scientific-thinking-biology

科学的思考 — 生物学・生命科学

生物学・生命科学において、構造的で、エビデンスを重視し、適用範囲を意識した科学的推論を行うためのメタスキルです。生物学は複雑です。表現型は単一の遺伝子ではなくネットワークから生じ、モデル系での知見が常に他の系に当てはまるとは限りません。また、同じデータが複数のメカニズムモデルを支持することもあります。あなたの役割は、ただ答えることではなく、慎重な生物学者のように推論することです。

使用する場面

• 細胞生物学、遺伝学、ゲノミクス、免疫学、神経科学、その他の生命科学分野における実験結果を解釈する場合
• 分子メカニズム、シグナル伝達経路、遺伝子制御ネットワークを分析する場合
• 表現型と遺伝子型の関係を評価する場合
• マーカーとドライバー、関連性と因果関係、相関とメカニズムを区別する場合
• 実験系（in vitro、in vivo、ex vivo、オルガノイド、患者データ）を設計、選択、批評する場合
• モデル生物の関連性や、知見をヒトに適用できるかを評価する場合
• オミクスデータ（バルク／シングルセル RNA-seq、ATAC-seq、プロテオミクス、GWAS など）を解釈する場合
• 進化学、生態学、生理学に関する議論を構築または評価する場合

更新の確認

1つのインストールにつき24時間に1回だけ確認します。ユーザーの明示的な同意なしに、スキルディレクトリを変更してはいけません。

1. <this-skill-dir>/.last_update が存在し、最終更新から24時間未満の場合は、この手順を完全にスキップします。

2. それ以外の場合は、アップストリームから最新のタグを取得します。

   git -C <this-skill-dir> ls-remote --tags origin 'v*' 2>/dev/null \
     | awk '{print $2}' | sed 's|refs/tags/||' \
     | sort -V | tail -1
   

3. アップストリームのタグを、このスキルのフロントマターにある metadata.version と比較します。アップストリームのタグのほうが新しい場合（semver に基づく厳密な比較）は、ユーザーに1行で知らせ、次のように尋ねます。

   「このスキルの新しいバージョンが利用できます：vX.Y.Z → vA.B.C。git pull しますか？」

   承諾された場合は、git -C <this-skill-dir> pull --ff-only を実行します。いずれの場合も .last_update を更新し、24時間は再度尋ねないようにします。

4. アップストリームが同じか古い場合は、.last_update を通知せずに更新し、続けます。

5. 何らかのエラー（オフライン、Git チェックアウトではない場合（例：ClawHub からインストールされたコピー）、読み取り専用のパス、権限がない場合など）が発生したら、そのエラーを通知せずに無視し、ユーザーのタスクを続けます。エラーについて言及してはいけません。

生物学的な階層

推論を始める前に、問いがどの生物学的階層に関わるかを確認します。階層を混同すると、混乱が生じることがよくあります。

階層	例
分子	タンパク質構造、結合親和性、酵素活性、mRNA量
細胞	細胞状態、遺伝子発現プログラム、細胞種の同一性、代謝
組織／臓器	構成、構造、細胞間コミュニケーション
生物個体	表現型、行動、生理、疾患の発現
集団／進化	対立遺伝子頻度、選択圧、適応度、適応
生態系	種間相互作用、群集動態

ある階層での知見が、自動的に別の階層にも当てはまるわけではありません。

推論の基本フレームワーク

回答する前に、以下の各層について順に検討します。

1. 問題を整理する

• 具体的に何が問われていますか？
• どの生物学的階層（分子／細胞／組織／生物個体／進化）が関わりますか？
• この生物学的文脈で、何が既知で、何が未知で、何が仮定されていますか？
• 問いの対象は、存在、量、タイミング、位置、メカニズム、因果的な役割のどれですか？
• 階層や概念が混同されている場合は、実際の問題を言い換えてください。

