literature-review

文献レビュー

概要

厳密な学術的方法論に従い、体系的かつ包括的な文献レビューを実施します。複数の文献データベースを検索し、知見をテーマ別に統合し、すべての引用の正確性を検証して、Markdown および PDF 形式の専門的な文書を作成します。

このスキルでは、幅広い学術文献の発見に parallel-web skill（parallel-cli search）を主要なウェブ検索ツールとして使用し、専門データベースへのアクセススキル（gget、bioservices、datacommons-client）で補完します。引用検証、検索結果の集約、文書生成のための専門ツールを提供します。

このスキルを使用する場面

次のような場合に、このスキルを使用します：

• 研究や出版を目的として体系的な文献レビューを実施する
• 複数の情報源を横断して、特定のトピックに関する最新の知見を統合する
• メタ分析またはスコーピングレビューを実施する
• 研究論文や学位論文の文献レビューセクションを執筆する
• 研究分野における最先端の状況を調査する
• 研究ギャップと今後の方向性を特定する
• 検証済みの引用と専門的な書式が必要である

科学的な模式図による視覚的な強化

⚠️ 必須：すべての文献レビューに、scientific-schematics skill を使って生成した AI 生成図を少なくとも 1～2 点含めてください。

これは任意ではありません。視覚要素のない文献レビューは不完全です。文書を完成させる前に：

1. 少なくとも 1 つの模式図または図表を生成します（例：体系的レビューの PRISMA フロー図）
2. 包括的なレビューでは、2～3 点の図を推奨します（検索戦略のフローチャート、テーマ別統合図、概念的枠組みなど）

図の生成方法：

• scientific-schematics skill を使用して、AI を活用した出版品質の図を生成します
• 希望する図を自然言語で説明するだけで生成できます
• Nano Banana Pro が模式図を自動的に生成し、レビューして改良します

模式図の生成方法：

python scripts/generate_schematic.py "your diagram description" -o figures/output.png

AI は自動的に次の処理を行います：

• 適切な書式で出版品質の画像を作成します
• 複数回の反復を通じてレビューと改良を行います
• アクセシビリティを確保します（色覚多様性への配慮、高コントラスト）
• 出力を figures/ ディレクトリに保存します

模式図を追加する場面：

• 体系的レビューの PRISMA フロー図
• 文献検索戦略のフローチャート
• テーマ別統合図
• 研究ギャップの可視化マップ
• 引用ネットワーク図
• 概念的枠組みの図解
• 視覚化によって理解が促進される複雑な概念

模式図の作成に関する詳しいガイダンスは、scientific-schematics skill のドキュメントを参照してください。

---

基本的なワークフロー

文献レビューは、複数のフェーズから成る構造化されたワークフローに従います：

フェーズ 1：計画と範囲の設定

1. 研究課題を定義する：臨床・生物医学分野のレビューでは、PICO フレームワーク（対象者、介入、比較、アウトカム）を使用します

   • 例：「鎌状赤血球症（P）の治療における CRISPR-Cas9（I）の有効性は、標準治療（C）と比べてどうでしょうか？」

2. 範囲と目的を定める：

   • 明確で具体的な研究課題を定義します
   • レビューの種類を決定します（ナラティブ、体系的、スコーピング、メタ分析）
   • 範囲を設定します（期間、地理的範囲、研究の種類）

3. 検索戦略を策定する：

   • 研究課題から 2～4 個の主要な概念を特定します
   • 各概念について、同義語、略語、関連用語を列挙します
   • 用語を組み合わせるためのブール演算子（AND、OR、NOT）を計画します
   • 相互に補完するデータベースを最低 3 つ選択します
   • 正式なデータベース検索の前に、初期スコーピングに parallel-web skill（parallel-cli search）を使用し、全体像をすばやく把握します

4. 採択基準と除外基準を設定する：

   • 対象期間（例：過去 10 年間：2015-2024）
   • 言語（通常は英語、または複数言語を指定）
   • 出版物の種類（査読済み論文、プレプリント、レビュー）
   • 研究デザイン（RCT、観察研究、in vitro など）
   • すべての基準を明確に記録します

