alterlab-opentargets

Open Targets Database

概要

Open Targets Platform は、治療薬の標的候補を体系的に特定し、優先順位付けするための包括的なリソースです。ヒト遺伝学、オミクス、文献、化学データなど、公開されているデータセットを統合して、標的と疾患の関連性を構築し、スコアリングします。

主な機能：

• 標的（遺伝子）の創薬可能性、安全性、発現などのアノテーションを照会する
• エビデンススコア付きの疾患と標的の関連性を検索する
• 複数のデータ型（遺伝学、経路、文献など）からエビデンスを取得する
• 疾患に対する既知の薬とその作用機序を調べる
• 臨床試験のフェーズや有害事象など、薬剤情報にアクセスする
• 標的の創薬可能性と治療の可能性を評価する

データアクセス： プラットフォームは GraphQL API、ウェブインターフェース、データダウンロード、Google BigQuery アクセスを提供しています。このスキルでは、プログラムからのアクセスに GraphQL API を使用します。

このスキルを使用する場面

以下の場合にこのスキルを使用してください。

• 標的の探索： 疾患に対する治療標的候補を探す
• 標的の評価： 遺伝子の創薬可能性、安全性、創薬可能性を評価する
• エビデンスの収集： 標的と疾患の関連性を裏付けるエビデンスを取得する
• ドラッグリポジショニング： 新たな適応症に転用できる既存薬を特定する
• 競合情報の把握： 臨床での先行状況と医薬品開発の動向を理解する
• 標的の優先順位付け： 遺伝学的エビデンスやその他のデータ型に基づいて標的を順位付けする
• 作用機序の調査： 生物学的経路と遺伝子の機能を調べる
• バイオマーカーの探索： 疾患で発現差のある遺伝子を探す
• 安全性評価： 薬剤標的に関する潜在的な毒性の懸念を特定する

対象外

シナリオ	代わりに使用
生のキュレーション済み SNP と形質の関連性、または GWAS 研究のメタデータ	alterlab-gwas
化合物の生物活性（IC50/Ki）およびアッセイデータ	alterlab-chembl
薬剤の薬理作用、相互作用、投与量、添付文書の詳細	alterlab-drugbank
臨床試験登録（ステータス、適格性、評価項目）の検索	alterlab-clinicaltrials
CRISPR/RNAi によるがん細胞株の依存性スコア	alterlab-depmap

基本的なワークフロー

1. エンティティを検索する

まず、対象となる標的、疾患、または薬剤の識別子を検索します。

標的（遺伝子）の場合：

from scripts.query_opentargets import search_entities

# Search by gene symbol or name
results = search_entities("BRCA1", entity_types=["target"])
# Returns: [{"id": "ENSG00000012048", "name": "BRCA1", ...}]

疾患の場合：

# Search by disease name
results = search_entities("alzheimer", entity_types=["disease"])
# Returns: [{"id": "MONDO_0004975", "name": "Alzheimer disease", ...}]

ID はハードコードせず、必ず検索して解決してください。Open Targets では、多くの疾患が EFO ID から MONDO ID に移行しています（例：アルツハイマー病は、旧 ID の EFO_0000249 ではなく、現在は MONDO_0004975 です）。

薬剤の場合：

# Search by drug name
results = search_entities("aspirin", entity_types=["drug"])
# Returns: [{"id": "CHEMBL25", "name": "ASPIRIN", ...}]

使用する識別子：

• 標的：Ensembl 遺伝子 ID（例：ENSG00000157764 = BRAF、ENSG00000012048 = BRCA1）
• 疾患：オントロジー ID — EFO、MONDO（現在一般的）、HP、Orphanet（例：MONDO_0004975 = アルツハイマー病）。disease(efoId:) 引数は、これらのいずれも受け付けます。
• 薬剤：ChEMBL ID（例：CHEMBL25 = アスピリン）

2. 標的情報を照会する

創薬可能性と生物学的特性を評価するため、標的の包括的なアノテーションを取得します。

from scripts.query_opentargets import get_target_info

target_info = get_target_info("ENSG00000157764", include_diseases=True)