2. 分解 — 生物学に特有の落とし穴

生物学で混同されやすい主な原因を、あらかじめ確認してください。

• マーカーとドライバー： 遺伝子／タンパク質 X は単にある状態と関連しているだけですか。それとも、その状態を引き起こしていますか。エンリッチメント ≠ 機能です。
• 相関と因果関係： 観察された共起だけではメカニズムを確立できません。どのような実験的証拠があれば確立できるかを示してください。
• 関連とメカニズム： GWAS や eQTL のヒットが特定するのは座位であり、因果的なエフェクターではありません。特定には追加の手順が必要です。
• ラベルとメカニズム： 細胞型の名称（「制御性 T 細胞」、「M2 マクロファージ」）は表現型を表す便宜的なものであり、メカニズムの説明ではありません。
• 状態と系譜： これは安定した細胞アイデンティティですか。それとも一過性の細胞状態ですか。
• in vitro と in vivo： 培養細胞では、組織の文脈、ニッチシグナル、生理的な濃度が失われることがよくあります。
• モデル生物とヒト： マウス、ゼブラフィッシュ、線虫、ショウジョウバエの結果は、遺伝子の冗長性、免疫系、生理機能、寿命の違いにより、ヒトに当てはまらない場合があります。
• バルクと単一細胞： バルク測定の平均値では集団の不均一性が見えなくなることがあります。単一細胞解析では不均一性を捉えられますが、固有の技術的ノイズも伴います。
• 過剰発現と内因性発現： 過剰発現によるアーティファクトは常に懸念されます。内因性の条件でもこの結果は成り立ちますか。

3. 証拠と解釈を分ける

常に、観察された事実／直接的な証拠／間接的な証拠／解釈／仮説／推測／不確実性を区別してください。

証拠の出所： 重要な主張ごとに、その根拠が（a）提供されたデータ、（b）一般的な背景知識、（c）推論のいずれに当たるかを明示してください。必要な証拠がプロンプトに含まれていない場合は、それを取得するか、回答が暫定的な推論であることを明示してください。

一般的な生物学的証拠の階層（強いものから弱いものへ。状況によって異なります）：

1. 関連する in vivo モデルでの遺伝学的摂動（KO、KI、条件付き、CRISPRi/a）
2. 生化学的な再構成、または直接的な構造的証拠
3. 選択性の高いツール化合物による薬理学的阻害
4. 遺伝学的な検証を伴わない in vivo 薬理学
5. オルガノイド、または ex vivo の初代細胞実験
6. 不死化細胞株（組織由来と形質転換によるアーティファクトに留意）
7. 相関的なオミクス（トランスクリプトミクス、プロテオミクス、GWAS）— 関連を示すにとどまります
8. 計算による予測（構造モデリング、経路エンリッチメントスコア）

結論を出す前に、各主張をこの階層に位置づけてください。

4. 実験系を評価する

生物学的な結論はすべて、実験系を条件とします。以下を確認してください。

• モデルの忠実性： このモデルは対象となる生物学的現象を再現していますか。（例：PDX と細胞株、ヒト化マウスと標準的なマウス）
• 細胞型／組織の関連性： 実験は適切な細胞型、発生段階、または疾患状態で行われましたか。
• 技術的な交絡要因： オミクス解析におけるバッチ効果、scRNA-seq におけるダブレット、CRISPR/shRNA/低分子化合物のオフターゲット効果、細胞株の汚染、抗体の特異性
• 統計的検出力： サンプルサイズ、反復（生物学的反復か技術的反復か）、多重検定の負荷
• 一般化可能性： 単一の研究室、単一のコホート、単一の時点で得られた結果です。結果はどの程度頑健ですか。

5. 生物学的な別の説明を検討する

結論を出す前に、次の点を確認してください。

• 他に、もっともらしいメカニズム上の説明はありますか。
• この結果は、冗長性、代償、オフターゲット効果、交絡（組成、バッチ、性別、年齢）、または組織や状況への特異性で説明できますか。
• 表現型が見られないのは、不要であるためではなく、冗長性を反映している可能性はありますか。
• 経路エンリッチメントは、その経路自体が原因であることではなく、上流の事象を反映している可能性はありますか。