フェーズ 2：体系的な文献検索

1. 複数データベースでの検索：

   分野に適したデータベースを選択します。幅広い学術文献を網羅するため、必ず parallel-web から始めてください。その後、分野固有のデータベースで補完します。

   ウェブベースの学術検索（parallel-web スキル — ここから開始）：

   • 学術ドメインで絞り込みながら parallel-cli search を使用し、幅広い学術文献を検索します
   • 関連する情報源をすべて見つけるため、学術文献に焦点を当てた検索と一般検索の 2 回を実行します

   # Academic-focused search across scholarly sources
   parallel-cli search "your research topic" -q "keyword1" -q "keyword2" \
     --json --max-results 10 --excerpt-max-chars-total 27000 \
     --include-domains "scholar.google.com,arxiv.org,pubmed.ncbi.nlm.nih.gov,semanticscholar.org,biorxiv.org,medrxiv.org,ncbi.nlm.nih.gov,nature.com,science.org,ieee.org,acm.org,springer.com,wiley.com,cell.com,pnas.org,nih.gov" \
     -o sources/litreview_<topic>-academic.json
   
   # General search for supplementary sources
   parallel-cli search "your research topic" -q "keyword1" -q "keyword2" \
     --json --max-results 10 --excerpt-max-chars-total 27000 \
     -o sources/litreview_<topic>-general.json
   

   • 検索結果に見つかった特定の論文 URL または PDF から全コンテンツを取得するには、parallel-cli extract を使用します

   parallel-cli extract "https://arxiv.org/abs/XXXX.XXXXX" --json
   

   生物医学・生命科学：

   • gget スキルを使用します：PubMed/PMC の場合は gget search pubmed "search terms"
   • gget スキルを使用します：プレプリントの場合は gget search biorxiv "search terms"
   • ChEMBL、KEGG、UniProt などには bioservices スキルを使用します

   一般科学文献：

   • 直接 API を介して arXiv を検索します（物理学、数学、CS、q-bio のプレプリント）
   • API を介して Semantic Scholar を検索します（分野横断の 2 億件以上の論文）
   • 包括的に網羅するため、Google Scholar を使用します（手動検索または慎重なスクレイピング）

   専門データベース：

   • タンパク質構造には gget alphafold を使用します
   • がんゲノミクスには gget cosmic を使用します
   • 人口統計・統計データには datacommons-client を使用します
   • 分野に応じて専門データベースを使用します

2. 文献検索パラメーターの記録：

   ## Search Strategy
   
   ### Database: PubMed
   - **Date searched**: 2024-10-25
   - **Date range**: 2015-01-01 to 2024-10-25
   - **Search string**:
   

   ("CRISPR"[Title] OR "Cas9"[Title]) AND ("sickle cell"[MeSH] OR "SCD"[Title/Abstract]) AND 2015:2024[Publication Date]

   - **Results**: 247 articles
   

   検索した各データベースについて繰り返します。

3. 結果のエクスポートと集約：

   • 各データベースから結果を JSON 形式でエクスポートします
   • すべての結果を 1 つのファイルにまとめます
   • 後処理には scripts/search_databases.py を使用します：

     python search_databases.py combined_results.json \
       --deduplicate \
       --format markdown \
       --output aggregated_results.md
     

フェーズ 3：スクリーニングと選定

1. 重複排除：

   python search_databases.py results.json --deduplicate --output unique_results.json
   

   • DOI（優先）またはタイトル（代替）で重複を削除します
   • 削除した重複の件数を記録します

2. タイトルのスクリーニング：

   • すべてのタイトルを適格基準・除外基準に照らして確認します
   • 明らかに関連性のない研究を除外します
   • この段階で除外した件数を記録します

3. 抄録のスクリーニング：

   • 残った研究の抄録を読みます
   • 適格基準・除外基準を厳密に適用します
   • 除外理由を記録します

4. 全文のスクリーニング：

   • 残った研究の全文を入手します
   • すべての基準に照らして詳細に評価します
   • 具体的な除外理由を記録します
   • 最終的な採用研究数を記録します

5. PRISMA フローダイアグラムの作成：

   Initial search: n = X
   ├─ After deduplication: n = Y
   ├─ After title screening: n = Z
   ├─ After abstract screening: n = A
   └─ Included in review: n = B
   