# Access key fields:
# - approvedSymbol: HGNC gene symbol
# - approvedName: Full gene name
# - tractability: Druggability assessments across modalities
# - safetyLiabilities: Known safety concerns
# - geneticConstraint: Constraint scores from gnomAD
# - associatedDiseases: Top disease associations with scores

確認すべき主なアノテーション：

• 創薬可能性： 低分子、抗体、PROTAC による創薬可能性の予測
• 安全性： 複数のデータベースに登録された既知の毒性に関する懸念
• 遺伝的制約： 必須性を示す pLI および LOEUF スコア
• 疾患との関連性： エビデンススコア付きで標的と関連付けられた疾患

すべての標的機能の詳細については、references/target_annotations.md を参照してください。

3. 疾患情報を照会する

疾患の詳細と、関連付けられた標的や薬剤を取得します。

from scripts.query_opentargets import get_disease_info

disease_info = get_disease_info("MONDO_0004975", include_targets=True)

# Access fields:
# - name: Disease name
# - description: Disease description
# - therapeuticAreas: High-level disease categories
# - associatedTargets: Top targets with association scores

4. 標的疾患のエビデンスを取得する

標的と疾患の関連性を裏付ける詳細なエビデンスを取得します。

from scripts.query_opentargets import get_target_disease_evidence

# Get all evidence
evidence = get_target_disease_evidence(
    ensembl_id="ENSG00000157764",
    efo_id="MONDO_0004975"
)

# The API filters by data SOURCE, not broad data type. To narrow to genetic
# evidence, pass its sources (or fetch all rows and filter on datatypeId).
genetic_evidence = get_target_disease_evidence(
    ensembl_id="ENSG00000157764",
    efo_id="MONDO_0004975",
    datasource_ids=["gwas_catalog", "clinvar", "gene_burden"]
)

# Each evidence record contains:
# - datasourceId: Specific data source (e.g., "gwas_catalog", "chembl")
# - datatypeId: Evidence category (e.g., "genetic_association", "known_drug")
# - score: Evidence strength (0-1)
# - studyId: Original study identifier
# - literature: Associated publications

主なエビデンスの種類：

1. genetic_association： GWAS、希少バリアント、ClinVar、遺伝子負荷
2. somatic_mutation： Cancer Gene Census、IntOGen、がんバイオマーカー
3. known_drug： 承認薬または臨床試験中の薬剤による臨床的先例
4. affected_pathway： CRISPR スクリーニング、パスウェイ解析、遺伝子シグネチャー
5. rna_expression： Expression Atlas による差次的発現
6. animal_model： IMPC によるマウスの表現型
7. literature： Europe PMC によるテキストマイニング

すべてのエビデンスの種類と解釈ガイドラインの詳細は、references/evidence_types.md を参照してください。

5. 既知の薬剤を探す

疾患に使用される薬剤とその標的を特定します。

from scripts.query_opentargets import get_known_drugs_for_disease

drugs = get_known_drugs_for_disease("MONDO_0004975")

# Helper queries the `drugAndClinicalCandidates` field (the former `knownDrugs`
# field was removed). It returns:
# - count: Total number of drug-indication records
# - rows: List of records, each with:
#   - maxClinicalStage: Max stage reached for this disease (enum string)
#   - drug: {id, name, drugType, maximumClinicalStage, mechanismsOfAction{rows{actionType, mechanismOfAction, targets}}}
#   - clinicalReports: [{trialPhase, clinicalStage, trialOverallStatus}]

臨床段階は整数ではなく、列挙型の文字列です。

• APPROVAL：承認済み薬剤（旧 Phase 4）
• PHASE_3、PHASE_2_3：後期臨床試験
• PHASE_2、PHASE_1_2：中期臨床試験
• PHASE_1、EARLY_PHASE_1：初期の安全性試験
• IND、PRECLINICAL：前臨床／治験薬
• UNKNOWN：段階が記録されていません

6. 薬剤情報を取得する

作用機序や適応症を含む、薬剤の詳細情報を取得します。

from scripts.query_opentargets import get_drug_info

drug_info = get_drug_info("CHEMBL25")

# Access:
# - name; synonyms: list of {label, source} objects (since release 26.06)
# - drugType: Small molecule, antibody, etc.
# - maximumClinicalStage: Development stage (enum string, e.g. "APPROVAL")
# - mechanismsOfAction.rows: Target(s) and action type
# - indications.rows: Diseases with maxClinicalStage per indication
# - drugWarnings: Toxicity/withdrawal warnings (toxicityClass, description, country, year)

