Microbiome Research

ToolUniverse によるマイクロバイオーム研究

MGnify（EBI メタゲノミクス）、GTDB（ゲノム分類）、ENA（シーケンスデータ）、OLS（ENVO バイオームのオントロジー検索）、EuropePMC（文献）を活用した包括的なマイクロバイオーム解析です。

コアツール

ツール	目的	認証
MGnify_search_studies	バイオーム／キーワードでメタゲノミクス研究を検索	なし
MGnify_search_studies_detail	研究のメタデータ、要旨、サンプル数を取得	なし
MGnify_list_analyses	研究の分類学的／機能的解析結果を一覧表示	なし
MGnify_get_taxonomy	解析結果から分類学的構成を取得	なし
MGnify_get_go_terms	解析結果から GO 機能アノテーションを取得	なし
MGnify_get_interpro	InterPro タンパク質ドメインのアノテーション	なし
MGnify_list_biomes	MGnify バイオーム階層を閲覧	なし
MGnify_search_genomes	メタゲノムアセンブルゲノム（MAG）を検索	なし
MGnify_get_genome	ゲノム品質指標（完全性、汚染）を取得	なし
GTDB_search_genomes	分類情報で細菌／古細菌のゲノムを検索	なし
GTDB_get_species	GTDB の種クラスターの詳細を取得	なし
GTDB_get_taxon_info	GTDB 階層内の分類階級情報を取得	なし
GTDB_search_taxon	すべての階級を対象に部分名で分類群を検索	なし
ENAPortal_search_studies	ENA でシーケンス研究を検索します。クエリ形式：description="keyword"	なし
ENAPortal_search_samples	環境メタデータを含むサンプルを検索	なし
ols_search_terms	バイオーム／環境用語を ENVO オントロジーで検索	なし
EuropePMC_search_articles	マイクロバイオーム関連の論文を検索	なし
PubMed_search_articles	文献を検索（EuropePMC とは収録範囲が異なります）	なし

薬剤とマイクロバイオームの研究では、以下も使用します：

• PubChem_get_CID_by_compound_name / PubChem_get_compound_properties_by_CID — 薬剤の同定
• CTD_get_chemical_gene_interactions — 薬剤と遺伝子の相互作用（例：メトホルミンは1,175以上の遺伝子に影響します）
• kegg_search_pathway / kegg_get_pathway_info — 微生物の代謝経路（酪酸、プロピオン酸）
• ReactomeAnalysis_pathway_enrichment — 薬剤の影響を受ける遺伝子に関する宿主経路のエンリッチメント解析
• drugbank_vocab_search — 薬剤の作用機序と標的

MGnify のヒント：簡潔な単一キーワードで検索します（例：「metformin」）。複数語のクエリはタイムアウトすることがあります。広範な検索では MGnify API の応答が遅くなることがあります。

クイックスタート

from tooluniverse import ToolUniverse

tu = ToolUniverse()
tu.load_tools()

# 1. Search for gut microbiome studies
studies = tu.run_one_function({
    'name': 'MGnify_search_studies',
    'arguments': {'search': 'gut microbiome', 'size': 5}
})

# 2. Get study details
detail = tu.run_one_function({
    'name': 'MGnify_search_studies_detail',
    'arguments': {'study_accession': 'MGYS00006860'}
})

# 3. List analyses for a study
analyses = tu.run_one_function({
    'name': 'MGnify_list_analyses',
    'arguments': {'study_accession': 'MGYS00006860', 'size': 5}
})

# 4. Get taxonomic profile from an analysis
taxonomy = tu.run_one_function({
    'name': 'MGnify_get_taxonomy',
    'arguments': {'analysis_accession': 'MGYA00612683'}
})

# 5. Get functional annotations
go_terms = tu.run_one_function({
    'name': 'MGnify_get_go_terms',
    'arguments': {'analysis_accession': 'MGYA00612683'}
})

よくあるワークフロー

ワークフロー 1：環境別の研究検索

MGnify のバイオーム階層を使って、特定のバイオームに関する研究を検索します：

# Browse biome hierarchy
biomes = tu.run_one_function({
    'name': 'MGnify_list_biomes',
    'arguments': {'lineage': 'root:Host-associated:Human', 'depth': 3}
})

# Search studies in a specific biome
studies = tu.run_one_function({
    'name': 'MGnify_search_studies',
    'arguments': {'biome': 'root:Host-associated:Human:Digestive system', 'size': 10}
})

# Look up ENVO ontology terms for environment metadata
envo = tu.run_one_function({
    'name': 'ols_search_terms',
    'arguments': {'query': 'human gut', 'ontology': 'envo', 'rows': 5}
})