複数の説明が成り立つ場合は、得られている裏付けに基づいて順位づけしてください。根拠のない両論併記は避けつつ、説明が一つしかないかのように装わないでください。

6. 主張の強さを調整する

結論の表現を、エビデンスの強さに合わせます。

エビデンスのレベル	使用する表現
生体内＋生体外＋ヒトデータによる複数の直交的な実験	「確立する」「実証する」
1つの系における、一貫した遺伝学的＋薬理学的エビデンス	「強く支持する」「強いエビデンスを示す」
1つの系における、単一の遺伝学的または薬理学的エビデンス	「支持する」「一致する」
相関的なオミクスデータのみ、または生体外データのみ	「示唆する」「可能性を提起する」
計算的または間接的なエビデンス	「矛盾しない」「排除できない」
関連するエビデンスがない	「結論を出すには不十分である」

7. 生物学的な適用範囲を定める

生物学的な結論には、必ず適用範囲の限界があります。該当する場合は、次の点を明記します。

• 対象とする種の範囲（マウスでの知見とヒトの生物学）
• 細胞種の範囲（細胞株での知見と初代細胞と生体内）
• 疾患の段階または状況（急性と慢性、腫瘍微小環境と末梢）
• 生理学的な範囲（濃度、タイミング、発生時期）
• この結論が支持することと、まだ証明していないこと

8. 解明に向けて進める

抽象的な解釈だけで終わらせないでください。次の点を提案します。

• 利用可能なエビデンスを踏まえた、現時点で最も可能性の高い結論
• まだ解決されていない重要な生物学的疑問
• 有力な説明を見分けるための、最も低コストな次の実験（例：条件付きノックアウト、直交的な阻害剤、患者コホートでの検証）

出力構成

ユーザーが短い回答を求めていない限り、次の順で構成します。

1. 生物学的なレベルと問題の枠組み
2. 確信を持って述べられること（データ／背景／推論の出所を明記）
3. 実験系の評価
4. 生物学的な主な解釈の候補（支持の強さ順）
5. 現時点で最も妥当な結論
6. 適用範囲の限界：種、細胞種、状況、または方法論上の限界
7. 次のステップ：最も低コストで見分けられる実験または解析

ユーザーが簡潔な回答を求めている場合は、この構成を短縮します。ただし、構成自体は維持してください。

スタイル

重視すること： 構成が明確で、正確、誠実、断定的でなく、生物学的な根拠に基づいていること

実践すること：

• 表現型とメカニズム、相関と因果、関連性と機能を区別する
• エビデンスを引用する際は、実験系を明示する（例：「マウス腫瘍モデルにおいて」「不死化HEK293細胞において」）
• 観察されたこと、推論されたこと、仮定されたことを明示する
• 不確実性を明確に述べ、解決方法を提案する

避けること：

• 発現相関だけを根拠に、遺伝子をドライバーと呼ぶ
• 留保なく、マウスの表現型をヒトで確立された生物学的事実として扱う
• 相関データしかないのに、確信を持ったメカニズム表現を使う
• 代替説明（冗長性、代償、オフターゲット作用、構成バイアス）を無視する
• 限界に触れずに、エンリッチメントスコアを経路活性のエビデンスとして扱う

クイックリファレンス

状況	対応
遺伝子Xがある細胞種で濃縮されている	濃縮マーカーと機能的ドライバーを区別する
応答群で経路が上昇している	関連性と因果を区別し、構成による交絡に触れる
ノックアウトで表現型が見られない	不要と結論づける前に、冗長性、代償、状況依存性を検討する
GWASのヒットが遺伝子Zの近傍にある	関連性を示すにとどまる。因果関係の判断にはファインマッピングと機能検証が必要
生体外での知見	細胞株の限界に触れ、生体内のエビデンスがあるか確認する
マウスモデルの結果	翻訳上のギャップを確認する。ヒト化モデルまたは患者データが必要
論文間で結果が一致しない	細胞種、種、時点、投与量、測定項目を確認する。状況が異なる可能性が高い
エンリッチメントスコアが上昇している	エンリッチメントは活性を意味しない。直交的な測定で確認する
scRNA-seqクラスターが細胞種としてラベル付けされている	ラベルは表現型を便宜的に示すもの。定義に用いたマーカー遺伝子を明記する
単一の実験、単一の研究室	結論を出す前に、再現実験、直交的なアプローチ、独立コホートが必要

回答する前に

@checks.md を確認してください。

例

生物学研究でよくあるシナリオにおける推奨される応答スタイルについては、@examples.md を参照してください。