7. 標的に関するすべての関連性を取得する

必要に応じてスコアで絞り込みながら、標的に関連するすべての疾患を探します。

from scripts.query_opentargets import get_target_associations

# Get associations with score >= 0.5
associations = get_target_associations(
    ensembl_id="ENSG00000157764",
    min_score=0.5
)

# Each association contains:
# - disease: {id, name}
# - score: Overall association score (0-1)
# - datatypeScores: Breakdown by evidence type

関連性スコア：

• 範囲：0～1（数値が高いほどエビデンスが強い）
• 調和和を用いて、すべてのデータ種別にわたるエビデンスを集約します
• 信頼度スコアではなく、相対的な順位付けの指標です
• 十分に研究されていない疾患は、良好なエビデンスがあってもスコアが低くなる場合があります

GraphQL API の詳細

用意されたヘルパー関数で対応できないカスタムクエリには、 GraphQL API を直接使用するか、scripts/query_opentargets.py を変更してください。

重要な情報：

• エンドポイント： https://api.platform.opentargets.org/api/v4/graphql
• インタラクティブブラウザー： https://api.platform.opentargets.org/api/v4/graphql/browser
• 認証は不要です
• レスポンスサイズを最小限にするため、必要なフィールドのみをリクエストしてください
• 大規模な結果セットにはページネーションを使用してください： page: {index: M, size: N} — index と size の両方が必須です（null 不可）

以下については、references/api_reference.md を参照してください。

• エンドポイントの完全なドキュメント
• すべてのエンティティタイプのクエリ例
• エラー処理のパターン
• API 使用のベストプラクティス

ベストプラクティス

標的の優先順位付け戦略

創薬標的の優先順位を付ける際は、次の点を考慮してください。

1. 遺伝学的エビデンスから始める： ヒト遺伝学（GWAS、希少バリアント）は、疾患との関連性を示す最も強いエビデンスです
2. 創薬可能性を確認する： 臨床または探索段階での先例がある標的を優先します
3. 安全性を評価する： 安全性上の懸念、発現パターン、遺伝的制約を確認します
4. 臨床的先例を評価する： 既知の薬剤は、創薬可能性と治療域を示します
5. 複数のエビデンスの種類を考慮する： 異なる情報源からのエビデンスが一致しているほど、信頼性が高まります
6. 作用機序を検証する： パスウェイのエビデンスと生物学的な妥当性を確認します
7. 文献を手動で確認する： 重要な判断では、主要な論文を調べます

エビデンスの解釈

強いエビデンスを示す指標：

• 複数の独立したエビデンスソース
• 遺伝的関連性スコアが高い（特に L2G > 0.5 の GWAS）
• 承認薬による臨床的先例
• 疾患との一致が認められる ClinVar の病原性バリアント
• 関連する表現型を示すマウスモデル

注意が必要な点：

• エビデンスソースが1つのみ
• 唯一のエビデンスがテキストマイニングである（手動での検証が必要）
• ソース間でエビデンスが矛盾している
• 必須性が高く、広範に発現している（治療域が狭い）
• 安全性上の懸念が複数ある

スコアの解釈：

• スコアは相対的な強さの順位を示すもので、絶対的な信頼度を示すものではありません
• 十分に研究されていない疾患は、標的が妥当であってもスコアが低くなる場合があります
• 計算による予測より、専門家がキュレーションした情報源を重視してください
• 全体のスコアだけでなく、エビデンスの内訳を確認してください

一般的なワークフロー

ワークフロー 1：疾患の標的探索

1. 疾患を検索 → EFO ID を取得
2. include_targets=True を指定して疾患情報を照会
3. 関連スコア順に並べられた上位の標的を確認
4. 有望な標的について、詳細な標的情報を取得
5. 各関連付けを裏付けるエビデンスの種類を調べる
6. 優先度の高い標的について、創薬可能性と安全性を評価

