mcpField
K
kegg-analysis

kegg-analysis

github.com/davepoonデータ・データベース3.7k51 回インストール今日更新
リポジトリ

kegg-analysis について

kegg-analysisは、KEGG MCPサーバーのツールを使う生物学分析スキルです。識別子を解決してKEGGデータを関連付け、パスウェイ、薬剤、種間比較、化合物ネットワークを分析します。

主な機能

  1. 01遺伝子リストのパスウェイ富化
  2. 02薬剤ターゲットと相互作用の分析
  3. 03種間パスウェイ比較
  4. 04化合物・反応ネットワークの追跡
  5. 05遺伝子から機能モジュール・オーソログへの対応付け

活用シーン

  1. 01遺伝子セットに関連するパスウェイの順位付け
  2. 02薬剤のターゲットと作用機序の調査
  3. 03種間でのパスウェイ保存性の比較
  4. 04化合物と反応の関連の追跡

MCP 対応

KEGG MCPサーバーのツールを使い、生物学分析のためにKEGGデータを取得・関連付けます。

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/davepoon/buildwithclaude --skill kegg-analysis

インストール後、Claude Code で/kegg-analysisを入力して読み込まれたか確認します。

詳細

KEGG バイオインフォマティクス解析

このスキルは、KEGG MCP サーバーツールを使用して、生物学的解析を複数のステップにわたって実行します。遺伝子リスト、薬剤名、経路 ID などの生データを、構造化された生物学的知見に変換します。

このスキルを使う場面

  • 遺伝子リストに対して経路濃縮解析を行う
  • 薬剤の作用機序、標的、相互作用を調べる
  • 生物種間で代謝経路を比較する
  • 化合物と反応のネットワークを追跡する
  • 遺伝子を機能モジュールやオルソロググループに対応付ける

このスキルでできること

  1. ユーザーの入力から解析の種類(濃縮解析、薬剤、比較、ネットワーク)を特定します
  2. ID を解決します — 遺伝子記号、薬剤名、経路 ID を KEGG エントリに対応付けます
  3. 関連データを取得します — KEGG データベース間の関連をたどります
  4. 結果を集約して順位付けします — 経路のヒット数を数え、保存性をスコア化し、機能別にグループ化します
  5. 生物学的背景を統合します — ID だけでなく、その意義を説明します

使用方法

経路濃縮解析
Analyze these genes for pathway enrichment in human: BRCA1, TP53, EGFR, KRAS, PIK3CA

ワークフロー:

  1. 対象の生物種(例:hsa)について、各遺伝子に search_genes を実行します
  2. get_gene_info で遺伝子の同一性を確認し、KEGG 遺伝子 ID を取得します
  3. find_related_entries で各遺伝子に関連する経路を取得します
  4. 集約します:入力した遺伝子のうち、各経路に対応する遺伝子の数を数えます
  5. 上位の経路に get_pathway_info を実行します
  6. 視覚的な情報を得るために render_pathway_ascii を実行します
  7. p 値の代替指標(遺伝子数 / 経路サイズ)とともに、順位付けした経路を報告します
薬剤標的の調査
Investigate metformin: targets, pathways, and interactions

ワークフロー:

  1. search_drugs で KEGG の薬剤エントリを検索します
  2. get_drug_info で標的、分類、代謝に関する情報を取得します
  3. 各標的遺伝子に search_genes を実行します
  4. find_related_entries で標的の経路を取得します
  5. DDI スクリーニングのために get_drug_interactions を実行します
  6. 作用機序の概要を統合します
生物種間の比較
Compare glycolysis (map00010) between human, E. coli, and yeast

ワークフロー:

  1. 生物種固有のバリアント(hsa00010、eco00010、sce00010)について get_pathway_info を実行します
  2. 各生物種について get_pathway_genes を実行します
  3. get_gene_orthologs で保存された酵素と生物種固有の酵素を特定します
  4. get_pathway_compounds で代謝物プールを比較します
  5. 各生物種について render_pathway_ascii を実行します
  6. 保存性マトリックスと固有の適応を報告します

例

ユーザー:「この遺伝子セットで濃縮されている経路は何ですか:SOD1、SOD2、CAT、GPX1、PRDX1?」

出力:

Pathway Enrichment Results (Homo sapiens)

Top Pathways:
1. hsa04146 Peroxisome (4/5 genes) — organelle for fatty acid oxidation and ROS detox
2. hsa04216 Ferroptosis (3/5 genes) — iron-dependent cell death regulated by GPX
3. hsa05022 Pathways of neurodegeneration (3/5 genes) — oxidative damage in ALS, AD, PD
4. hsa00480 Glutathione metabolism (2/5 genes) — GSH-dependent antioxidant system

Biological Context:
All 5 genes encode antioxidant enzymes. The enrichment in Peroxisome
and Ferroptosis pathways reflects their central role in reactive oxygen
species (ROS) detoxification. The neurodegeneration hit is consistent
with oxidative stress as a driver of SOD1-linked ALS.

ヒント

  • 解決を速めるため、生物種(ヒト、マウス、E. coli)の情報を指定してください
  • 標準的な遺伝子記号を使用してください — KEGG はヒトの HGNC 記号を解決します
  • 遺伝子リストが大きい場合(>20)は、batch_entry_lookup でまとめて処理してください(1 回あたり最大 50 件)
  • convert_identifiers で UniProt、NCBI Gene、PDB の ID を相互参照します
  • find_related_entries を使って、データベース間の予想外の関連を見つけます

コメント