@nahisaho/satori 0.20.0 → 0.22.0

package/src/.github/skills/scientific-pharos-targets/SKILL.md

@@ -0,0 +1,276 @@
+---
+name: scientific-pharos-targets
+description: |
+  Pharos/TCRD ターゲットプロファイリングスキル。Illuminating
+  the Druggable Genome (IDG) Pharos GraphQL API による
+  ターゲット開発レベル (TDL) 分類・疾患関連・リガンド検索・
+  既存薬候補スクリーニングパイプライン。
+  ToolUniverse 連携: pharos。
+tu_tools:
+  - key: pharos
+    name: Pharos
+    description: IDG Pharos/TCRD ターゲットナレッジベース
+---
+
+# Scientific Pharos Targets
+
+IDG (Illuminating the Druggable Genome) Pharos GraphQL API
+を活用したターゲット TDL 分類・疾患-ターゲット関連・
+リガンドアクティビティ検索・既存薬候補パイプラインを提供する。
+
+## When to Use
+
+- タンパク質標的の開発レベル (Tclin/Tchem/Tbio/Tdark) を確認するとき
+- IDG ダークターゲットの知識ギャップを調査するとき
+- ターゲットに関連する疾患・リガンド・PPI を検索するとき
+- Tchem/Tbio ターゲットから創薬候補を探索するとき
+- ターゲット間のドラッガビリティ比較を行うとき
+
+---
+
+## Quick Start
+
+## 1. ターゲット TDL 分類検索
+
+```python
+import requests
+import pandas as pd
+
+PHAROS_API = "https://pharos-api.ncats.io/graphql"
+
+
+def pharos_target(gene_symbol):
+    """
+    Pharos — ターゲット詳細情報取得。
+
+    Parameters:
+        gene_symbol: str — 遺伝子シンボル (例: "ACE2")
+    """
+    query = """
+    query targetDetails($sym: String!) {
+      target(q: {sym: $sym}) {
+        name
+        sym
+        tdl
+        fam
+        novelty
+        description
+        uniprotId: accession
+        diseaseCount
+        ligandCount
+        ppiCount
+      }
+    }
+    """
+    resp = requests.post(
+        PHAROS_API,
+        json={"query": query,
+              "variables": {"sym": gene_symbol}},
+        timeout=30)
+    resp.raise_for_status()
+    data = resp.json().get("data", {}).get("target", {})
+
+    if not data:
+        print(f"Pharos: {gene_symbol} not found")
+        return {}
+
+    print(f"Pharos: {gene_symbol} → TDL={data['tdl']}, "
+          f"fam={data.get('fam', 'N/A')}, "
+          f"diseases={data.get('diseaseCount', 0)}, "
+          f"ligands={data.get('ligandCount', 0)}")
+    return data
+
+
+def pharos_target_list(gene_symbols):
+    """
+    Pharos — 複数ターゲット TDL バッチ取得。
+
+    Parameters:
+        gene_symbols: list[str] — 遺伝子シンボルリスト
+    """
+    results = []
+    for sym in gene_symbols:
+        data = pharos_target(sym)
+        if data:
+            results.append(data)
+
+    df = pd.DataFrame(results)
+    if not df.empty:
+        tdl_counts = df["tdl"].value_counts()
+        print(f"TDL distribution: "
+              f"{tdl_counts.to_dict()}")
+    return df
+```
+
+## 2. 疾患-ターゲット関連
+
+```python
+def pharos_target_diseases(gene_symbol, top_n=20):
+    """
+    Pharos — ターゲットの関連疾患取得。
+
+    Parameters:
+        gene_symbol: str — 遺伝子シンボル
+        top_n: int — 上位件数
+    """
+    query = """
+    query targetDiseases($sym: String!, $top: Int!) {
+      target(q: {sym: $sym}) {
+        sym
+        diseases(top: $top) {
+          name
+          associationCount
+          datasource_count
+        }
+      }
+    }
+    """
+    resp = requests.post(
+        PHAROS_API,
+        json={"query": query,
+              "variables": {"sym": gene_symbol,
+                            "top": top_n}},
+        timeout=30)
+    resp.raise_for_status()
+    target = resp.json().get("data", {}).get(
+        "target", {})
+    diseases = target.get("diseases", [])
+
+    df = pd.DataFrame(diseases)
+    print(f"Pharos diseases: {gene_symbol} → "
+          f"{len(df)} associations")
+    return df
+```
+
+## 3. リガンド・アクティビティ検索
+
+```python
+def pharos_target_ligands(gene_symbol, top_n=20):
+    """
+    Pharos — ターゲットのリガンド/活性化合物取得。
+
+    Parameters:
+        gene_symbol: str — 遺伝子シンボル
+        top_n: int — 上位件数
+    """
+    query = """
+    query targetLigands($sym: String!, $top: Int!) {
+      target(q: {sym: $sym}) {
+        sym
+        ligands(top: $top) {
+          name
+          smiles
+          isdrug
+          actcnt
+          activities {
+            type
+            value
+            moa
+          }
+        }
+      }
+    }
+    """
+    resp = requests.post(
+        PHAROS_API,
+        json={"query": query,
+              "variables": {"sym": gene_symbol,
+                            "top": top_n}},
+        timeout=30)
+    resp.raise_for_status()
+    target = resp.json().get("data", {}).get(
+        "target", {})
+    ligands = target.get("ligands", [])
+
+    rows = []
+    for lig in ligands:
+        rows.append({
+            "name": lig.get("name", ""),
+            "smiles": lig.get("smiles", ""),
+            "is_drug": lig.get("isdrug", False),
+            "activity_count": lig.get("actcnt", 0),
+        })
+
+    df = pd.DataFrame(rows)
+    n_drugs = df["is_drug"].sum() if not df.empty else 0
+    print(f"Pharos ligands: {gene_symbol} → "
+          f"{len(df)} compounds ({n_drugs} drugs)")
+    return df
+```
+
+## 4. Pharos 統合パイプライン
+
+```python
+def pharos_pipeline(gene_symbols,
+                      output_dir="results"):
+    """
+    Pharos 統合パイプライン。
+
+    Parameters:
+        gene_symbols: list[str] — 遺伝子シンボルリスト
+        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) TDL 分類
+    targets = pharos_target_list(gene_symbols)
+    targets.to_csv(output_dir / "pharos_targets.csv",
+                   index=False)
+
+    # 2) 疾患関連 (上位ターゲット)
+    all_diseases = []
+    for sym in gene_symbols[:10]:
+        diseases = pharos_target_diseases(sym)
+        diseases["target"] = sym
+        all_diseases.append(diseases)
+    if all_diseases:
+        disease_df = pd.concat(all_diseases,
+                               ignore_index=True)
+        disease_df.to_csv(
+            output_dir / "pharos_diseases.csv",
+            index=False)
+
+    # 3) リガンド
+    all_ligands = []
+    for sym in gene_symbols[:10]:
+        ligands = pharos_target_ligands(sym)
+        ligands["target"] = sym
+        all_ligands.append(ligands)
+    if all_ligands:
+        ligand_df = pd.concat(all_ligands,
+                              ignore_index=True)
+        ligand_df.to_csv(
+            output_dir / "pharos_ligands.csv",
+            index=False)
+
+    print(f"Pharos pipeline → {output_dir}")
+    return {"targets": targets}
+```
+
+---
+
+## ToolUniverse 連携
+
+| TU Key | ツール名 | 連携内容 |
+|--------|---------|---------|
+| `pharos` | Pharos | IDG Pharos/TCRD ターゲットナレッジベース |
+
+## パイプライン統合
+
+```
+drug-target-profiling → pharos-targets → drug-repurposing
+  (DGIdb/標的同定)      (TDL/IDG)        (リポジショニング)
+         │                   │                  ↓
+  pharmacology-targets ─────┘      compound-screening
+    (BindingDB/GtoPdb)             (ZINC ライブラリ)
+```
+
+## パイプライン出力
+
+| ファイル | 説明 | 次スキル |
+|---------|------|---------|
+| `results/pharos_targets.csv` | TDL 分類結果 | → drug-target-profiling |
+| `results/pharos_diseases.csv` | 疾患関連 | → disease-research |
+| `results/pharos_ligands.csv` | リガンド/薬剤 | → drug-repurposing |

