satori

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。

実験結果を論文形式（LaTeX / IMRaD）にエクスポートするスキル。 Introduction・Materials & Methods・Results・Discussion の構造で 出版準備用の原稿を自動生成する。 「論文にして」「LaTeX出力」「出版準備」で発火。

実験結果の査読・レビュースキル。再現性・統計的妥当性・方法論の 健全性を体系的に評価し、構造化されたレビューレポートを生成する。 「レビューして」「査読して」「実験結果を評価して」で発火。

科学技術・学術論文の執筆スキル。IMRaD 標準、Nature/Science 系、ACS 系、IEEE 系、 Elsevier 系のジャーナル形式に対応した論文構成・セクション設計・文章パターンを提供。 「論文を書いて」「Abstract を作成して」「Methods セクションを書いて」で発火。 assets/ に主要ジャーナル形式の Markdown テンプレートを同梱。

アクティブラーニング (能動学習) スキル。不確実性サンプリング・ Query-by-Committee・期待モデル変化・プール型/ストリーム型・ バッチアクティブラーニング・停止基準判定・ モデル改善パイプライン。

適応的実験計画スキル。多腕バンディット (Thompson Sampling/UCB)・ ベイズ適応設計・逐次検定 (SPRT)・ Response-Adaptive Randomization・早期停止規則。

高度バイオイメージング解析スキル。CellProfiler によるモフォロジカル プロファイリング・Cell Painting 解析、Cellpose による深層学習 セルセグメンテーション、napari によるインタラクティブ 3D 可視化。

科学データ高度可視化スキル。Plotly インタラクティブ 3D ・ Altair 宣言的可視化・Seaborn 統計プロット・ アニメーション・Parallel Coordinates・出版品質図。

異常検知・外れ値検出スキル。Isolation Forest・LOF・ One-Class SVM・Autoencoder 異常検知・統計的工程管理 (SPC)・ 多変量異常検知・異常スコアリング・閾値最適化。

AutoML パイプラインスキル。Optuna ハイパーパラメータ最適化・ FLAML 高速 AutoML・Auto-sklearn モデル選択・ NAS (Neural Architecture Search)・ 特徴量エンジニアリング自動化・モデル比較パイプライン。

ベイズ統計スキル。PyMC・Stan・ArviZ を活用し、ベイズ回帰・階層モデル・ MCMC サンプリング・ベイズ最適化・事後予測チェック・モデル比較を支援。 「ベイズ回帰して」「MCMC で推定して」「事後分布を求めて」で発火。

バイオバンク・大規模コホートデータ解析スキル。UK Biobank / BBJ / All of Us 等の大規模コホートデータに対するフェノタイプ 辞書検索・GWAS サマリー統計処理・PheWAS パイプライン。

生体信号処理スキル。ECG（R波検出・HRV時間/周波数ドメイン・Poincaréプロット）、 EEG（マルチチャネル・バンドパワーδ/θ/α/β/γ・スペクトログラム・ERP）、 EMG（バースト検出・包絡線）、呼吸信号（RSA）の解析パイプライン。 Scientific Skills Exp-08 で確立したパターン。

因果推論スキル。傾向スコアマッチング（PSM）、逆確率重み付け（IPW / IPTW）、 操作変数法（2SLS）、差分の差分法（DID）、回帰不連続デザイン（RDD）、 DAG ベースの共変量選択（backdoor criterion）、感度分析テンプレートを提供。

因果機械学習スキル。DoWhy 因果モデル・EconML CATE 推定・ Double/Debiased ML・Causal Forest・メタラーナー (S/T/X)・ 異質的処置効果 (HTE)・因果特徴量選択。

臨床自然言語処理スキル。MedSpaCy / cTAKES / scispaCy による臨床テキスト NER、セクション検出、否定文検出、 ICD-10/SNOMED-CT エンティティリンキング、 匿名化 (De-identification) パイプライン。 TU 外スキル (直接 Python ライブラリ)。

臨床薬理学モデリングスキル。PopPK (NLME 混合効果モデル)・ PBPK シミュレーション・TDM 投与量最適化・ Emax/Sigmoid PD モデリング・薬物間相互作用予測・ 臨床薬理パイプライン。 TU 外スキル (Python + nlmixr2/mrgsolve ラッパー)。

臨床標準用語・コードマッピングスキル。LOINC 臨床検査コード・ ICD-10/ICD-11 疾病分類・FHIR R4 リソースマッピング・ SNOMED CT 用語変換・臨床用語相互運用パイプライン。 ToolUniverse 連携: loinc。

CRISPR gRNA 設計スキル。Cas9/Cas12a PAM 配列検索・ オフターゲットスコアリング (CFD/MIT)・ CRISPRscan/Rule Set 2 活性予測・検証プライマー設計・ sgRNA スクリーニングライブラリ構築パイプライン。 TU 外スキル (Python ライブラリ + ローカル解析)。