フェーズ 4：データ抽出と品質評価

1. 採用した各研究から主要データを抽出します：

   • 研究のメタデータ（著者、年、ジャーナル、DOI）
   • 研究デザインと方法
   • サンプルサイズと対象集団の特性
   • 主要な知見と結果
   • 著者が指摘した限界
   • 資金源と利益相反

2. 研究の品質を評価します：

   • RCT の場合：Cochrane Risk of Bias ツールを使用します
   • 観察研究の場合：Newcastle-Ottawa Scale を使用します
   • システマティックレビューの場合：AMSTAR 2 を使用します
   • 各研究を「高」「中」「低」「非常に低」の品質で評価します
   • 品質が非常に低い研究の除外を検討します

3. テーマ別に整理します：

   • 研究全体から 3～5 個の主要なテーマを特定します
   • テーマごとに研究を分類します（1 つの研究が複数のテーマに該当する場合があります）
   • パターン、合意点、論争点を記録します

フェーズ 5：統合と分析

1. レビュー文書を作成（テンプレートを使用）：

   cp assets/review_template.md my_literature_review.md
   

2. テーマ別の統合を記述（研究ごとの要約ではありません）：

   • 結果セクションをテーマまたは研究課題ごとに整理します
   • 各テーマ内で複数の研究の知見を統合します
   • 異なるアプローチと結果を比較し、対照します
   • 合意が得られている領域と論争点を特定します
   • 最も強力なエビデンスを強調します

   構成例：

   #### 3.3.1 Theme: CRISPR Delivery Methods
   
   Multiple delivery approaches have been investigated for therapeutic
   gene editing. Viral vectors (AAV) were used in 15 studies^1-15^ and
   showed high transduction efficiency (65-85%) but raised immunogenicity
   concerns^3,7,12^. In contrast, lipid nanoparticles demonstrated lower
   efficiency (40-60%) but improved safety profiles^16-23^.
   

3. 批判的分析：

   • 研究全体の方法論上の長所と限界を評価します
   • エビデンスの質と一貫性を評価します
   • 知識の不足領域と方法論上の課題を特定します
   • 今後の研究が必要な領域を明記します

4. 考察を記述：

   • より広い文脈の中で知見を解釈します
   • 臨床、実務、または研究への示唆を論じます
   • レビュー自体の限界を明らかにします
   • 該当する場合は、先行レビューと比較します
   • 今後の具体的な研究の方向性を提案します

フェーズ 6：引用の検証

重要：最終提出前に、すべての引用が正確であることを検証する必要があります。

1. すべての DOI を検証：

   python scripts/verify_citations.py my_literature_review.md
   

   このスクリプトでは、次の処理を行います。

   • 文書からすべての DOI を抽出します
   • 各 DOI が正しく解決されることを検証します
   • CrossRef からメタデータを取得します
   • 検証レポートを生成します
   • 適切な形式の引用を出力します

2. 検証レポートを確認：

   • 失敗した DOI がないか確認します
   • 著者名、タイトル、出版情報が一致していることを検証します
   • 元の文書に誤りがあれば修正します
   • すべての引用が検証に合格するまで、検証を再実行します

3. 引用の書式を統一：

   • 引用スタイルを 1 つ選び、全体を通して使用します（references/citation_styles.md を参照）
   • 一般的なスタイル：APA、Nature、Vancouver、Chicago、IEEE
   • 検証スクリプトの出力を使って、引用を正しい形式に整えます
   • 本文中の引用と参考文献一覧の書式が一致することを確認します

フェーズ 7：文書の生成

1. PDF を生成：

   python scripts/generate_pdf.py my_literature_review.md \
     --citation-style apa \
     --output my_review.pdf
   

   オプション：

   • --citation-style：apa、nature、chicago、vancouver、ieee
   • --no-toc：目次を無効にします
   • --no-numbers：セクション番号を無効にします
   • --check-deps：pandoc／xelatex がインストールされているか確認します

2. 最終出力を確認：

   • PDF の書式とレイアウトを確認します
   • すべてのセクションが含まれていることを検証します
   • 引用が正しく表示されることを確認します
   • 図表が適切に表示されることを確認します
   • 目次が正確であることを検証します

