| name | scientific-stitch-chemical-network |
| description | STITCH 化学-タンパク質相互作用ネットワークスキル。STITCH
REST API を用いた化学物質-タンパク質インタラクション検索・
信頼度スコアリング・ネットワーク薬理学・ポリファーマコロジー解析。
ToolUniverse 連携: stitch。
|
| tu_tools | [{"key":"stitch","name":"STITCH","description":"化学物質-タンパク質相互作用ネットワーク (EMBL)"}] |
Scientific STITCH Chemical Network
STITCH (Search Tool for Interactions of Chemicals) REST API
を活用した化学物質-タンパク質相互作用検索・信頼度スコアリング・
ネットワーク薬理学・ポリファーマコロジー解析パイプラインを提供する。
When to Use
- 化学物質とタンパク質の相互作用エビデンスを検索するとき
- 薬物の標的タンパク質ネットワークを構築するとき
- ポリファーマコロジー (多標的薬理作用) を解析するとき
- 化学物質間の類似ネットワークを構築するとき
- ネットワーク薬理学 (Network Pharmacology) を実施するとき
Quick Start
1. 化学物質-タンパク質相互作用検索
import requests
import pandas as pd
STITCH_API = "http://stitch.embl.de/api"
def stitch_interactions(chemical, species=9606,
required_score=400, limit=50):
"""
STITCH — 化学物質-タンパク質相互作用検索。
Parameters:
chemical: str — 化学物質名または CID
(例: "aspirin", "CIDm00002244")
species: int — NCBI Taxonomy ID
(9606=ヒト)
required_score: int — 最低信頼度スコア
(0-1000, 400=medium)
limit: int — 最大結果数
"""
url = f"{STITCH_API}/tsv/interactionsList"
params = {
"identifiers": chemical,
"species": species,
"required_score": required_score,
"limit": limit,
}
resp = requests.get(url, params=params, timeout=30)
resp.raise_for_status()
lines = resp.text.strip().split("\n")
if len(lines) < 2:
return pd.DataFrame()
header = lines[0].split("\t")
rows = [line.split("\t") for line in lines[1:]]
df = pd.DataFrame(rows, columns=header)
if "score" in df.columns:
df["score"] = pd.to_numeric(
df["score"], errors="coerce")
print(f"STITCH: {chemical} → {len(df)} interactions")
return df
def stitch_resolve(identifiers, species=9606):
"""
STITCH — 化学物質/タンパク質 ID 解決。
Parameters:
identifiers: list[str] — 化学物質/タンパク質名リスト
species: int — NCBI Taxonomy ID
"""
url = f"{STITCH_API}/tsv/resolveList"
params = {
"identifiers": "\r".join(identifiers),
"species": species,
}
resp = requests.get(url, params=params, timeout=30)
resp.raise_for_status()
lines = resp.text.strip().split("\n")
if len(lines) < 2:
return pd.DataFrame()
header = lines[0].split("\t")
rows = [line.split("\t") for line in lines[1:]]
df = pd.DataFrame(rows, columns=header)
print(f"STITCH resolve: {len(identifiers)} queries → "
f"{len(df)} results")
return df
2. ネットワーク薬理学
def stitch_network(chemicals, species=9606,
required_score=400):
"""
STITCH — 多化学物質ネットワーク構築。
Parameters:
chemicals: list[str] — 化学物質名リスト
species: int — NCBI Taxonomy ID
required_score: int — 最低信頼度スコア
"""
url = f"{STITCH_API}/tsv/network"
params = {
"identifiers": "\r".join(chemicals),
"species": species,
"required_score": required_score,
}
resp = requests.get(url, params=params, timeout=30)
resp.raise_for_status()
lines = resp.text.strip().split("\n")
if len(lines) < 2:
return pd.DataFrame()
header = lines[0].split("\t")
rows = [line.split("\t") for line in lines[1:]]
df = pd.DataFrame(rows, columns=header)
nodes = set()
if "stringId_A" in df.columns:
nodes.update(df["stringId_A"].unique())
if "stringId_B" in df.columns:
