Menu
薬理学的ターゲットプロファイリングスキル。BindingDB 結合親和性、 GPCRdb GPCR 構造-活性、GtoPdb 薬理学、BRENDA 酵素動態、 Pharos 未解明ターゲット(TDL)の統合解析パイプライン。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
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。
| name | scientific-pharmacology-targets |
| description | 薬理学的ターゲットプロファイリングスキル。BindingDB 結合親和性、 GPCRdb GPCR 構造-活性、GtoPdb 薬理学、BRENDA 酵素動態、 Pharos 未解明ターゲット(TDL)の統合解析パイプライン。 |
| tu_tools | [{"key":"bindingdb","name":"BindingDB","description":"結合親和性データベース"},{"key":"gtopdb","name":"GtoPdb","description":"Guide to PHARMACOLOGY"},{"key":"brenda","name":"BRENDA","description":"酵素動態データベース"}] |
複数の薬理学データベース (BindingDB, GPCRdb, GtoPdb, BRENDA, Pharos) を 統合した包括的ターゲットプロファイリングパイプラインを提供する。
import requests
import pandas as pd
def get_bindingdb_ligands(uniprot_id, cutoff=None):
"""
BindingDB から UniProt ID ベースのリガンド結合データを取得。
Parameters:
uniprot_id: str — UniProt accession (e.g., "P00533")
cutoff: float | None — affinity cutoff nM
ToolUniverse:
BindingDB_get_ligands_by_uniprot(uniprot_id=uniprot_id)
BindingDB_get_targets_by_compound(smiles=smiles)
"""
url = "https://bindingdb.org/axis2/services/BDBService"
params = {
"uniprot": uniprot_id,
"response": "json",
}
if cutoff:
params["cutoff"] = cutoff
resp = requests.get(f"{url}/getLigandsByUniprot", params=params)
resp.raise_for_status()
data = resp.json()
ligands = data.get("getLigandsByUniprotResponse", {}).get("affinities", [])
results = []
for lig in ligands:
results.append({
"monomer_id": lig.get("monomerid", ""),
"smiles": lig.get("smiles", ""),
"affinity_type": lig.get("affinity_type", ""),
"affinity_value_nm": lig.get("affinity", ""),
"source": lig.get("source", ""),
})
df = pd.DataFrame(results)
print(f"BindingDB '{uniprot_id}': {len(df)} ligands")
return df
def get_gpcrdb_profile(protein_entry):
"""
GPCRdb から GPCR のリガンド・変異・構造情報を取得。
Parameters:
protein_entry: str — GPCRdb entry name (e.g., "adrb2_human")
ToolUniverse:
GPCRdb_get_protein(entry_name=protein_entry)
GPCRdb_get_ligands(entry_name=protein_entry)
GPCRdb_get_mutations(entry_name=protein_entry)
GPCRdb_get_structures(entry_name=protein_entry)
GPCRdb_list_proteins()
"""
base = "https://gpcrdb.org/services"
# Protein info
resp_p = requests.get(f"{base}/protein/{protein_entry}/")
resp_p.raise_for_status()
protein = resp_p.json()
# Ligands
resp_l = requests.get(f"{base}/ligands/{protein_entry}/")
ligands = resp_l.json() if resp_l.status_code == 200 else []
# Mutations
resp_m = requests.get(f"{base}/mutants/{protein_entry}/")
mutations = resp_m.json() if resp_m.status_code == 200 else []
# Structures
resp_s = requests.get(f"{base}/structure/protein/{protein_entry}/")
structures = resp_s.json() if resp_s.status_code == 200 else []
profile = {
"entry_name": protein.get("entry_name", ""),
"name": protein.get("name", ""),
"family": protein.get("family", ""),
"species": protein.get("species", ""),
"num_ligands": len(ligands),
"num_mutations": len(mutations),
"num_structures": len(structures),
}
print(f"GPCRdb '{protein_entry}': "
f"{profile['num_ligands']} ligands, "
f"{profile['num_mutations']} mutations, "
f"{profile['num_structures']} structures")
return profile, ligands, mutations, structures
def get_gtopdb_target_pharmacology(target_id):
"""
Guide to PHARMACOLOGY (GtoPdb) から
ターゲットの薬理学的相互作用データを取得。
ToolUniverse:
GtoPdb_get_target(target_id=target_id)
GtoPdb_get_target_interactions(target_id=target_id)
GtoPdb_get_ligand(ligand_id=ligand_id)
GtoPdb_search_interactions(query=query)
"""
base = "https://www.guidetopharmacology.org/services"
# Target info
resp_t = requests.get(f"{base}/targets/{target_id}")
resp_t.raise_for_status()
target = resp_t.json()
# Interactions
resp_i = requests.get(f"{base}/targets/{target_id}/interactions")
interactions = resp_i.json() if resp_i.status_code == 200 else []
results = []
for ix in interactions:
results.append({
"ligand_id": ix.get("ligandId", ""),
"ligand_name": ix.get("ligandName", ""),
"type": ix.get("type", ""),
"action": ix.get("action", ""),
