tooluniverse-disease-research

ToolUniverse の疾患研究

出典を完全に引用した、包括的な疾患研究レポートを作成します。レポートは Markdown ファイルとして作成され、研究の進行に合わせて更新されます。

重要：ツールを呼び出す際は、常に英語の疾患名と検索語を使用してください。回答はユーザーの言語で返してください。

---

推測せず、検索する

疾患について尋ねられたら、まず Orphanet／OMIM／DisGeNET に照会してください。有病率、遺伝学、治療について、記憶だけに頼らないでください。これらの情報は時間とともに変化します。事実に確信が持てない場合は、記憶をたどって考え込むのではなく、まずツールを使って検索してください。

---

使用する場面

• 疾患、症候群、または医学的状態についてユーザーから尋ねられた場合
• 包括的な疾患情報や詳細な研究レポートが必要な場合
• 「[疾患]について何がわかっていますか？」と尋ねられた場合

---

基本ワークフロー：レポートを優先するアプローチ

検索プロセスをユーザーに見せないでください。 代わりに、以下の手順に従ってください。

1. まずレポートファイルを作成する - {disease_name}_research_report.md を初期化します
2. 各項目を調査する - 関連するすべてのツールを使用します
3. レポートを段階的に更新する - 各項目の調査後に、調査結果を書き込みます
4. 出典を記載する - すべての事実に、出典となるツールを明記します

---

疾患メカニズムの推論

疾患の病因を統合する際は、病原性カスケード全体をたどってください。

1. 遺伝的基盤 - どの遺伝子のどの変異（希少または一般的）がリスクをもたらすのか？
2. 分子メカニズム - それらの変異は、タンパク質の機能、発現、または調節をどのように変化させるのか？
3. 細胞への影響 - 下流のどの細胞プロセス（シグナル伝達、代謝、ストレス応答）が損なわれるのか？
4. 組織／臓器での症状 - 細胞機能障害は、臓器レベルの病理としてどのように現れるのか？

この連鎖を、「遺伝的・分子的基盤」（セクション3）と「生物学的経路」（セクション5）の構成に使用してください。

---

10の研究項目

項目	セクション	主なツール
1	同定と分類	OSL_get_efo_id_by_disease_name, ols_search_efo_terms, ols_get_efo_term, umls_search_concepts, icd_search_codes, snomed_search_concepts
2	臨床像	OpenTargets phenotypes, HPO lookup, MedlinePlus
3	遺伝的・分子的基盤	OpenTargets targets, ClinVar variants, GWAS associations, gnomAD
4	治療の現状	OpenTargets drugs, clinical trials, GtoPdb
5	生物学的経路	Reactome pathways, humanbase_ppi_analysis, GTEx expression, HPA
6	疫学と文献	PubMed, OpenAlex, Europe PMC, Semantic Scholar
7	類似疾患	OpenTargets similar entities
8	がんに関する項目（該当する場合）	CIViC genes/variants/therapies
9	薬理学	GtoPdb targets/interactions/ligands
10	医薬品の安全性	OpenTargets warnings, clinical trial AEs, FAERS

各セクションで使用するツール呼び出しの詳細については、tool_usage_details.md を参照してください。

フリーテキストをオントロジー ID に正規化する（項目1）

入力が正式な疾患名ではなく、サンプル属性、同義語、組織／生物種のラベルなどの不規則なフリーテキストの場合は、ZOOMA_annotate_text を使用して、検索前に標準化されたオントロジー用語（EFO／MONDO／UBERON など）に対応付けてください。各一致は、信頼度評価（HIGH／GOOD／MEDIUM／LOW）付きのオントロジー IRI として返されるため、信頼度の高い一致だけを残し、解決された ID を OLS／OpenTargets に渡せます。

tu.run_tool("ZOOMA_annotate_text", {
    "property_value": "asthma",        # free text to resolve
    "property_type": "disease",         # optional context hint
    "min_confidence": "HIGH",           # drop fuzzy matches
    "max_results": 3,
})
# -> [{"semantic_tags": ["http://purl.obolibrary.org/obo/MONDO_0004979"],
#      "curies": ["MONDO:0004979"], "confidence": "HIGH", "source": "zooma", ...}]

# Restrict to one ontology source (e.g. EFO) when you need a specific namespace:
tu.run_tool("ZOOMA_annotate_text", {"property_value": "diabetes", "ontologies": "efo"})

# Inspect which curated datasources back ZOOMA annotations (for provenance):
tu.run_tool("ZOOMA_list_datasources", {})
# -> [{"name": "eva-clinvar", "type": "DATABASE", "uri": "https://www.ebi.ac.uk/eva"}, ...]

