database-lookup

データベース検索

googleadsagent.ai™ による Agent Skills™ の一部です

説明

Database Lookup は、化学（PubChem、ChEMBL）、生物学（UniProt、COSMIC、Ensembl）、臨床（ClinicalTrials.gov、FDA）、経済（FRED、World Bank）、知的財産（USPTO、EPO）にまたがる78以上の科学・公共データベースに、統一されたプログラム経由でアクセスできる機能を提供します。エージェントはAPIクエリを構築し、ページネーションを処理し、レスポンスを正規化して、再現可能な研究ワークフローのために結果をキャッシュします。

科学研究では、複数の異種データベースからデータを統合することがますます重要になっています。創薬プロジェクトでは、1つの研究課題に対して、ChEMBLで生物活性データを、UniProtで標的タンパク質の情報を、PubChemで化合物の特性を、ClinicalTrials.govで関連する臨床試験を、FREDで医療費の傾向を検索することがあります。このスキルは、APIごとの違いを抽象化し、統一されたクエリインターフェースを提供します。

各データベースコネクターは、認証、レート制限、レスポンスの解析、エラー回復を処理します。結果は、ソースAPIの形式（REST JSON、XML、CSV、SPARQL）にかかわらず、一貫したスキーマ（型付き列を持つDataFrame）に正規化されます。キャッシュにより、APIへの重複した呼び出しを防ぎ、以前に取得したデータを使ったオフライン分析が可能になります。

使用する場面

• PubChemまたはChEMBLから化合物データを取得する
• UniProtからタンパク質配列または注釈を検索する
• ClinicalTrials.govで臨床試験を検索する
• FREDまたはWorld Bankから経済指標を取得する
• USPTOで特許情報を検索する
• 複数の科学データベースにまたがるデータを統合する

仕組み

graph TD
    A[Research Query] --> B[Query Router]
    B --> C{Database Selection}
    C -->|Chemistry| D[PubChem / ChEMBL / DrugBank]
    C -->|Biology| E[UniProt / Ensembl / COSMIC]
    C -->|Clinical| F[ClinicalTrials.gov / FDA / OMIM]
    C -->|Economics| G[FRED / World Bank / BLS]
    C -->|Patents| H[USPTO / EPO / WIPO]
    D --> I[API Request + Rate Limiting]
    E --> I
    F --> I
    G --> I
    H --> I
    I --> J[Response Normalization]
    J --> K[Cache Layer]
    K --> L[Unified DataFrame Output]

クエリルーターは、クエリの種類とエンティティに基づいて適切なデータベースを特定します。すべてのレスポンスは正規化され、列名と型が標準化された一貫性のあるDataFrameが生成されます。

実装

import requests
import pandas as pd
from functools import lru_cache
from time import sleep

class DatabaseClient:
    BASE_URLS = {
        "pubchem": "https://pubchem.ncbi.nlm.nih.gov/rest/pug",
        "chembl": "https://www.ebi.ac.uk/chembl/api/data",
        "uniprot": "https://rest.uniprot.org/uniprotkb",
        "clinicaltrials": "https://clinicaltrials.gov/api/v2/studies",
        "fred": "https://api.stlouisfed.org/fred/series/observations",
    }

    def __init__(self, cache_dir: str = ".db_cache"):
        self.session = requests.Session()
        self.session.headers["User-Agent"] = "AgentSkills/1.0 (research)"

    def pubchem_compound(self, name: str) -> dict:
        url = f"{self.BASE_URLS['pubchem']}/compound/name/{name}/JSON"
        resp = self._get(url)
        props = resp["PC_Compounds"][0]["props"]
        return {
            "cid": resp["PC_Compounds"][0]["id"]["id"]["cid"],
            "name": name,
            "properties": {p["urn"]["label"]: p["value"] for p in props},
        }

    def chembl_target(self, uniprot_id: str) -> pd.DataFrame:
        url = f"{self.BASE_URLS['chembl']}/target.json"
        resp = self._get(url, params={
            "target_components__accession": uniprot_id,
            "limit": 100,
        })
        return pd.json_normalize(resp["targets"])

    def uniprot_search(self, query: str, limit: int = 25) -> pd.DataFrame:
        url = f"{self.BASE_URLS['uniprot']}/search"
        resp = self._get(url, params={
            "query": query,
            "format": "json",
            "size": limit,
            "fields": "accession,id,protein_name,organism_name,length,sequence",
        })
        return pd.json_normalize(resp["results"])

    def clinical_trials(self, condition: str, status: str = "RECRUITING") -> pd.DataFrame:
        url = self.BASE_URLS["clinicaltrials"]
        resp = self._get(url, params={
            "query.cond": condition,
            "filter.overallStatus": status,
            "pageSize": 50,
        })
        return pd.json_normalize(resp["studies"])

    def fred_series(self, series_id: str, api_key: str) -> pd.DataFrame:
        url = self.BASE_URLS["fred"]
        resp = self._get(url, params={
            "series_id": series_id,
            "api_key": api_key,
            "file_type": "json",
        })
        df = pd.DataFrame(resp["observations"])
        df["value"] = pd.to_numeric(df["value"], errors="coerce")
        df["date"] = pd.to_datetime(df["date"])
        return df

    def _get(self, url: str, params: dict = None) -> dict:
        sleep(0.25)
        resp = self.session.get(url, params=params, timeout=30)
        resp.raise_for_status()
        return resp.json()

ベストプラクティス

• レート制限を遵守してください。PubChemは5 req/s、ChEMBLは1 req/s、UniProtは3 req/sです
• オフライン分析を可能にし、サーバー負荷を軽減するため、APIレスポンスをすべてローカルにキャッシュしてください
• データベースをまたいで結合する前に、識別子（CID、ChEMBL ID、UniProt accession）を正規化してください
• 大量の結果を取得する場合はページネーションを処理してください。すべての結果が1回のレスポンスに収まると想定しないでください
• 再現性を確保するため、タイムスタンプとレスポンスハッシュを含め、すべてのAPIクエリをログに記録してください
• ツール名と連絡先情報を示すUser-Agentヘッダーを設定してください

プラットフォームの互換性

プラットフォーム	サポート	備考
Cursor	完全対応	Python + HTTPクライアント
VS Code	完全対応	RESTクライアント統合
Windsurf	完全対応	APIクエリに対応
Claude Code	完全対応	データベースクエリの生成
Cline	完全対応	API統合
aider	部分対応	コードレベルでサポート

関連スキル

• バイオインフォマティクス
• ケモインフォマティクス
• データ分析
• ナレッジベース RAG

キーワード

database-lookup pubchem chembl uniprot clinical-trials fred scientific-databases api-integration data-retrieval

---

© 2026 googleadsagent.ai™ | Agent Skills™ | MIT License