package/src/.github/skills/scientific-protein-structure-analysis/SKILL.md

@@ -6,6 +6,10 @@ description: |
   ToolUniverse の Protein Structure Retrieval と claude-scientific-skills の
   PDB/AlphaFold スキルを統合。
   「タンパク質の構造を解析して」「PDB 構造を調べて」「ドッキング準備して」で発火。
+tu_tools:
+  - key: proteinsplus
+    name: ProteinsPlus
+    description: タンパク質結合部位検出・構造解析ツール群
 ---
 
 # Scientific Protein Structure Analysis

package/src/.github/skills/scientific-public-health-data/SKILL.md

@@ -4,6 +4,17 @@ description: |
   公衆衛生データアクセススキル。NHANES 疫学調査データ、MedlinePlus 一般向け
   健康情報、RxNorm 薬剤標準語彙、ODPHP 健康目標・ガイドライン、
   Health Disparities 健康格差データ統合パイプライン。
+  ToolUniverse 連携: nhanes, medlineplus, odphp。
+tu_tools:
+  - key: nhanes
+    name: NHANES
+    description: 全米健康栄養調査データ
+  - key: medlineplus
+    name: MedlinePlus
+    description: NLM 一般向け健康情報 API
+  - key: odphp
+    name: ODPHP
+    description: Healthy People 健康目標・ガイドライン
 ---
 
 # Scientific Public Health Data

package/src/.github/skills/scientific-systems-biology/SKILL.md

@@ -5,6 +5,17 @@ description: |
   代謝フラックス解析（FBA / pFBA）・遺伝子制御ネットワーク推定（GRN）・
   シグナル伝達経路モデリング・パラメータ推定・感度解析・
   BioModels/Reactome/KEGG/BiGG 統合パイプライン。
+  ToolUniverse 連携: bigg_models, complex_portal, wikipathways。
+tu_tools:
+  - key: bigg_models
+    name: BiGG Models
+    description: ゲノムスケール代謝モデル BiGG REST API
+  - key: complex_portal
+    name: Complex Portal
+    description: EBI タンパク質複合体データベース
+  - key: wikipathways
+    name: WikiPathways
+    description: WikiPathways コミュニティパスウェイ
 ---
 
 # Scientific Systems Biology

package/src/.github/skills/scientific-variant-effect-prediction/SKILL.md

@@ -6,6 +6,13 @@ description: |
   3 大予測ツールを統合したコンセンサス病原性評価パイプライン。
   Ensembl VEP 連携、バリアントフィルタリング、優先順位付け対応。
   9 の ToolUniverse SMCP ツールと連携。
+tu_tools:
+  - key: spliceai
+    name: SpliceAI
+    description: スプライシングバリアント効果予測
+  - key: cadd
+    name: CADD
+    description: 統合アノテーション依存性枯湇スコア
 ---
 
 # Scientific Variant Effect Prediction