ワークフロー 2：標的の検証

1. 標的を検索 → Ensembl ID を取得
2. 包括的な標的情報を取得
3. 創薬可能性を確認（特に臨床での先行実績）
4. 安全性の懸念事項と遺伝的制約を確認
5. 生物学的な仕組みを理解するため、疾患との関連付けを調べる
6. 化学プローブやツール化合物を探す
7. 作用機序を把握するため、対象遺伝子を標的とする既知の医薬品を確認

ワークフロー 3：医薬品の適応拡大

1. 疾患を検索 → EFO ID を取得
2. 疾患に対する既知の医薬品を取得
3. 各医薬品について、詳細情報を取得
4. 作用機序と標的を調べる
5. 関連する疾患の適応を探す
6. 臨床試験のフェーズと状況を評価
7. 作用機序に基づいて適応拡大の機会を特定

ワークフロー 4：競合情報の調査

1. 対象の標的を検索
2. エビデンスとともに関連疾患を取得
3. 各疾患について、既知の医薬品を取得
4. 臨床フェーズと開発状況を確認
5. 競合他社とその作用機序を特定
6. 臨床での先行実績と市場環境を評価

リソース

スクリプト

scripts/query_opentargets.py 一般的な API 操作のためのヘルパー関数：

• search_entities() - 標的、疾患、または医薬品を検索
• get_target_info() - 標的のアノテーションを取得
• get_disease_info() - 疾患情報を取得
• get_target_disease_evidence() - 裏付けとなるエビデンスを取得
• get_known_drugs_for_disease() - 疾患に対する医薬品を検索
• get_drug_info() - 医薬品の詳細情報を取得
• get_target_associations() - 標的の関連付けをすべて取得
• execute_query() - カスタム GraphQL クエリを実行

リファレンス

references/api_reference.md GraphQL API の完全なドキュメント。以下の内容が含まれます：

• エンドポイントの詳細と認証
• 利用可能なクエリの種類（標的、疾患、医薬品、検索）
• 一般的な操作のクエリ例
• エラー処理とベストプラクティス
• データライセンスと引用要件

references/evidence_types.md エビデンスの種類とデータソースに関する包括的なガイド：

• 主要な 7 種類のエビデンスの詳細な説明
• 各ソースのスコアリング手法
• エビデンスの解釈に関するガイドライン
• 各エビデンスの種類の強みと限界
• 品質評価に関する推奨事項

references/target_annotations.md 標的アノテーションの完全なリファレンス：

• 主要な 12 種類のアノテーションの解説
• 創薬可能性評価の詳細
• 安全性の懸念事項に関する情報源
• 発現、必須性、制約のデータ
• 標的の優先順位付けに関する解釈ガイドライン
• 標的評価における注意点と好材料

データの更新とバージョン管理

Open Targets Platform は、新しいデータリリースに伴い定期的に更新されます。 リリースごとに GraphQL スキーマが変更され、フィールド名や引数名が変わることがあります（このスキルのクエリはデータバージョン 26.03 に対して検証済みです）。フィールドでエラーが発生した場合は、GraphQL ブラウザーから稼働中のスキーマをイントロスペクションしてください。meta { apiVersion { x y z } dataVersion { year month } } クエリで、現在のバージョンを確認してください。

リリース情報： 最新の更新情報は https://platform-docs.opentargets.org/release-notes を確認してください。

引用： Open Targets のデータを使用する場合は、以下を引用してください。 Ochoa, D. et al. (2025) Open Targets Platform: facilitating therapeutic hypotheses building in drug discovery. Nucleic Acids Research, 53(D1):D1467-D1477.

制限事項と考慮事項

1. API は探索的なクエリ向けです： 多数のターゲットや疾患を体系的に解析するには、データをダウンロードするか、BigQuery を使用してください
2. スコアは相対的なものであり、絶対的なものではありません： 関連スコアはエビデンスの強さを順位付けするものであり、臨床的な成功を予測するものではありません
3. 研究が十分に行われていない疾患はスコアが低くなります： 新規疾患や希少疾患は、強いエビデンスがあっても、集計スコアが低くなる場合があります
4. エビデンスの質にはばらつきがあります： 計算による予測よりも、専門家がキュレーションした情報源を重視してください
5. 生物学的な解釈が必要です： スコアとエビデンスは、生物学的および臨床的な文脈で解釈する必要があります
6. 認証は不要です： すべてのデータに無料でアクセスできますが、適切に引用してください