القائمة
科学データ登録・アーカイブスキル。GenBank/SRA 配列登録・ ENA 配列アーカイブ・GEO 発現データ登録・BioProject/BioSample メタデータ管理・FAIR 原則準拠データ共有。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/nahisaho/satori --skill scientific-data-submissionيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
実験の監査レポート・データ来歴（プロベナンス）生成スキル。 データ変換履歴・使用ツールのバージョン・データ整合性チェックを 含むトレーサビリティレポートを自動生成する。 「監査レポート作成」「データ来歴を記録」「トレーサビリティ」で発火。
派生実験設計スキル。既存の実験をベースに条件を変更した派生実験を 設計する。実験計画法（DOE）に基づくパラメータ探索を支援。 「派生実験を設計して」「条件を変えて実験」「パラメータ探索」で発火。
実験テンプレート生成スキル。研究目的・仮説・手法・実験条件・評価基準・ スケジュールを構造化した実験計画書を自動作成する。 「実験テンプレート作成して」「実験計画を立てて」「実験プロトコルを作成」で発火。
عرض SKILL.md
استنادا إلى تصنيف SOC المهني
| name | scientific-data-submission |
| description | 科学データ登録・アーカイブスキル。GenBank/SRA 配列登録・ ENA 配列アーカイブ・GEO 発現データ登録・BioProject/BioSample メタデータ管理・FAIR 原則準拠データ共有。 |
| tu_tools | [{"key":"ena","name":"ENA","description":"データ登録・アクセッション管理"}] |
GenBank / SRA / ENA / GEO / BioProject を活用した科学データの 登録・アーカイブパイプラインを提供する。FAIR 原則に準拠した 配列データ・発現データ・メタデータの公開準備。
import json
import pandas as pd
from pathlib import Path
from datetime import date
def create_bioproject_metadata(title, description, organism,
data_type="Genome Sequencing",
relevance="Medical"):
"""
BioProject メタデータ XML/JSON 生成。
Parameters:
title: str — プロジェクトタイトル
description: str — プロジェクト説明
organism: str — 生物種名
data_type: str — データ種別
relevance: str — 関連分野
"""
bioproject = {
"Project": {
"ProjectID": {"ArchiveID": {"accession": "PRJNA_PENDING"}},
"Descriptor": {
"Title": title,
"Description": description,
"Relevance": relevance,
},
"ProjectType": {
"ProjectTypeSubmission": {
"Target": {
"Organism": {"OrganismName": organism},
},
"Method": {"MethodType": data_type},
"Objectives": {"Data": {"DataType": data_type}},
}
},
}
}
print(f"BioProject metadata created:")
print(f" Title: {title}")
print(f" Organism: {organism}")
print(f" Data type: {data_type}")
return bioproject
def create_biosample_table(samples, organism, package="Generic"):
"""
BioSample TSV テンプレート生成。
Parameters:
samples: list[dict] — サンプル情報
organism: str — 生物種名
package: str — BioSample パッケージ
"""
required_fields = [
"sample_name", "organism", "collection_date",
"geo_loc_name", "tissue", "description",
]
rows = []
for s in samples:
row = {
"sample_name": s.get("name", ""),
"organism": organism,
"collection_date": s.get("date", str(date.today())),
"geo_loc_name": s.get("location", "not collected"),
"tissue": s.get("tissue", "not applicable"),
"description": s.get("description", ""),
}
row.update({k: v for k, v in s.items()
if k not in ["name", "date", "location"]})
rows.append(row)
df = pd.DataFrame(rows)
print(f"BioSample table: {len(df)} samples, package='{package}'")
return df
def prepare_genbank_submission(sequences, annotations, output_dir="submission"):
"""
GenBank 配列登録用 .sqn ファイル準備。
Parameters:
sequences: dict — {seq_id: sequence_string}
annotations: dict — {seq_id: {gene, product, organism, ...}}
output_dir: str — 出力ディレクトリ
"""
output_dir = Path(output_dir)
output_dir.mkdir(parents=True, exist_ok=True)
# FASTA 生成
fasta_path = output_dir / "sequences.fsa"
with open(fasta_path, "w") as f:
for seq_id, seq in sequences.items():
ann = annotations.get(seq_id, {})
organism = ann.get("organism", "Unknown organism")
f.write(f">{seq_id} [organism={organism}]\n")
# 80文字折返し
for i in range(0, len(seq), 80):
f.write(seq[i:i+80] + "\n")
# Feature Table 生成
tbl_path = output_dir / "sequences.tbl"
with open(tbl_path, "w") as f:
for seq_id, ann in annotations.items():
f.write(f">Feature {seq_id}\n")
if "gene" in ann:
f.write(f"1\t{len(sequences[seq_id])}\tgene\n")
f.write()
ann:
f.write()
f.write()
template = {
: {
: (annotations.values())[].get(, ),
: ,
},
: {
: ,
},
}
template_path = output_dir /
(template_path, ) f:
json.dump(template, f, indent=)
()
()
()
{: (fasta_path), : (tbl_path)}
def prepare_sra_metadata(samples, library_strategy="WGS",
library_source="GENOMIC",
platform="ILLUMINA",
instrument_model="Illumina NovaSeq 6000"):
"""
SRA メタデータ TSV 生成。
Parameters:
samples: list[dict] — {biosample, title, file_r1, file_r2}
library_strategy: str — WGS/RNA-Seq/AMPLICON/etc.
library_source: str — GENOMIC/TRANSCRIPTOMIC/etc.
platform: str — ILLUMINA/OXFORD_NANOPORE/etc.