学術論文の草稿に対する批判的レビュー・修正スキル。論理構成、考察の深さ、 データ解釈の妥当性、先行研究との整合性、統計的主張の正確性を多角的に検証し、 具体的な修正案を生成する。「論文をレビューして」「考察を深めて」「草稿を改善して」で発火。 scientific-academic-writing で草稿を作成した後のセルフレビューに使用。

科学データの前処理パイプラインスキル。欠損値補完（KNNImputer/SimpleImputer）、 エンコーディング（LabelEncoder/OneHot/ダミー変数）、スケーリング（Standard/MinMax/Robust/Pareto）、 対数変換、外れ値処理のテンプレートを提供。全 Exp-01〜13 に横断的に適用される基盤スキル。

データプロファイリング・品質スキル。ydata-profiling 自動 EDA ・ Great Expectations データバリデーション・データ品質スコア・ 型推論・相関検出・外れ値フラグ・データカタログ生成。

物理・化学・生物学に基づく合成データ生成のスキル。実験データが不足する場合に、 ドメイン知識を反映したシミュレーションデータを生成する際に使用。 Scientific Skills Exp-06, 07, 08, 09, 12, 13 で確立したパターン。

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。

深層学習分子特性予測スキル。DeepChem による GCN/MPNN/AttentiveFP 分子特性予測・MoleculeNet ベンチマーク・ChemBERTa/GROVER 事前学習モデル・分子フィンガープリントフィーチャライザ。

深層学習スキル。PyTorch Lightning・Hugging Face Transformers・timm を活用し、 NN アーキテクチャ設計・転移学習・分散トレーニング・ハイパーパラメータ最適化・ モデルデプロイを支援。 「ニューラルネットで学習して」「Transformer を Fine-tune して」「深層学習モデルを構築して」で発火。

実験計画法（DOE）スキル。直交配列表（L9/L16/L27）、中心複合計画（CCD）、 Box-Behnken 設計、D-最適計画、応答曲面法（RSM）、交互作用解析、 ベイズ最適化（Gaussian Process）、効果プロット（主効果/交互作用/pareto）の テンプレートを提供。

探索的データ解析（EDA）と相関分析のスキル。データの分布可視化、相関ヒートマップ、 散布図行列の作成を行う際に使用。Scientific Skills Exp-02, 12, 13 で確立したパターン。

アンサンブル学習スキル。Stacking/Blending 多段積層・ Boosting (XGBoost/LightGBM/CatBoost) 勾配ブースティング・ Bagging/Random Subspace・Voting 分類器/回帰器・ アンサンブル多様性評価・モデル統合パイプライン。

説明可能 AI (XAI) スキル。SHAP・LIME・Captum・InterpretML を活用し、 モデル予測の根拠説明・特徴量寄与分解・反実仮想説明・公平性監査を支援。 「モデルの予測を説明して」「SHAP 値を計算して」「LIME で説明して」で発火。

特徴量重要度分析のスキル。Tree-based Feature Importance と Permutation Importance を 用いて予測モデルの説明可能性を向上させる際に使用。 Scientific Skills Exp-05, 12, 13 で確立したパターン。

連合学習スキル。Flower フレームワークによる FL パイプライン・ FedAvg/FedProx/FedOpt 集約戦略・差分プライバシー (DP-SGD)・ 非 IID データ分割・通信効率化。

地理空間データ解析スキル。GeoPandas ベクターデータ処理・ Rasterio ラスター解析・Folium/Kepler.gl インタラクティブ地図・ 空間自己相関 (Moran's I)・クリギング補間・CRS 変換。

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)。

GPU アクセラレーション シングルセル解析スキル。 rapids-singlecell / cuML / cuGraph による GPU 並列処理。 大規模 (>1M cells) データの高速前処理・クラスタリング・ 次元削減。K-Dense: rapids-singlecell。

HGNC 遺伝子命名法スキル。HUGO Gene Nomenclature Committee REST API による公式遺伝子シンボル検索・エイリアス解決・ 遺伝子ファミリー/グループクエリ・ID クロスリファレンス パイプライン。 TU 外スキル (直接 REST API)。

ユーザーのプロンプト（研究テーマ・データ記述）から仮説を立案し、 検証用の解析パイプラインを自動生成するスキル。PICO/PECO フレームワークによる 仮説構造化、適切な統計検定の選択、パイプラインコード生成を行う。 「仮説を立てて」「このデータで何がわかる？」「解析パイプラインを作って」で発火。

科学画像解析スキル。顕微鏡画像のセグメンテーション（Otsu/Watershed/Felzenszwalb）、 粒径分布解析、形態計測（面積・周囲長・真円度・アスペクト比）、テクスチャ解析 （GLCM/LBP）、強度プロファイル、マルチチャネル蛍光画像合成の解析テンプレート。