nodes.update(df["stringId_B"].unique())
print(f"STITCH network: {len(nodes)} nodes, "
f"{len(df)} edges")
return df
def polypharmacology_analysis(drug_list, species=,
required_score=):
all_targets = {}
drug drug_list:
interactions = stitch_interactions(
drug, species, required_score)
interactions.empty:
targets = ()
col [, ]:
col interactions.columns:
targets.update(
interactions[col].unique())
targets = {t t targets
t.startswith()}
all_targets[drug] = targets
(all_targets) < :
pd.DataFrame()
pairs = []
drugs = (all_targets.keys())
i ((drugs)):
j (i + , (drugs)):
shared = (all_targets[drugs[i]]
& all_targets[drugs[j]])
union = (all_targets[drugs[i]]
| all_targets[drugs[j]])
jaccard = ((shared) / (union)
union )
pairs.append({
: drugs[i],
: drugs[j],
: (shared),
: jaccard,
: .join(
(shared)),
})
df = pd.DataFrame(pairs)
df.sort_values(, ascending=,
inplace=)
(
)
df
3. エンリッチメント解析
def stitch_enrichment(identifiers, species=9606):
"""
STITCH — 機能エンリッチメント解析。
Parameters:
identifiers: list[str] — タンパク質/化学物質リスト
species: int — NCBI Taxonomy ID
"""
url = f"{STITCH_API}/tsv/enrichment"
params = {
"identifiers": "\r".join(identifiers),
"species": species,
}
resp = requests.get(url, params=params, timeout=30)
resp.raise_for_status()
lines = resp.text.strip().split("\n")
if len(lines) < 2:
return pd.DataFrame()
header = lines[0].split("\t")
rows = [line.split("\t") for line in lines[1:]]
df = pd.DataFrame(rows, columns=header)
if "p_value" in df.columns:
df["p_value"] = pd.to_numeric(
df["p_value"], errors="coerce")
df.sort_values("p_value", inplace=True)
print(f"STITCH enrichment: {len(df)} terms")
return df
4. STITCH 統合パイプライン
def stitch_pipeline(chemicals, species=9606,
output_dir="results"):
"""
STITCH 統合パイプライン。
Parameters:
chemicals: list[str] — 化学物質名リスト
species: int — NCBI Taxonomy ID
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_interactions = []
for chem in chemicals:
ixns = stitch_interactions(chem, species)
ixns["query_chemical"] = chem
all_interactions.append(ixns)
ixn_df = pd.concat(all_interactions, ignore_index=True)
ixn_df.to_csv(
output_dir / "stitch_interactions.csv",
index=False)
network = stitch_network(chemicals, species)
network.to_csv(
output_dir / "stitch_network.csv",
index=False)
polypharm = polypharmacology_analysis(
chemicals, species)
polypharm.to_csv(
output_dir / "polypharmacology.csv",
index=False)
print(f"STITCH pipeline → {output_dir}")
return {
"interactions": ixn_df,
"network": network,
"polypharmacology": polypharm,
}
ToolUniverse 連携
| TU Key | ツール名 | 連携内容 |
|---|
stitch | STITCH | 化学物質-タンパク質相互作用 (EMBL) |
パイプライン統合
cheminformatics → stitch-chemical-network → drug-target-profiling
(化合物記述子) (STITCH 相互作用) (DGIdb 標的)
│ │ ↓
string-network-api ────────┘ pharmacology-targets
(STRING PPI) (BindingDB/GtoPdb)
パイプライン出力
| ファイル | 説明 | 次スキル |
|---|
results/stitch_interactions.csv | 化学物質-標的 | → drug-target-profiling |
results/stitch_network.csv | ネットワーク | → string-network-api |
results/polypharmacology.csv | 多標的解析 | → pharmacology-targets |