ワークフロー 2：分類学的プロファイリング

メタゲノミクスサンプルの微生物構成を取得します：

# Get analyses for a study
analyses = tu.run_one_function({
    'name': 'MGnify_list_analyses',
    'arguments': {'study_accession': 'MGYS00006860', 'size': 3}
})

# Get taxonomy for a specific analysis
taxonomy = tu.run_one_function({
    'name': 'MGnify_get_taxonomy',
    'arguments': {'analysis_accession': 'MGYA00612683'}
})
# Returns organisms with lineage, abundance counts, and taxonomy rank

ワークフロー 3：ゲノム品質評価

メタゲノムアセンブルゲノム（MAG）を評価します：

# Search for genomes from a specific taxon
genomes = tu.run_one_function({
    'name': 'MGnify_search_genomes',
    'arguments': {'search': 'Faecalibacterium prausnitzii', 'size': 5}
})

# Get quality metrics for a genome
genome = tu.run_one_function({
    'name': 'MGnify_get_genome',
    'arguments': {'genome_accession': 'MGYG000000001'}
})
# Returns completeness, contamination, N50, genome length, taxonomy

# Cross-reference with GTDB taxonomy
gtdb = tu.run_one_function({
    'name': 'GTDB_search_genomes',
    'arguments': {'operation': 'search_genomes', 'query': 'Faecalibacterium', 'items_per_page': 5}
})

ワークフロー 4：機能アノテーション

メタゲノムの機能的ポテンシャルを調べます：

# GO terms from an analysis
go_terms = tu.run_one_function({
    'name': 'MGnify_get_go_terms',
    'arguments': {'analysis_accession': 'MGYA00612683'}
})

# InterPro domains
interpro = tu.run_one_function({
    'name': 'MGnify_get_interpro',
    'arguments': {'analysis_accession': 'MGYA00612683'}
})

ワークフロー 5：文献との統合

メタゲノミクスデータを公表済みの研究と組み合わせます：

# Find relevant publications
papers = tu.run_one_function({
    'name': 'EuropePMC_search_articles',
    'arguments': {'query': 'gut microbiome AND Faecalibacterium AND (IBD OR "Crohn")', 'limit': 10}
})

# Find sequencing data in ENA
ena_studies = tu.run_one_function({
    'name': 'ENAPortal_search_studies',
    'arguments': {'query': 'description="gut microbiome 16S"', 'limit': 5}
})

MGnify バイオーム階層

主要なバイオーム系統（その他は MGnify_list_biomes で確認できます）：

• ヒト腸内：root:Host-associated:Human:Digestive system
• ヒト口腔／皮膚：root:Host-associated:Human:Oral / root:Host-associated:Human:Skin
• 土壌：root:Environmental:Terrestrial:Soil
• 海洋／淡水：root:Environmental:Aquatic:Marine / root:Environmental:Aquatic:Freshwater
• 廃水：root:Engineered:Wastewater

主要な識別子

MGnify：研究=MGYS*、解析=MGYA*、ゲノム=MGYG*。ENA の研究=PRJEB*。GTDB のゲノム=GCA_*。ENVO の用語=ENVO:*（例：ENVO:00002041）。

推論フレームワーク

出発点：まず問いを定める

マイクロバイオーム解析は、「問いは何か？」から始まります。推測せず、必ず研究の種類とシーケンス手法を確認してから結果を解釈してください。

データの種類を判断するためのフローチャート：

• 群集組成（どの生物が存在するか？）→ 16S/ITS アンプリコン → アルファ／ベータ多様性、差次的存在量
• 機能ポテンシャル（何ができるか？）→ ショットガンメタゲノミクス → MGnify GO 用語、InterPro、KEGG 経路
• 活性機能（現在何をしているか？）→ メタトランスクリプトミクス → 専用パイプライン（MGnify/GTDB だけでは不十分）

ツールを呼び出す前に、MGnify_search_studies_detail を使ってユーザーのデータの種類を特定してください。パイプラインの種類（アンプリコンかショットガンか）によって、有効な解析が決まります。メタゲノムデータに 16S の多様性指標を適用したり、その逆を行ったりしないでください。

ディスバイオーシスの評価戦略

ディスバイオーシス（微生物の不均衡）は文脈に依存し、普遍的な「健康な」マイクロバイオームは存在しません。推測せず、一般集団の参照データではなく、研究条件が一致した対照群と比較してください。

1. アルファ多様性を確認する：対照群と比べてシャノン指数が低下している場合、ディスバイオーシスが示唆されます。MGnify_get_taxonomy で群集プロファイルを取得し、豊富さと均等度を評価します。
2. キーストーン分類群の変化を特定する：既知の有益な分類群（例：腸内の Faecalibacterium、Roseburia）の減少、または病原性を示す可能性のある分類群（例：Enterobacteriaceae）の増加を確認します。GTDB_get_species で分類群の役割を調べ、EuropePMC_search_articles で文献を検索してください。
3. 機能的な影響を確認する：分類群の変化は代謝経路の喪失・獲得と相関していますか？対象サンプルについて、MGnify_get_go_terms と MGnify_get_interpro を確認してください。
4. 交絡因子を考慮する：抗生物質、食事、年齢、地理的要因はいずれもマイクロバイオームの組成に影響します。ディスバイオーシスを主張するには、これらの因子を調整するか、限界として明記する必要があります。