3. 品質チェックリスト：

   • verify_citations.py ですべての DOI を検証済み
   • 引用の書式が統一されている
   • PRISMA フロー図が含まれている（システマティックレビューの場合）
   • 検索方法が十分に記録されている
   • 選択基準と除外基準が明確に記載されている
   • 結果がテーマ別に整理されている（研究ごとではない）
   • 品質評価が完了している
   • 限界が明らかにされている
   • 参考文献が完全かつ正確である
   • PDF がエラーなく生成される

データベース別の検索ガイダンス

PubMed / PubMed Central

gget スキルからアクセスします：

# Search PubMed
gget search pubmed "CRISPR gene editing" -l 100

# Search with filters
# Use PubMed Advanced Search Builder to construct complex queries
# Then execute via gget or direct Entrez API

検索のヒント：

• MeSH 用語を使用します："sickle cell disease"[MeSH]
• フィールドタグ：[Title]、[Title/Abstract]、[Author]
• 日付フィルター：2020:2024[Publication Date]
• ブール演算子：AND、OR、NOT
• MeSH ブラウザーを参照：https://meshb.nlm.nih.gov/search

bioRxiv / medRxiv

gget スキルからアクセスします：

gget search biorxiv "CRISPR sickle cell" -l 50

重要な考慮事項：

• プレプリントは査読を受けていません
• 知見の検証は慎重に行ってください
• プレプリントが出版済みかどうかを確認してください（CrossRef）
• プレプリントのバージョンと日付を記録してください

arXiv

直接 API または WebFetch からアクセスします：

# Example search categories:
# q-bio.QM (Quantitative Methods)
# q-bio.GN (Genomics)
# q-bio.MN (Molecular Networks)
# cs.LG (Machine Learning)
# stat.ML (Machine Learning Statistics)

# Search format: category AND terms
search_query = "cat:q-bio.QM AND ti:\"single cell sequencing\""

Semantic Scholar

直接 API からアクセスします（API キーが必要です。または無料利用枠を使用してください）：

• 全分野にわたる 2 億件以上の論文
• 分野横断的な検索に最適です
• 被引用グラフと論文の推薦を提供します
• 影響力の高い論文を見つけるために使用します

専門的な生物医学データベース

適切なスキルを使用してください：

• ChEMBL：化学物質の生物活性には bioservices スキル
• UniProt：タンパク質情報には gget または bioservices スキル
• KEGG：パスウェイと遺伝子には bioservices スキル
• COSMIC：がんの変異には gget スキル
• AlphaFold：タンパク質構造には gget alphafold
• PDB：実験で得られた構造には gget または直接 API を使用

引用ネットワークの活用

引用ネットワークを通じて検索範囲を広げます：

1. 前方引用（主要論文を引用している論文）：

   • parallel-cli search を使って、特定の研究を引用している論文を検索します：

     parallel-cli search "papers citing [Author et al. Year] [paper title]" \
       -q "citing" -q "[key author]" \
       --json --max-results 10 --excerpt-max-chars-total 27000 \
       --include-domains "scholar.google.com,semanticscholar.org,arxiv.org,pubmed.ncbi.nlm.nih.gov" \
       -o sources/litreview_forward_citations.json
     

   • Google Scholar の「Cited by」を使用します
   • Semantic Scholar または OpenAlex の API を使用します
   • 重要な研究を基盤として発展した、より新しい研究を特定します

2. 後方引用（主要論文の参考文献）：

   • parallel-cli extract を使って主要論文の全文を取得し、参考文献一覧を抽出します：

     parallel-cli extract "https://doi.org/10.xxxx/yyyy" --json
     

   • 採用した論文から参考文献を抽出します
   • 引用数の多い基礎的な研究を特定します
   • 複数の採用研究から引用されている論文を見つけます

引用スタイルガイド

詳細な書式ガイドラインは references/citation_styles.md に記載されています。簡易リファレンス：

APA（第7版）

• 本文中の引用：(Smith et al., 2023)
• 参考文献：Smith, J. D., Johnson, M. L., & Williams, K. R. (2023). Title. Journal, 22(4), 301-318. https://doi.org/10.xxx/yyy

Nature

• 本文中の引用：上付き数字^1,2^
• 参考文献：Smith, J. D., Johnson, M. L. & Williams, K. R. Title. Nat. Rev. Drug Discov. 22, 301-318 (2023).

