@nahisaho/satori 0.9.0 → 0.11.0

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

@@ -0,0 +1,349 @@
+---
+name: scientific-microbiome-metagenomics
+description: |
+  マイクロバイオーム・メタゲノミクス解析スキル。16S rRNA アンプリコン解析（DADA2）・
+  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。
+---
+
+# Scientific Microbiome & Metagenomics
+
+マイクロバイオーム解析の標準パイプラインを提供する。
+16S rRNA アンプリコンおよびショットガンメタゲノムデータの
+品質管理、分類学的プロファイリング、多様性評価、
+差次存在量解析、機能的アノテーションを体系的に扱う。
+
+## When to Use
+
+- 16S rRNA アンプリコンシーケンスの解析が必要なとき
+- ショットガンメタゲノムの分類学的・機能的プロファイリングを行うとき
+- 群集の α / β 多様性を比較するとき
+- 群間で差次存在量の微生物を同定するとき
+- 組成データ（compositional data）の統計解析を行うとき
+
+---
+
+## Quick Start
+
+## 1. 16S rRNA アンプリコン解析（DADA2）
+
+```python
+import numpy as np
+import pandas as pd
+
+def dada2_pipeline(fastq_dir, trim_left=20, trunc_len_f=240, trunc_len_r=200,
+                    min_overlap=12):
+    """
+    DADA2 アンプリコン解析パイプライン。
+
+    手順:
+      1. filterAndTrim — 品質フィルタリング + プライマー除去
+      2. learnErrors — エラーモデル学習
+      3. dada — ASV（Amplicon Sequence Variant）推定
+      4. mergePairs — ペアエンドマージ
+      5. removeBimeraDenovo — キメラ除去
+      6. assignTaxonomy — SILVA/GTDB による分類
+
+    ASV vs OTU:
+      ASV は 100% 配列同一性で分解（1 塩基差を区別）
+      OTU は 97% 類似度でクラスタリング（旧来法）
+    """
+    import subprocess
+
+    r_script = f"""
+    library(dada2)
+
+    path <- "{fastq_dir}"
+    fnFs <- sort(list.files(path, pattern="_R1_001.fastq.gz", full.names=TRUE))
+    fnRs <- sort(list.files(path, pattern="_R2_001.fastq.gz", full.names=TRUE))
+
+    # Filter and trim
+    filtFs <- file.path(path, "filtered", basename(fnFs))
+    filtRs <- file.path(path, "filtered", basename(fnRs))
+    out <- filterAndTrim(fnFs, filtFs, fnRs, filtRs,
+                          trimLeft={trim_left}, truncLen=c({trunc_len_f},{trunc_len_r}),
+                          maxN=0, maxEE=c(2,2), truncQ=2, rm.phix=TRUE)
+
+    # Error learning
+    errF <- learnErrors(filtFs, multithread=TRUE)
+    errR <- learnErrors(filtRs, multithread=TRUE)
+
+    # Denoise
+    dadaFs <- dada(filtFs, err=errF, multithread=TRUE)
+    dadaRs <- dada(filtRs, err=errR, multithread=TRUE)
+
+    # Merge
+    merged <- mergePairs(dadaFs, filtFs, dadaRs, filtRs, minOverlap={min_overlap})
+
+    # ASV table
+    seqtab <- makeSequenceTable(merged)
+    seqtab.nochim <- removeBimeraDenovo(seqtab, method="consensus")
+
+    # Taxonomy
+    taxa <- assignTaxonomy(seqtab.nochim, "silva_nr99_v138.1_train_set.fa.gz")
+
+    write.csv(seqtab.nochim, "results/asv_table.csv")
+    write.csv(taxa, "results/taxonomy.csv")
+    """
+
+    with open("_dada2_pipeline.R", "w") as f:
+        f.write(r_script)
+    subprocess.run(["Rscript", "_dada2_pipeline.R"], check=True)
+
+    asv_table = pd.read_csv("results/asv_table.csv", index_col=0)
+    taxonomy = pd.read_csv("results/taxonomy.csv", index_col=0)
+    print(f"  DADA2: {asv_table.shape[1]} ASVs from {asv_table.shape[0]} samples")
+    return asv_table, taxonomy
+```
+
+## 2. ショットガン分類学的プロファイリング
+
+```python
+def shotgun_taxonomic_profiling(fastq_files, method="metaphlan"):
+    """
+    ショットガンメタゲノム分類学的プロファイリング。
+
+    method:
+      - "metaphlan": MetaPhlAn 4 — clade-specific marker 遺伝子ベース
+      - "kraken2": Kraken2 — k-mer ベース（高速、メモリ大）
+      - "sourmash": sourmash — MinHash ベース
+
+    MetaPhlAn: 精度重視（微量種の検出に優れる）
+    Kraken2: 速度重視（大規模データ向け）
+    """
+    import subprocess
+
+    profiles = []
+    for fq in fastq_files:
+        sample = fq.split("/")[-1].replace(".fastq.gz", "")
+
+        if method == "metaphlan":
+            cmd = (f"metaphlan {fq} --input_type fastq "
+                   f"--nproc 8 -o {sample}_profile.txt "
+                   f"--bowtie2out {sample}.bt2out")
+        elif method == "kraken2":
+            cmd = (f"kraken2 --db kraken2_db --threads 8 "
+                   f"--report {sample}_report.txt "
