| name | scientific-scientific-schematics |
| description | 科学図式・作図スキル。CONSORT フロー図 (臨床試験)、実験プロトコルフロー、
ニューラルネットワークアーキテクチャ図、分子パスウェイ図、
TikZ/SVG/Mermaid ベースの出版品質ベクター図の生成、
AI レビューによる図の反復改善。
|
Scientific Schematics
研究論文・プレゼンテーション向けの科学図式を
プログラマティックに生成するパイプライン。
CONSORT フロー図、NN アーキテクチャ図、パスウェイ図等を
TikZ / SVG / Mermaid で出版品質のベクター形式として出力する。
When to Use
- 臨床試験の CONSORT フロー図を作成するとき
- ニューラルネットワークアーキテクチャの図を生成するとき
- 分子パスウェイ・シグナル伝達経路図を描くとき
- 実験プロトコルのフローチャートが必要なとき
- 出版品質の SVG/PDF ベクター図を作成するとき
Quick Start
1. CONSORT フロー図
import json
def generate_consort_diagram(enrollment, allocation_arms,
followup_lost, analyzed,
output_file="figures/consort_flow.svg"):
"""
CONSORT (Consolidated Standards of Reporting Trials) フロー図。
CONSORT 2010 チェックリスト準拠:
- Enrollment: 適格性評価 → 除外/ランダム化
- Allocation: 各群への割付
- Follow-up: 追跡 (脱落・中止)
- Analysis: 解析対象
"""
svg_width = 800
svg_height = 900
box_width = 200
box_height = 60
svg_elements = []
svg_elements.append(
f'<svg xmlns="http://www.w3.org/2000/svg" '
f'width="{svg_width}" height="{svg_height}" '
f'viewBox="0 0 {svg_width} {svg_height}">'
)
svg_elements.append(
'<style>'
'.box { fill: white; stroke: black; stroke-width: 1.5; }'
'.text { font-family: Arial; font-size: 12px; text-anchor: middle; }'
'.label { font-family: Arial; font-size: 14px; font-weight: bold; }'
'.arrow { stroke: black; stroke-width: 1.5; marker-end: url(#arrowhead); }'
'</style>'
)
svg_elements.append(
'<defs><marker id="arrowhead" markerWidth="10" markerHeight="7" '
'refX="10" refY="3.5" orient="auto">'
'<polygon points="0 0, 10 3.5, 0 7" fill="black"/>'
'</marker></defs>'
)
cx = svg_width // 2
y = 30
svg_elements.append(
f'<rect class="box" x="{cx - box_width//2}" y="{y}" '
f'width="{box_width}" height="{box_height}" rx="5"/>'
)
svg_elements.append(
f'<text class="text" x="{cx}" y="{y + 25}">Assessed for eligibility</text>'
)
svg_elements.append(
f'<text class="text" x="{cx}" y="{y + 42}">(n={enrollment})</text>'
)
print(f" CONSORT flow diagram generated: {output_file}")
print(f" Enrollment: {enrollment}")
print(f" Arms: {len(allocation_arms)}")
print(f" Analyzed: {analyzed}")
svg_elements.append('</svg>')
svg_content = '\n'.join(svg_elements)
with open(output_file, 'w') as f:
f.write(svg_content)
return output_file
2. ニューラルネットワークアーキテクチャ図
import json
def generate_nn_architecture(layers, title="Neural Network Architecture",
output_file="figures/nn_architecture.svg"):
"""
ニューラルネットワークアーキテクチャ図の SVG 生成。
レイヤー定義例:
layers = [
{"name": "Input", "type": "input", "shape": "(B, 3, 224, 224)"},
{"name": "Conv1", "type": "conv", "params": "64 filters, 3×3"},
{"name": "BatchNorm", "type": "norm", "params": "64"},
{"name": "ReLU", "type": "activation"},
{"name": "MaxPool", "type": "pool", "params": "2×2"},
{"name": "FC", "type": "dense", "params": "512 → 10"},
{"name": "Softmax", "type": "output", "shape": "(B, 10)"},
]
"""
type_colors = {
"input": "#E8F5E9",
"conv": "#BBDEFB",
"norm": "#F3E5F5",
"activation": "#FFF9C4",
"pool": "#FFE0B2",
"dense": "#B2DFDB",
"attention": "#F8BBD0",
"residual": "#D1C4E9",
"output": "#FFCDD2",