Vancouver

• 本文中の引用：上付き数字^1,2^
• 参考文献：Smith JD, Johnson ML, Williams KR. Title. Nat Rev Drug Discov. 2023;22(4):301-18.

最終確認の前に、必ず verify_citations.py で引用を検証してください。

影響力の大きい論文を優先する（重要）

信頼できる著者や一流の掲載誌・学会による、影響力が高く引用数の多い論文を必ず優先してください。 文献レビューでは、量より質が重要です。

引用数の基準

引用数を使って、特に影響力の大きい論文を特定します：

論文の経過年数	引用数の基準	分類
0～3年	20件以上の引用	注目に値する
0～3年	100件以上の引用	非常に影響力が大きい
3～7年	100件以上の引用	重要
3～7年	500件以上の引用	画期的な論文
7年以上	500件以上の引用	先駆的な研究
7年以上	1000件以上の引用	基礎となる研究

ジャーナルおよび学会のランク

より上位の掲載誌・学会の論文を優先します：

• Tier 1（常に優先）： Nature、Science、Cell、NEJM、Lancet、JAMA、PNAS、Nature Medicine、Nature Biotechnology
• Tier 2（強く優先）： 影響力の高い専門誌（IF>10）、一流の学会（ML/AI 分野の NeurIPS、ICML）
• Tier 3（関連する場合に採用）： 評判の高い専門誌（IF 5-10）
• Tier 4（採用は限定的に）： 影響力の低い査読付き掲載誌

著者の評判の評価

以下の著者による論文を優先します：

• シニア研究者（確立した分野で h-index >40）
• 有力な研究グループ（Harvard、Stanford、MIT、Oxford などの著名な機関）
• 関連分野で Tier 1 の論文を複数発表している著者
• 専門性が認められている研究者（受賞歴、編集職、学会フェローなど）

先駆的な論文の特定

どのようなトピックでも、以下の方法で基礎となる研究を特定します。

1. 被引用数が多い（通常、発表から5年以上経過した論文で500回以上）
2. 他の対象研究から頻繁に引用されている（多くの参考文献リストに掲載されている）
3. 一流の学術誌に掲載されている（Nature、Science、Cell 系列）
4. その分野の先駆者が執筆している（概念を確立したものとして引用されることが多い）

ベストプラクティス

検索戦略

1. parallel-web から始める：専門データベースを検索する前に、parallel-cli search で学術系ドメインを指定し、まず幅広く検索します
2. 複数のデータベースを使用する（最低3つ）：包括的な検索を実現します。parallel-web も1つの検索元として数えます
3. プレプリントサーバーを含める：未発表の最新の知見を捉えます
4. すべてを記録する：再現性を確保するため、検索文字列、日付、結果数を記録します。parallel-cli の出力はすべて sources/ に保存します
5. 試行して改善する：予備検索を実行し、結果を確認して検索語を調整します
6. 被引用数で並べ替える：可能な場合は検索結果を被引用数で並べ替え、影響力の大きい研究を先に確認します
7. parallel-cli extract を使用する：検索で見つかった有望な URL から全文を取得し、全文スクリーニングの前に関連性を確認します

スクリーニングと選定

1. 複数のデータベースを使用する（最低3つ）：包括的な検索を実現します
2. プレプリントサーバーを含める：未発表の最新の知見を捉えます
3. すべてを記録する：再現性を確保するため、検索文字列、日付、結果数を記録します
4. 試行して改善する：予備検索を実行し、結果を確認して検索語を調整します

スクリーニングと選定

1. 明確な基準を設ける：スクリーニングの前に、採用基準と除外基準を記録します
2. 体系的にスクリーニングする：タイトル → 要旨 → 全文
3. 除外理由を記録する：研究を除外した理由を記録します
4. 二重スクリーニングを検討する：システマティックレビューでは、2人のレビュアーが独立してスクリーニングします