"affinity_type": ix.get("affinityType", ""),
"affinity_median": ix.get("affinityMedian", ""),
"approved": ix.get("approvedDrug", False),
})
df = pd.DataFrame(results)
print(f"GtoPdb target {target_id} ({target.get('name', '')}): "
f"{len(df)} interactions")
return target, df
def search_pharos_targets(query, tdl=None):
"""
Pharos / TCRD からターゲット情報を取得。
Target Development Level (TDL) でフィルタ可能。
Parameters:
query: str — gene symbol or target name
tdl: str | None — "Tclin", "Tchem", "Tbio", "Tdark"
ToolUniverse:
Pharos_search_targets(q=query)
Pharos_get_target(q=query)
Pharos_get_tdl_summary()
Pharos_get_disease_targets(disease_name=disease_name)
"""
url = "https://pharos-api.ncats.io/graphql"
gql = """
query TargetSearch($term: String!, $top: Int) {
targets(filter: { term: $term }, top: $top) {
targets {
name
sym
uniprot { accession }
tdl
fam
novelty
jensenScore
diseaseCount
ligandCount
}
count
}
}
"""
variables = {"term": query, "top": 20}
resp = requests.post(url, json={"query": gql, "variables": variables})
resp.raise_for_status()
data = resp.json()["data"]["targets"]
results = []
for t in data["targets"]:
results.append({
"symbol": t.get("sym", ""),
"name": t.get("name", ""),
"uniprot": t.get("uniprot", {}).get("accession", ""),
"tdl": t.get("tdl", ""),
"family": t.get("fam", ""),
"novelty": t.get("novelty", 0),
"disease_count": t.get("diseaseCount", 0),
"ligand_count": t.get("ligandCount", 0),
})
df = pd.DataFrame(results)
if tdl:
df = df[df["tdl"] == tdl]
print(f"Pharos '{query}': {len(df)} targets"
f"{f' (TDL={tdl})' if tdl else ''}")
return df
def integrated_target_profile(uniprot_id, gene_symbol):
"""
複数データベースを統合したターゲットプロファイル。
ToolUniverse (横断):
BindingDB_get_ligands_by_uniprot(uniprot_id)
Pharos_get_target(q=gene_symbol)
GtoPdb_get_targets() → GtoPdb_get_target_interactions()
"""
profile = {
"uniprot_id": uniprot_id,
"gene_symbol": gene_symbol,
}
# BindingDB ligands
try:
bdb_df = get_bindingdb_ligands(uniprot_id)
profile["bindingdb_ligand_count"] = len(bdb_df)
except Exception:
profile["bindingdb_ligand_count"] = 0
# Pharos TDL
try:
pharos_df = search_pharos_targets(gene_symbol)
if not pharos_df.empty:
row = pharos_df.iloc[0]
profile["tdl"] = row.get("tdl", "")
profile["novelty"] = row.get("novelty", 0)
except Exception:
profile["tdl"] = "Unknown"
print(f"Integrated profile {gene_symbol}: TDL={profile.get('tdl', '?')}, "
f"BindingDB={profile['bindingdb_ligand_count']} ligands")
return profile
| ファイル | 形式 |
|---|---|
results/bindingdb_ligands.csv | CSV |
results/gpcrdb_profile.json | JSON |
results/gtopdb_interactions.csv | CSV |
results/pharos_targets.csv | CSV |
results/integrated_target_profile.json | JSON |
| カテゴリ | 主要ツール | 用途 |
|---|---|---|
| BindingDB | BindingDB_get_ligands_by_uniprot | UniProt→リガンド |
| BindingDB | BindingDB_get_ligands_by_uniprots | バッチ |
| BindingDB | BindingDB_get_ligands_by_pdb | PDB→リガンド |
| BindingDB | BindingDB_get_targets_by_compound | 化合物→ターゲット |
| GPCRdb | GPCRdb_get_protein | GPCR 詳細 |
| GPCRdb | GPCRdb_get_ligands | GPCR リガンド |
| GPCRdb | GPCRdb_get_mutations | GPCR 変異 |
| GPCRdb | GPCRdb_get_structures | GPCR 構造 |
| GPCRdb | GPCRdb_list_proteins | GPCR 一覧 |
| GtoPdb | GtoPdb_get_target | ターゲット情報 |
| GtoPdb | GtoPdb_get_target_interactions | 相互作用 |
| GtoPdb | GtoPdb_get_ligand | リガンド情報 |
| GtoPdb | GtoPdb_get_targets | ターゲット一覧 |
| GtoPdb | GtoPdb_list_ligands | リガンド一覧 |
| GtoPdb | GtoPdb_get_disease | 疾患関連 |
| GtoPdb | GtoPdb_list_diseases | 疾患一覧 |
| GtoPdb | GtoPdb_search_interactions | 相互作用検索 |
| BRENDA | BRENDA_get_inhibitors | 酵素阻害剤 |
| Pharos | Pharos_search_targets | ターゲット検索 |
| Pharos | Pharos_get_target | ターゲット詳細 |
| Pharos | Pharos_get_tdl_summary | TDL サマリー |
| Pharos | Pharos_get_disease_targets | 疾患→ターゲット |
| スキル | 関連 |
|---|---|
scientific-drug-target-interaction | DTI 予測 |
scientific-compound-similarity | 化合物類似性 |
scientific-compound-screening | 化合物スクリーニング |
scientific-molecular-docking | 分子ドッキング |
scientific-protein-interaction-network | PPI ネットワーク |
requests, pandas