests.get(url, params=params, timeout=30)
+    resp.raise_for_status()
+    data = resp.json()
+
+    rows = []
+    for item in data.get("items", []):
+        rows.append({
+            "id": item.get("id", ""),
+            "label": item.get("name", ""),
+            "category": item.get("category", ""),
+            "description": (item.get("description", "")
+                            or "")[:200],
+        })
+
+    df = pd.DataFrame(rows)
+    print(f"Monarch search: '{query}' → {len(df)}")
+    return df
+```
+
+## 4. Monarch 統合パイプライン
+
+```python
+def monarch_pipeline(disease_query,
+                        output_dir="results"):
+    """
+    Monarch 統合パイプライン。
+
+    Parameters:
+        disease_query: str — 疾患名 or 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) 疾患検索
+    diseases = monarch_search(disease_query,
+                              category="biolink:Disease")
+    diseases.to_csv(output_dir / "monarch_diseases.csv",
+                    index=False)
+
+    if diseases.empty:
+        print(f"Monarch: '{disease_query}' not found")
+        return {"diseases": diseases}
+
+    disease_id = diseases.iloc[0]["id"]
+
+    # 2) 関連遺伝子
+    genes = monarch_disease_genes(disease_id)
+    genes.to_csv(output_dir / "monarch_genes.csv",
+                 index=False)
+
+    # 3) 表現型 (HPO)
+    phenotypes = monarch_disease_phenotypes(disease_id)
+    phenotypes.to_csv(
+        output_dir / "monarch_phenotypes.csv",
+        index=False)
+
+    print(f"Monarch pipeline: {disease_query} "
+          f"→ {output_dir}")
+    return {"genes": genes, "phenotypes": phenotypes}
+```
+
+---
+
+## ToolUniverse 連携
+
+| TU Key | ツール名 | 連携内容 |
+|--------|---------|---------|
+| `monarch` | Monarch Initiative | 疾患-表現型-遺伝子オントロジー統合 |
+
+## パイプライン統合
+
+```
+disease-research → monarch-ontology → rare-disease-genetics
+  (GWAS/DisGeNET)   (Monarch API)     (OMIM/Orphanet)
+        │                  │                 ↓
+variant-interpretation ───┘       ontology-enrichment
+  (ClinVar/ACMG)                 (EFO/OLS/Enrichr)
+```
+
+## パイプライン出力
+
+| ファイル | 説明 | 次スキル |
+|---------|------|---------|
+| `results/monarch_diseases.csv` | 疾患検索結果 | → disease-research |
+| `results/monarch_genes.csv` | 関連遺伝子 | → variant-interpretation |
+| `results/monarch_phenotypes.csv` | HPO 表現型 | → rare-disease-genetics |

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-pharmacology-targets/SKILL.md

@@ -4,6 +4,16 @@ description: |
   薬理学的ターゲットプロファイリングスキル。BindingDB 結合親和性、
   GPCRdb GPCR 構造-活性、GtoPdb 薬理学、BRENDA 酵素動態、
   Pharos 未解明ターゲット(TDL)の統合解析パイプライン。
+tu_tools:
+  - key: bindingdb
+    name: BindingDB
+    description: 結合親和性データベース
+  - key: gtopdb
+    name: GtoPdb
+    description: Guide to PHARMACOLOGY
+  - key: brenda
+    name: BRENDA
+    description: 酵素動態データベース
 ---
 
 # Scientific Pharmacology Targets

package/src/.github/skills/scientific-precision-oncology/SKILL.md

@@ -4,6 +4,10 @@ description: |
   精密腫瘍学スキル。CIViC・OncoKB・cBioPortal・COSMIC・GDC/TCGA を統合し、
   腫瘍ゲノムプロファイリング・分子標的選定・バイオマーカー評価・治療推奨を支援。
   「がんゲノム解析して」「腫瘍プロファイリングして」「OncoKB で検索して」で発火。
+tu_tools:
+  - key: oncokb
+    name: OncoKB
+    description: 精密腫瘍学アノテーション
 ---
 
 # Scientific Precision Oncology

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