統合

1. テーマ別に整理する：個々の研究ごとではなく、テーマごとにまとめます
2. 研究横断的に統合する：比較、対照し、パターンを特定します
3. 批判的に評価する：エビデンスの質と一貫性を評価します
4. 不足している点を特定する：欠けている点や研究が不十分な点を記録します

品質と再現性

1. 研究の質を評価する：適切な品質評価ツールを使用します
2. すべての引用を検証する：verify_citations.py スクリプトを実行します
3. 方法論を記録する：他の人が再現できるだけの詳細を記載します
4. ガイドラインに従う：システマティックレビューには PRISMA を使用します

執筆

1. 客観的に記述する：エビデンスを公平に提示し、限界を認めます
2. 体系的に記述する：構造化されたテンプレートに従います
3. 具体的に記述する：入手可能な場合は、数値、統計、効果量を含めます
4. 明確に記述する：わかりやすい見出し、論理的な展開、テーマ別の構成を用います

避けるべきよくある落とし穴

1. 単一データベースでの検索：関連論文を見逃します。必ず複数のデータベースを検索してください
2. 検索内容の記録がない：レビューの再現が困難になります。すべての検索を記録してください
3. 研究ごとの要約：統合が不十分になります。代わりにテーマ別に整理してください
4. 引用の未検証：誤りにつながります。必ず verify_citations.py を実行してください
5. 検索範囲が広すぎる：無関係な結果が何千件も得られます。具体的な語句で絞り込んでください
6. 検索範囲が狭すぎる：関連論文を見逃します。同義語や関連語を含めてください
7. プレプリントの無視：最新の知見を見逃します。bioRxiv、medRxiv、arXiv を含めてください
8. 品質評価がない：すべてのエビデンスを同等に扱うことになります。品質を評価して報告してください
9. 出版バイアス：肯定的な結果のみが公表される可能性があります。潜在的なバイアスに言及してください
10. 検索内容が古い：分野は急速に進展します。検索日を明記してください

ワークフローの例

生物医学文献レビューの完全なワークフロー：

# 1. Create review document from template
cp assets/review_template.md crispr_sickle_cell_review.md

# 2. Start with parallel-web for broad academic search
parallel-cli search "CRISPR Cas9 sickle cell disease gene therapy efficacy" \
  -q "CRISPR" -q "sickle cell" -q "gene therapy" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  --include-domains "scholar.google.com,arxiv.org,pubmed.ncbi.nlm.nih.gov,semanticscholar.org,biorxiv.org,nature.com,science.org,cell.com,pnas.org,nih.gov" \
  -o sources/litreview_crispr_scd-academic.json

parallel-cli search "CRISPR sickle cell disease clinical trials treatment" \
  -q "CRISPR" -q "sickle cell" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  -o sources/litreview_crispr_scd-general.json

# 3. Search specialized databases using appropriate skills
# - Use gget skill for PubMed, bioRxiv
# - Use direct API access for arXiv, Semantic Scholar
# - Export results in JSON format

# 4. Aggregate and process results (combine parallel-cli + database results)
python scripts/search_databases.py combined_results.json \
  --deduplicate \
  --rank citations \
  --year-start 2015 \
  --year-end 2024 \
  --format markdown \
  --output search_results.md \
  --summary

# 5. Screen results and extract data
# - Use parallel-cli extract to fetch full content from promising URLs
# - Manually screen titles, abstracts, full texts
# - Extract key data into the review document
# - Organize by themes

# 6. Write the review following template structure
# - Introduction with clear objectives
# - Detailed methodology section
# - Results organized thematically
# - Critical discussion
# - Clear conclusions

# 7. Verify all citations
python scripts/verify_citations.py crispr_sickle_cell_review.md

# Review the citation report
cat crispr_sickle_cell_review_citation_report.json

# Fix any failed citations and re-verify
python scripts/verify_citations.py crispr_sickle_cell_review.md

# 8. Generate professional PDF
python scripts/generate_pdf.py crispr_sickle_cell_review.md \
  --citation-style nature \
  --output crispr_sickle_cell_review.pdf

