メニュー
ドラッグリポジショニング（既存薬再創薬）スキル。ToolUniverse の Drug Repurposing パラダイムに準拠し、7 つの戦略（ターゲット型、化合物型、疾患駆動型、メカニズム型、 ネットワーク型、表現型、構造型）で候補を体系的に探索。 「ドラッグリポジショニングして」「既存薬の新規適応を探して」で発火。
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/nahisaho/satori --skill scientific-drug-repurposingコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
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。
SKILL.md を表示中
SOC 職業分類に基づく
| name | scientific-drug-repurposing |
| description | ドラッグリポジショニング（既存薬再創薬）スキル。ToolUniverse の Drug Repurposing パラダイムに準拠し、7 つの戦略（ターゲット型、化合物型、疾患駆動型、メカニズム型、 ネットワーク型、表現型、構造型）で候補を体系的に探索。 「ドラッグリポジショニングして」「既存薬の新規適応を探して」で発火。 |
| tu_tools | [{"key":"pharos","name":"Pharos","description":"IDG Pharos/TCRD ターゲットナレッジベース"}] |
既存薬・承認薬の新規適応症探索スキル。ToolUniverse（mims-harvard）の Drug Repurposing 戦略を SATORI に統合し、多角的アプローチで リポジショニング候補を体系的に評価する。
Strategy 1: Target-Based（ターゲット型）
Disease → Target genes → Known drugs for targets → Validation
Strategy 2: Compound-Based（化合物型）
Drug → All known targets → Other diseases of targets → Score
Strategy 3: Disease-Driven（疾患駆動型）
Disease → DEGs/GWAS targets → Pathway → Drugs in pathway
Strategy 4: Mechanism-Based（メカニズム型）
Known MOA → Drugs with similar MOA → New indications
Strategy 5: Network-Based（ネットワーク型）
Disease module → Proximity analysis → Proximal drugs
Strategy 6: Phenotype-Based（表現型型）
Adverse events → Therapeutic potential → Repurpose
Strategy 7: Structure-Based（構造型）
Active compound → Similar structures → Approved analogs
def target_based_repurposing(disease_name):
"""
疾患 → ターゲット → 既存薬 のリポジショニングパイプライン。
"""
pipeline = {
"step1_disease": "EFO/MONDO IDで疾患を同定",
"step2_targets": "Open Targets で上位 50 ターゲットを取得",
"step3_drugs": "ターゲット毎に ChEMBL/DrugBank で既存薬検索",
"step4_filter": "現在の適応症と異なる薬剤を候補に",
"step5_validate": "文献エビデンス + 構造的妥当性で検証",
"step6_score": "多基準スコアリングで最終ランキング",
}
return pipeline
# スコアリング関数
def repurposing_score(candidate):
"""
リポジショニング候補のスコアリング。
"""
score = 0.0
weights = {
"target_association": 0.25, # Open Targets score
"drug_approval_status": 0.20, # FDA approved > Phase3 > Phase2
"mechanism_relevance": 0.20, # MOA と疾患の関連性
"safety_profile": 0.15, # 既知安全性プロファイル
"literature_evidence": 0.10, # PubMed エビデンス
"structural_fit": 0.10, # 分子ドッキングスコア
}
for key, weight in weights.items():
score += candidate.get(key, 0) * weight
return score
import networkx as nx
import numpy as np
def network_proximity(drug_targets, disease_genes, ppi_network):
"""
ネットワーク近接度法によるリポジショニング評価。
Guney et al., Nature Communications 2016 に準拠。
d(S,T) = 1/|T| * Σ min d(s,t) for s in S
"""
G = ppi_network # PPI ネットワーク (NetworkX Graph)
distances = []
for dt in drug_targets:
if dt not in G:
continue
min_dist = float('inf')
for dg in disease_genes:
if dg not in G:
continue
try:
d = nx.shortest_path_length(G, dt, dg)
min_dist = min(min_dist, d)
except nx.NetworkXNoPath:
continue
if min_dist < float('inf'):
distances.append(min_dist)
if not distances:
return {"proximity": None, "significance": "N/A"}
proximity = np.mean(distances)
return {
"proximity": proximity,
"significance": "Close" if proximity < 2.0 else "Moderate" proximity < ,
: ([t t drug_targets t G]),
: ([g g disease_genes g G]),
}
## Repurposing Candidate Evaluation
### Candidate: [Drug Name]
| Criterion | Score (0-1) | Weight | Evidence |
|-----------|-------------|--------|----------|
| Target-disease association | | 0.25 | |
| FDA approval status | | 0.20 | |
| Mechanism relevance | | 0.20 | |
| Safety profile | | 0.15 | |
| Literature support | | 0.10 | |
| Structural compatibility | | 0.10 | |
| **Weighted Total** | | | |
### Evidence Summary
- Clinical trials: [NCT IDs]
- Case reports: [PMID]
- Mechanistic studies: [PMID]
### Risk Assessment
- Patent status: ___
- Formulation feasibility: ___
- Regulatory pathway: 505(b)(2) / Orphan / Standard
# Drug Repurposing Report: [DISEASE / DRUG]
**Strategy**: [Target-Based / Network-Based / etc.]
**Date**: [date]
## 1. Background & Rationale
## 2. Methodology
### 2.1 Strategy Selection Justification
### 2.2 Data Sources
### 2.3 Scoring Criteria
## 3. Top Candidates
| Rank | Drug | Original Indication | Score | Key Evidence |
|------|------|---------------------|-------|-------------|
| 1 | | | | |
| 2 | | | | |
| 3 | | | | |
## 4. Detailed Candidate Profiles
### 4.1 Candidate 1
### 4.2 Candidate 2
### 4.3 Candidate 3
## 5. Validation Evidence
## 6. Recommendations
### 6.1 Immediate Next Steps
### 6.2 Clinical Trial Design Considerations
### 6.3 Regulatory Path
## 7. Limitations & Caveats
## 8. Data Sources
| ファイル | 形式 | 生成タイミング |
|---|---|---|
results/repurposing_candidates.json | リポジショニング候補リスト（JSON） | 多基準スコアリング完了時 |
results/repurposing_report.md | リポジショニング評価レポート（Markdown） | 全解析完了時 |
results/network_proximity.json | ネットワーク近接スコア（JSON） | ネットワーク解析完了時 |
ToolUniverse SMCP 経由で利用可能な外部ツール。
| カテゴリ | 主要ツール | 用途 |
|---|---|---|
| ChEMBL | ChEMBL_search_drugs | 薬物検索 |
| ChEMBL | ChEMBL_get_drug_mechanisms | 薬物作用機序 |
| OpenTargets | OpenTargets_get_associated_drugs_by_disease_efoId | 疾患関連薬物 |
| DGIdb | DGIdb_get_drug_gene_interactions | 薬物-遺伝子相互作用 |
| ClinicalTrials | search_clinical_trials | 臨床試験マッチング |
| FAERS | FAERS_count_reactions_by_drug_event | 有害事象データ |
| PubMed | PubMed_search_articles | リポジショニング文献 |
| スキル | 連携 |
|---|---|
scientific-drug-target-profiling | ← ターゲット情報の利用 |
scientific-admet-pharmacokinetics | ← ADMET フィルタリング済み化合物 |
scientific-network-analysis | ← 疾患-薬物ネットワーク構築 |
scientific-deep-research | ← 文献エビデンス収集 |
scientific-clinical-decision-support | → 候補薬の臨床意思決定 |
scientific-academic-writing | → 研究成果の論文化 |