| name | scientific-glycomics |
| description | 糖鎖構造解析スキル。GlyConnect / GlyGen / GlyCosmos
糖鎖データベース統合検索・糖鎖構造描画・糖タンパク質
グリコシル化部位予測・レクチンバインディング・
糖鎖マスフラグメンテーション解析パイプライン。
TU 外スキル (直接 REST API + Python ライブラリ)。
|
| tu_tools | [{"key":"glygen","name":"GlyGen","description":"糖鎖構造・機能データベース検索"}] |
Scientific Glycomics
GlyConnect / GlyGen / GlyCosmos 糖鎖データベースを統合した
糖鎖構造解析・糖タンパク質グリコサイト予測・レクチン特異性・
糖鎖 MS フラグメンテーション解析パイプラインを提供する。
When to Use
- 糖鎖構造を GlyTouCan ID から検索・描画するとき
- タンパク質のグリコシル化部位を予測・マッピングするとき
- GlyGen/GlyConnect で糖鎖-タンパク質関連を検索するとき
- 糖鎖マススペクトルのフラグメンテーション解析を行うとき
- レクチン-糖鎖結合特異性を調査するとき
Quick Start
1. GlyGen 糖鎖検索
import requests
import pandas as pd
GLYGEN_API = "https://api.glygen.org"
def glygen_glycan_search(glycan_type=None,
mass_range=None):
"""
GlyGen — 糖鎖検索。
Parameters:
glycan_type: str | None — 糖鎖タイプ
("N-linked", "O-linked", "GAG" 等)
mass_range: tuple | None — (min_mass, max_mass)
"""
query = {}
if glycan_type:
query["glycan_type"] = glycan_type
if mass_range:
query["mass"] = {
"min": mass_range[0],
"max": mass_range[1]}
url = f"{GLYGEN_API}/glycan/search"
resp = requests.post(url, json=query, timeout=30)
resp.raise_for_status()
data = resp.json()
results = data.get("results", [])
rows = []
for r in results:
rows.append({
"glytoucan_ac": r.get("glytoucan_ac", ""),
"mass": r.get("mass", 0),
"glycan_type": r.get("glycan_type", ""),
"composition": r.get(
"composition", ""),
})
df = pd.DataFrame(rows)
print(f"GlyGen search: {len(df)} glycans found")
return df
def glygen_glycan_detail(glytoucan_ac):
"""
GlyGen — 糖鎖詳細情報取得。
Parameters:
glytoucan_ac: str — GlyTouCan アクセッション
"""
url = f"{GLYGEN_API}/glycan/detail/{glytoucan_ac}"
resp = requests.get(url, timeout=30)
resp.raise_for_status()
data = resp.json()
info = {
"glytoucan_ac": data.get("glytoucan_ac", ""),
"mass": data.get("mass", 0),
"glycan_type": data.get("glycan_type", ""),
"iupac": data.get("iupac", ""),
"glycoct": data.get("glycoct", ""),
"species": [s.get("name", "")
for s in data.get("species", [])],
"proteins": len(data.get("glycoprotein", [])),
}
print(f"GlyGen: {glytoucan_ac} → "
f"type={info['glycan_type']}, "
f"mass={info['mass']:.1f}, "
f"proteins={info['proteins']}")
return info
2. 糖タンパク質グリコサイト検索
def glygen_protein_glycosylation(uniprot_ac):
"""
GlyGen — タンパク質グリコシル化部位取得。
Parameters:
uniprot_ac: str — UniProt アクセッション
"""
url = f"{GLYGEN_API}/protein/detail/{uniprot_ac}"
resp = requests.get(url, timeout=30)
resp.raise_for_status()
data = resp.json()
sites = data.get("glycosylation", [])
rows = []
for site in sites:
rows.append({
"position": site.get("position", 0),
"type": site.get("type", ""),
"glytoucan_ac": site.get(
"glytoucan_ac", ""),
"residue": site.get("residue", ""),
"evidence": site.get("evidence", ""),
})
df = pd.DataFrame(rows)
print(f"GlyGen glycosites: {uniprot_ac} → "
f"{len(df)} sites")
return df
3. 糖鎖 MS フラグメンテーション
import numpy as np
def glycan_fragmentation(composition,
ion_type="[M+Na]+"):
"""
糖鎖 MS フラグメンテーション予測。
Parameters:
composition: dict — 糖鎖組成
例: {"Hex": 5, "HexNAc": 4, "Fuc": 1,
"NeuAc": 2}
ion_type: str — イオン種
"""
monosaccharide_mass = {
"Hex": 162.0528,
"HexNAc": 203.0794,
"Fuc": 146.0579,
"NeuAc": 291.0954,
"NeuGc": 307.0903,
"Pent": 132.0423,
}
adducts = {
"[M+Na]+": 22.9892,
"[M+H]+": 1.0073,
"[M+K]+": 38.9632,
"[M-H]-": -1.0073,
}
total_mass = 18.0106
for sugar, count in composition.items():
if sugar in monosaccharide_mass:
total_mass += (monosaccharide_mass[sugar]
* count)
adduct = adducts.get(ion_type, 22.9892)
precursor_mz = total_mass + adduct
fragments = []
for sugar, count in composition.items():
if sugar not in monosaccharide_mass:
continue
for i in (, count + ):
loss = monosaccharide_mass[sugar] * i
frag_mz = precursor_mz - loss
fragments.append({
: ,
: (frag_mz, ),
: (loss, ),
})
df = pd.DataFrame(fragments).sort_values(
, ascending=)
(
)
df
4. 糖鎖解析統合パイプライン
def glycomics_pipeline(uniprot_ids,
output_dir="results"):
"""
糖鎖解析統合パイプライン。
Parameters:
uniprot_ids: list[str] — UniProt ID 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)
all_sites = []
for uid in uniprot_ids:
sites = glygen_protein_glycosylation(uid)
sites["protein"] = uid
all_sites.append(sites)
if all_sites:
sites_df = pd.concat(all_sites,
ignore_index=True)
sites_df.to_csv(
output_dir / "glycosites.csv",
index=False)
unique_glycans = set()
for df in all_sites:
if not df.empty:
unique_glycans.update(
df["glytoucan_ac"].dropna().unique())
glycan_details = []
for gac in list(unique_glycans)[:50]:
if gac:
detail = glygen_glycan_detail(gac)
if detail:
glycan_details.append(detail)
if glycan_details:
gdf = pd.DataFrame(glycan_details)
gdf.to_csv(
output_dir / "glycan_details.csv",
index=False)
print(f"Glycomics pipeline → {output_dir}")
return {"sites": sites_df all_sites
pd.DataFrame()}
パイプライン統合
proteomics-mass-spectrometry → glycomics → pathway-enrichment
(LC-MS/MS PTM 同定) (糖鎖構造) (糖鎖パスウェイ)
│ │ ↓
protein-structure-analysis ────┘ immunoinformatics
(糖鎖結合サイト構造) (抗体グリコシル化)
パイプライン出力
| ファイル | 説明 | 次スキル |
|---|
results/glycosites.csv | グリコシル化部位 | → protein-structure-analysis |
results/glycan_details.csv | 糖鎖詳細 | → pathway-enrichment |
ToolUniverse 連携
| TU Key | ツール名 | 連携内容 |
|---|
glygen | GlyGen | 糖鎖構造・機能データベース検索 |