# 9. Review final PDF and markdown outputs

他のスキルとの連携

このスキルは、他の科学関連スキルとシームレスに連携します。

ウェブ検索と抽出（parallel-web スキル — PRIMARY）

• parallel-cli search：ドメインで絞り込める、学術分野および一般向けの幅広いウェブ検索です。初期調査、論文の発見、引用をたどる調査、補足検索に使用します
• parallel-cli extract：論文の URL、学術誌のウェブサイト、プレプリントサーバーから全文を取得します。抄録の確認、参考文献リストの抽出、論文の詳細確認に使用します
• parallel-cli search --include-domains：学術ドメイン（arxiv.org、pubmed、nature.com など）を対象とした検索です

データベースアクセススキル

• gget：PubMed、bioRxiv、COSMIC、AlphaFold、Ensembl、UniProt
• bioservices：ChEMBL、KEGG、Reactome、UniProt、PubChem
• datacommons-client：人口統計、経済、健康統計

解析スキル

• pydeseq2：RNA-seq の差次的発現解析（方法のセクション向け）
• scanpy：シングルセル解析（方法のセクション向け）
• anndata：シングルセルデータ（方法のセクション向け）
• biopython：配列解析（背景のセクション向け）

可視化スキル

• matplotlib：レビュー用の図やプロットを作成します
• seaborn：統計的な可視化を行います

執筆スキル

• brand-guidelines：PDF に組織のブランディングを適用します
• internal-comms：レビューを対象者に合わせて調整します

リソース

同梱リソース

スクリプト：

• scripts/verify_citations.py：DOI を確認し、書式を整えた引用を生成します
• scripts/generate_pdf.py：Markdown をプロフェッショナルな PDF に変換します
• scripts/search_databases.py：検索結果を処理、重複排除、書式設定します

参考資料：

• references/citation_styles.md：引用書式の詳細ガイド（APA、Nature、Vancouver、Chicago、IEEE）
• references/database_strategies.md：包括的なデータベース検索戦略

アセット：

• assets/review_template.md：すべてのセクションを含む、文献レビューの完全なテンプレート

外部リソース

ガイドライン：

• PRISMA（システマティックレビュー）：http://www.prisma-statement.org/
• Cochrane Handbook：https://training.cochrane.org/handbook
• AMSTAR 2（レビューの品質）：https://amstar.ca/

ツール：

• MeSH Browser：https://meshb.nlm.nih.gov/search
• PubMed Advanced Search：https://pubmed.ncbi.nlm.nih.gov/advanced/
• Boolean Search Guide：https://www.ncbi.nlm.nih.gov/books/NBK3827/

引用スタイル：

• APA Style：https://apastyle.apa.org/
• Nature Portfolio：https://www.nature.com/nature-portfolio/editorial-policies/reporting-standards
• NLM/Vancouver：https://www.nlm.nih.gov/bsd/uniform_requirements.html

依存関係

必須 CLI ツール

# parallel-cli (PRIMARY — for web search and URL extraction)
curl -fsSL https://parallel.ai/install.sh | bash
# Or: uv tool install "parallel-web-tools[cli]"
# Authenticate: parallel-cli auth

必須 Python パッケージ

pip install requests  # For citation verification

必須システムツール

# For PDF generation
brew install pandoc  # macOS
apt-get install pandoc  # Linux

# For LaTeX (PDF generation)
brew install --cask mactex  # macOS
apt-get install texlive-xetex  # Linux

依存関係を確認します：

python scripts/generate_pdf.py --check-deps

まとめ

この文献レビュー用スキルでは、次のことができます。

1. 学術的なベストプラクティスに沿った体系的な方法論
2. parallel-web を活用した検索：parallel-cli search を使用し、学術ドメインで絞り込んで、幅広い学術文献をすばやく発見します
3. 複数のデータベースとの統合：既存の科学分野のスキル（gget、bioservices、datacommons-client）を介して統合します
4. 引用の検証：正確性と信頼性を確保します
5. プロフェッショナルな出力：Markdown および PDF 形式で出力します
6. 包括的なガイダンス：レビューの全プロセスを網羅します
7. 品質保証：検証ツールを使用します
8. 再現性：詳細な文書化要件を通じて確保します

学術基準を満たし、あらゆる分野の最新知識を包括的に統合した、徹底的で厳密な文献レビューを実施できます。