分類学的解析と機能解析：使い分け

• 分類学的解析だけで十分な場合は、問いが「どの生物が存在するか？」または「群集組成はグループ間で異なるか？」のときです。MGnify_get_taxonomy + GTDB_search_genomes を使用します。
• 機能解析が必要な場合は、問いが「代謝能力はどのように異なるか？」または「分類群の変化にはどのような意味があるか？」のときです。MGnify_get_go_terms + MGnify_get_interpro + kegg_search_pathway を使用します。
• 両方を組み合わせる場合は、生物と機能を関連付けるときです（例：「健康な腸と IBD の腸で、どの分類群が酪酸産生を担っているか？」）。同じ MGnify 解析の分類学的プロファイルと機能アノテーションを相互参照してください。

エビデンスの評価

ティア	説明	例
T1	複数のコホートで再現され、一貫した効果が認められた知見	IBD における Faecalibacterium の減少（独立した研究が 10 件超）
T2	適切な対照群を備えた、十分な検出力を持つ単一の研究（n > 100）	対照試験で認められた、メトホルミンに関連する Akkermansia の増加
T3	サンプルサイズが小さい予備研究または観察的関連	検証コホートのない、n=15 の症例対照研究における分類学的変化
T4	計算による予測、または単一サンプルでの観察	培養による確認がない、機能を予測した新規 MAG

解釈のガイダンス

アルファ多様性（サンプル内）: Shannon 指数は豊富さと均一さを測定します。Shannon 値が高い（腸内では 3.0 超）場合は安定した群集を示唆します。アルファ多様性の低下はディスバイオシス（IBD、抗生物質）と関連しています。必ず研究内で対応するコントロールと比較してください。多様性は身体部位、シーケンス深度、地域によって異なります。

ベータ多様性（サンプル間）: Bray-Curtis（存在量ベース）または UniFrac（系統発生的）。PERMANOVA の p < 0.05 かつ R-squared > 0.05 は、条件に起因するクラスタリングを示します。p が有意であっても R-squared が低い（<0.02）場合は、効果が個人間変動に対して小さいことを示唆します。豊富な分類群が最も重要である場合は重み付き UniFrac を、希少な分類群が重要な場合は非重み付き UniFrac を選択してください。

分類学的組成: 門レベルの相対存在量（Firmicutes/Bacteroidetes 比）は粗い指標であり、属レベルまたは種レベルの解像度が好まれます。複数のサンプルで相対存在量が 1% 超で存在する分類群は信頼性をもって検出されます。0.1% 未満の分類群はノイズまたはシーケンスアーティファクトである可能性があります。GTDB の分類体系は NCBI の名称を再分類する場合があります（例: Firmicutes が複数の門に分割される）。

機能プロファイリング: MGnify からの GO タームおよび InterPro ドメインは、群集の代謝ポテンシャル（必ずしも活性ではない）を反映します。特定のパスウェイ（例: 酪酸産生、LPS 生合成）の濃縮は、どの生物がその機能に寄与しているかを特定するために、分類学データと併せて解釈する必要があります。

統合のための質問

完全なマイクロバイオームレポートは以下の問いに答えるべきです:

1. 条件間でアルファ多様性はどのように比較され、その差は有意ですか？
2. ベータ多様性解析は条件に起因するクラスタリング（PERMANOVA）を示しますか？
3. どの分類群が差次的に豊富であり、それらは既知の共生菌または病原菌（pathobiont）ですか？
4. どの機能パスウェイが濃縮されており、どの分類群がそれらを駆動している可能性が高いですか？
5. 知見は同じバイオーム/条件に関する公表研究とどのように比較されますか（文献の文脈）？

ヒント

• MGnify の研究アクセッションは MGYS で始まり、解析は MGYA、ゲノムは MGYG
• 正しいバイオーム系統文字列を見つけるには、まず MGnify_list_biomes を使用してください
• MGnify_get_taxonomy は門レベルから種レベルの組成を返します
• GTDB は標準化された細菌/古細菌の分類体系を提供します（一部の系統で NCBI と異なります）
• 16S アンプリコン研究では分類学が主要な出力です。ショットガンメタゲノミクスでは、分類学と機能アノテーションの両方が利用可能です
• MGnify ツールの size パラメータはページあたりの結果数を制御します（最大 100）