+                   f"--output {sample}_kraken.txt {fq}")
+
+        subprocess.run(cmd, shell=True, check=True)
+        profile = pd.read_csv(f"{sample}_profile.txt", sep="\t",
+                                comment="#", header=None)
+        profile["sample"] = sample
+        profiles.append(profile)
+
+    merged = pd.concat(profiles, ignore_index=True)
+    print(f"  Profiling ({method}): {len(fastq_files)} samples processed")
+    return merged
+```
+
+## 3. α / β 多様性解析
+
+```python
+from scipy.spatial.distance import braycurtis, pdist, squareform
+from scipy.stats import mannwhitneyu, kruskal
+from skbio.diversity import alpha_diversity, beta_diversity
+
+def alpha_diversity_analysis(asv_table, metadata, group_col,
+                               metrics=None):
+    """
+    α 多様性（群集内多様性）解析。
+
+    指標:
+      - observed_features: 観察種数（Richness）
+      - shannon: Shannon entropy H' = -Σ pᵢ ln(pᵢ)
+      - simpson: Simpson index D = 1 - Σ pᵢ²
+      - chao1: Chao1 推定種数 S_est = S_obs + f₁²/(2·f₂)
+      - faith_pd: Faith's Phylogenetic Diversity（系統的多様性）
+    """
+    if metrics is None:
+        metrics = ["observed_features", "shannon", "simpson", "chao1"]
+
+    results = {}
+    for metric in metrics:
+        values = alpha_diversity(metric, asv_table.values, asv_table.index)
+        results[metric] = values
+
+    alpha_df = pd.DataFrame(results, index=asv_table.index)
+    alpha_df = alpha_df.join(metadata[[group_col]])
+
+    # 群間比較
+    groups = alpha_df[group_col].unique()
+    comparisons = {}
+    for metric in metrics:
+        if len(groups) == 2:
+            g1 = alpha_df[alpha_df[group_col] == groups[0]][metric]
+            g2 = alpha_df[alpha_df[group_col] == groups[1]][metric]
+            stat, pval = mannwhitneyu(g1, g2)
+        else:
+            group_data = [alpha_df[alpha_df[group_col] == g][metric] for g in groups]
+            stat, pval = kruskal(*group_data)
+        comparisons[metric] = {"statistic": stat, "p_value": pval}
+
+    print(f"  α diversity: {len(metrics)} indices computed for {len(alpha_df)} samples")
+    return alpha_df, comparisons
+
+
+def beta_diversity_analysis(asv_table, metadata, group_col,
+                              metric="braycurtis", n_perms=999):
+    """
+    β 多様性（群集間距離）解析。
+
+    距離指標:
+      - braycurtis: Bray-Curtis dissimilarity
+      - jaccard: Jaccard distance
+      - unifrac: UniFrac（系統考慮、ツリー必要）
+      - aitchison: Aitchison distance（CoDA 推奨）
+
+    統計検定:
+      - PERMANOVA (adonis2): 群間距離の有意差
+      - PERMDISP: 分散均一性検定
+    """
+    dm = beta_diversity(metric, asv_table.values, asv_table.index)
+
+    # PERMANOVA
+    from skbio.stats.distance import permanova
+    groups = metadata.loc[asv_table.index, group_col]
+    permanova_result = permanova(dm, groups, permutations=n_perms)
+
+    # PCoA
+    from skbio.stats.ordination import pcoa
+    pcoa_result = pcoa(dm)
+
+    print(f"  β diversity ({metric}): PERMANOVA R²={permanova_result['test statistic']:.4f}, "
+          f"p={permanova_result['p-value']:.4f}")
+    return dm, pcoa_result, permanova_result
+```
+
+## 4. 差次存在量解析
+
+```python
+def differential_abundance(asv_table, metadata, group_col,
+                             formula="~group", method="ancombc"):
+    """
+    差次存在量解析 — 群間で有意に異なる微生物の同定。
+
+    method:
+      - "ancombc": ANCOM-BC2 — バイアス補正・組成データ対応（推奨）
+      - "deseq2": DESeq2 — 負の二項分布（RNA-seq 由来）
+      - "aldex2": ALDEx2 — CLR 変換 + 効果量
+
+    組成データの問題:
+      相対存在量は合計=1 の制約がありスプリアス相関を生む。
+      CLR 変換: clr(x) = log(xᵢ / geometric_mean(x))
+    """
+    import subprocess
+
+    if method == "ancombc":
+        r_script = f"""
+        library(ANCOMBC)
+        library(phyloseq)
+        # ANCOM-BC2 analysis
+        res <- ancombc2(data=ps, fix_formula="{formula}",