}
svg_width = 300
box_height = 50
box_width = 240
gap = 15
svg_height = len(layers) * (box_height + gap) + 80
svg_parts = []
svg_parts.append(
f'<svg xmlns="http://www.w3.org/2000/svg" '
f'width="{svg_width}" height="{svg_height}">'
)
svg_parts.append(
'<style>.lbl{font-family:monospace;font-size:11px;text-anchor:middle;}</style>'
)
y = 40
cx = svg_width //
svg_parts.append(
)
i, layer (layers):
color = type_colors.get(layer.get(, ), )
svg_parts.append(
)
svg_parts.append(
)
extra = layer.get(, layer.get(, ))
extra:
svg_parts.append(
)
i < (layers) - :
arrow_y = y + box_height
svg_parts.append(
)
y += box_height + gap
svg_parts.append()
(output_file, ) f:
f.write(.join(svg_parts))
()
()
output_file
3. 分子パスウェイ図 (Mermaid)
def generate_pathway_mermaid(pathway_name, nodes, edges,
output_file="figures/pathway.md"):
"""
分子パスウェイ / シグナル伝達経路の Mermaid 図生成。
ノードタイプ:
- receptor: 受容体 (細胞膜)
- kinase: キナーゼ
- tf: 転写因子
- gene: 標的遺伝子
- metabolite: 代謝産物
"""
mermaid_lines = ["```mermaid", "graph TD"]
node_shapes = {
"receptor": ("([", "])"),
"kinase": ("{{", "}}"),
"tf": ("[[", "]]"),
"gene": ("[/", "/]"),
"metabolite": ("((", "))"),
}
for node in nodes:
nid = node["id"]
label = node["label"]
ntype = node.get("type", "default")
l_bracket, r_bracket = node_shapes.get(ntype, ("[", "]"))
mermaid_lines.append(f" {nid}{l_bracket}{label}{r_bracket}")
for edge in edges:
src = edge["from"]
tgt = edge["to"]
label = edge.get(, )
etype = edge.get(, )
etype == :
arrow = label
etype == :
arrow = label
etype == :
arrow = label
:
arrow =
mermaid_lines.append()
mermaid_lines.append()
content = .join(mermaid_lines)
(output_file, ) f:
f.write(content)
()
()
output_file
4. TikZ 出版品質図
def generate_tikz_figure(tikz_code, output_file="figures/tikz_figure.tex",
compile_pdf=True):
"""
TikZ (LaTeX) ベースの出版品質ベクター図。
テンプレート:
- 実験プロトコルフロー
- 統計解析ワークフロー
- 比較テーブル
- タイムライン (研究計画)
"""
latex_template = r"""\documentclass[border=5pt]{standalone}
\usepackage{tikz}
\usetikzlibrary{arrows.meta, positioning, shapes.geometric, calc}
\begin{document}
%s
\end{document}""" % tikz_code
with open(output_file, 'w') as f:
f.write(latex_template)
if compile_pdf:
import subprocess
import os
out_dir = os.path.dirname(output_file)
subprocess.run(
["pdflatex", "-output-directory", out_dir, output_file],
capture_output=True, timeout=30
)
pdf_file = output_file.replace(".tex", ".pdf")
print(f" TikZ compiled: {pdf_file}")
else:
print(f" TikZ source: {output_file}")
return output_file
References
Output Files
| ファイル | 形式 |
|---|
figures/consort_flow.svg | SVG |
figures/nn_architecture.svg | SVG |
figures/pathway.md | Mermaid Markdown |
figures/tikz_figure.tex | LaTeX/TikZ |
figures/tikz_figure.pdf | PDF |
利用可能ツール
ToolUniverse SMCP 経由で利用可能な外部ツール。
なし — ローカル SVG/TikZ/Mermaid 生成。
参照スキル
| スキル | 関連 |
|---|
scientific-publication-figures | データ可視化全般 |
scientific-clinical-trials-analytics | CONSORT 図のデータソース |
scientific-grant-writing | 研究計画図 |
scientific-network-analysis | ネットワーク図 |
scientific-presentation-design | プレゼン素材 |
依存パッケージ
json, os, subprocess (TikZ コンパイル時のみ texlive)