"""
rows = []
for s in samples:
rows.append({
"biosample_accession": s.get("biosample", "SAMN_PENDING"),
"library_ID": s.get("library_id", s.get("title", "")),
"title": s.get("title", ""),
"library_strategy": library_strategy,
"library_source": library_source,
"library_selection": s.get("selection", "RANDOM"),
"library_layout": "paired" if s.get("file_r2") else "single",
"platform": platform,
"instrument_model": instrument_model,
"filetype": "fastq",
"filename": s.get("file_r1", ""),
"filename2": s.get("file_r2", ""),
})
df = pd.DataFrame(rows)
()
df
():
subprocess
ascp_key :
ascp_key = Path.home() /
f files:
cmd = [
, , (ascp_key),
, , , , ,
(f), destination,
]
()
subprocess.run(cmd, check=)
()
def prepare_geo_submission(expression_matrix, sample_metadata,
platform="GPL16791", output_dir="geo_submission"):
"""
GEO SOFT 形式サブミッション準備。
Parameters:
expression_matrix: pd.DataFrame — 遺伝子 × サンプルマトリクス
sample_metadata: pd.DataFrame — サンプルメタデータ
platform: str — GEO プラットフォーム ID
output_dir: str — 出力ディレクトリ
"""
output_dir = Path(output_dir)
output_dir.mkdir(parents=True, exist_ok=True)
# SOFT テンプレート
soft_path = output_dir / "submission.soft"
with open(soft_path, "w") as f:
# Series section
f.write("^SERIES\n")
f.write("!Series_title = \n")
f.write("!Series_summary = \n")
f.write(f"!Series_platform_id = {platform}\n")
# Sample sections
for col in expression_matrix.columns:
meta = sample_metadata[sample_metadata["sample_id"] == col]
f.write(f"\n^SAMPLE = {col}\n")
f.write(f"!Sample_title = {col}\n")
if len(meta) > 0:
for key, val in meta.iloc[0].items():
if key != "sample_id":
f.write(f"!Sample_characteristics_ch1 = {key}: {val}\n")
# Matrix file
matrix_path = output_dir / "expression_matrix.txt"
expression_matrix.to_csv(matrix_path, sep=)
raw_files_path = output_dir /
(raw_files_path, ) f:
col expression_matrix.columns:
f.write()
(
)
{: (soft_path), : (matrix_path)}
def fair_checklist(submission_package):
"""
FAIR 原則準拠チェックリスト。
Parameters:
submission_package: dict — 登録パッケージ情報
"""
checks = {
"Findable": {
"F1_persistent_id": bool(submission_package.get("accession")),
"F2_metadata_rich": bool(submission_package.get("metadata")),
"F3_id_in_metadata": True,
"F4_searchable_registry": bool(submission_package.get("repository")),
},
"Accessible": {
"A1_retrievable_protocol": bool(submission_package.get("access_url")),
"A1_1_open_protocol": True,
"A2_metadata_persists": True,
},
"Interoperable": {
"I1_formal_language": bool(submission_package.get("format")),
"I2_fair_vocabularies": bool(submission_package.get("ontology_terms")),
"I3_qualified_references": bool(submission_package.get("references")),
},
"Reusable": {
"R1_usage_license": bool(submission_package.get("license")),
"R1_1_community_standards": bool(submission_package.get("standard")),
"R1_2_provenance": (submission_package.get()),
},
}
total =
passed =
principle, items checks.items():
check, status items.items():
total +=
status:
passed +=
score = passed / total * total >
()
principle, items checks.items():
n_pass = (items.values())
()
checks
bioinformatics → data-submission → literature-search
(解析完了) (データ登録) (論文投稿時)
│ │ ↓
lab-data-management ───┘ academic-writing
(Benchling/OMERO) │ (論文執筆)
↓
ebi-databases
(ENA/BioStudies 連携)
| ファイル | 説明 | 次スキル |
|---|---|---|
submission/sequences.fsa | GenBank 登録用 FASTA | → bioinformatics |
submission/sra_metadata.tsv | SRA メタデータ | → ebi-databases |
geo_submission/submission.soft | GEO SOFT テンプレート | → gene-expression |
submission/fair_report.json | FAIR チェックリスト結果 | → academic-writing |
| TU Key | ツール名 | 連携内容 |
|---|---|---|
ena | ENA | データ登録・アクセッション管理 |