+                         p_adj_method="holm", alpha=0.05)
+        write.csv(res$res, "results/da_results.csv")
+        """
+        with open("_da_analysis.R", "w") as f:
+            f.write(r_script)
+        subprocess.run(["Rscript", "_da_analysis.R"], check=True)
+        results = pd.read_csv("results/da_results.csv", index_col=0)
+
+    elif method == "deseq2":
+        r_script = f"""
+        library(DESeq2)
+        dds <- DESeqDataSetFromMatrix(countData=asv_counts,
+                                       colData=sample_data,
+                                       design={formula})
+        dds <- DESeq(dds)
+        res <- results(dds)
+        write.csv(as.data.frame(res), "results/da_results.csv")
+        """
+        with open("_da_analysis.R", "w") as f:
+            f.write(r_script)
+        subprocess.run(["Rscript", "_da_analysis.R"], check=True)
+        results = pd.read_csv("results/da_results.csv", index_col=0)
+
+    n_sig = (results.get("padj", results.get("q_val", pd.Series())) < 0.05).sum()
+    print(f"  DA ({method}): {n_sig} differentially abundant taxa")
+    return results
+```
+
+## 5. 機能的プロファイリング
+
+```python
+def functional_profiling(fastq_files, method="humann"):
+    """
+    メタゲノム機能的プロファイリング。
+
+    method:
+      - "humann": HUMAnN 3 — UniRef90/MetaCyc パスウェイ
+      - "picrust2": PICRUSt2 — 16S から機能予測
+
+    HUMAnN 出力:
+      1. Gene families (UniRef90/UniRef50)
+      2. Pathway abundance (MetaCyc)
+      3. Pathway coverage
+    """
+    import subprocess
+
+    for fq in fastq_files:
+        sample = fq.split("/")[-1].replace(".fastq.gz", "")
+        cmd = (f"humann --input {fq} --output humann_results/{sample}/ "
+               f"--threads 8 --nucleotide-database chocophlan "
+               f"--protein-database uniref")
+        subprocess.run(cmd, shell=True, check=True)
+
+    # 結果のマージ
+    subprocess.run("humann_join_tables -i humann_results/ -o results/pathway_abundance.tsv "
+                    "--file_name pathabundance", shell=True, check=True)
+    subprocess.run("humann_join_tables -i humann_results/ -o results/genefamilies.tsv "
+                    "--file_name genefamilies", shell=True, check=True)
+
+    pathways = pd.read_csv("results/pathway_abundance.tsv", sep="\t", index_col=0)
+    print(f"  HUMAnN: {pathways.shape[0]} pathways across {pathways.shape[1]} samples")
+    return pathways
+```
+
+## References
+
+### Output Files
+
+| ファイル | 形式 |
+|---|---|
+| `results/asv_table.csv` | CSV |
+| `results/taxonomy.csv` | CSV |
+| `results/alpha_diversity.csv` | CSV |
+| `results/beta_distance_matrix.csv` | CSV |
+| `results/da_results.csv` | CSV |
+| `results/pathway_abundance.tsv` | TSV |
+| `figures/alpha_boxplot.png` | PNG |
+| `figures/pcoa_plot.png` | PNG |
+| `figures/barplot_taxonomy.png` | PNG |
+
+### 利用可能ツール
+
+> [ToolUniverse](https://github.com/mims-harvard/ToolUniverse) SMCP 経由で利用可能な外部ツール。
+
+| カテゴリ | 主要ツール | 用途 |
+|---|---|---|
+| MGnify | `MGnify_search_studies` | メタゲノム研究検索 |
+| MGnify | `MGnify_list_analyses` | メタゲノム解析一覧 |
+| KEGG | `kegg_get_pathway_info` | 代謝パスウェイ情報 |
+| KEGG | `kegg_search_pathway` | パスウェイ検索 |
+| MetaCyc | `MetaCyc_search_pathways` | 代謝経路検索 |
+| PubMed | `PubMed_search_articles` | マイクロバイオーム文献検索 |
+
+### 参照スキル
+
+| スキル | 連携内容 |
+|---|---|
+| [scientific-metabolomics](../scientific-metabolomics/SKILL.md) | 代謝物-微生物相関 |
+| [scientific-network-analysis](../scientific-network-analysis/SKILL.md) | 微生物共起ネットワーク |
+| [scientific-statistical-testing](../scientific-statistical-testing/SKILL.md) | 多重検定補正 |
+| [scientific-multi-omics](../scientific-multi-omics/SKILL.md) | マルチオミクス統合 |
+| [scientific-causal-inference](../scientific-causal-inference/SKILL.md) | 因果推論（微生物-表現型） |
+
+#### 依存パッケージ
+
+- scikit-bio, biom-format, qiime2, dada2 (R), ANCOM-BC (R), DESeq2 (R), HUMAnN, MetaPhlAn