各一致には、そのまま使用できる curies フィールド（例：MONDO:0004979）も含まれているため、IRI を解析せずに解決済み ID を OLS／OpenTargets に直接渡せます。ZOOMA は廃止された OxO クロスリファレンスサービスに代わる現行サービスです。これを ols_get_efo_term と組み合わせると、解決された IRI のラベル、同義語、階層を展開できます。

---

レポートのテンプレート

開始時に、次のファイル構成を作成してください。

# Disease Research Report: {Disease Name}

**Report Generated**: {date}
**Disease Identifiers**: (to be filled)

---

## Executive Summary
(Brief 3-5 sentence overview - fill after all research complete)

---

## 1. Disease Identity & Classification
### Ontology Identifiers
| System | ID | Source |

### Synonyms & Alternative Names
### Disease Hierarchy

---

## 2. Clinical Presentation
### Phenotypes (HPO)
| HPO ID | Phenotype | Description | Source |

### Symptoms & Signs
### Diagnostic Criteria

---

## 3. Genetic & Molecular Basis
### Associated Genes
| Gene | Score | Ensembl ID | Evidence | Source |

### GWAS Associations
| SNP | P-value | Odds Ratio | Study | Source |

### Pathogenic Variants (ClinVar)

---

## 4. Treatment Landscape
### Approved Drugs
| Drug | ChEMBL ID | Mechanism | Phase | Target | Source |

### Clinical Trials
| NCT ID | Title | Phase | Status | Source |

---

## 5. Biological Pathways & Mechanisms

## 6. Epidemiology & Risk Factors

## 7. Literature & Research Activity

## 8. Similar Diseases & Comorbidities

## 9. Cancer-Specific Information (if applicable)

## 10. Drug Safety & Adverse Events

---

## References
### Tools Used
| # | Tool | Parameters | Section | Items Retrieved |

---

引用形式

すべてのデータには、必ず出典を含めてください。

表の場合：ツール名を記載した Source 列を追加します リストの場合：- Finding [Source: tool_name] 文章の場合：(Source: tool_name, query: "...") 参考文献セクションの場合：パラメーターを含む完全なツール使用ログ

---

段階的な更新パターン

# After each dimension's research:
# 1. Read current report
# 2. Replace placeholder with formatted content
# 3. Write back immediately
# 4. Continue to next dimension

---

エビデンスの評価と解釈

レポートのすべての所見を評価してください。

グレード	基準	例
T1（強）	再現性のある遺伝学的エビデンス（GWAS、希少バリアント）、FDA 承認済みの治療法	BRCA1 → 乳がん；HER2+ に対する trastuzumab
T2（中程度）	単一の遺伝学的研究、フェーズ II 以上の試験データ、強い生物学的エビデンス	FOXO3 → 長寿（百寿者研究）
T3（関連）	観察データ、遺伝子発現の変化、経路への所属	アルツハイマー病の CSF で IL-6 が上昇
T4（計算）	ネットワーク上の近接性、テキストマイニング、予測された関連性	DisGeNET のテキストマイニングによる遺伝子と疾患の関連

統合に関する質問（エグゼクティブサマリーで回答）

10 のすべての項目からデータを収集した後、レポートでは必ず次の質問に回答してください。

1. この疾患の原因は何ですか？ 遺伝的構造（単一遺伝子性か多遺伝子性か、主要な遺伝子座、浸透率）を要約します
2. どのような治療選択肢がありますか？ エビデンスレベルと承認状況に基づいて順位付けします
3. どのようなバイオマーカーがありますか？ 診断、予後、治療選択のためのものを挙げます
4. 満たされていないニーズは何ですか？ 効果的な治療や理解が不足している側面を挙げます
5. 活発な研究の最前線は何ですか？ 臨床試験と最近の論文に基づいて回答します

データベース間の一致の解釈

複数のデータベースが同じ疾患について異なるデータを示す場合：

• OpenTargets、DisGeNET、OMIM が遺伝子について一致する場合：T1 エビデンス — 信頼度が高い
• OpenTargets のみが関連性を報告している場合：データソースのスコアを確認します。genetic_association > literature > animal_model
• DisGeNET のスコアが 0.5 を超えるが OpenTargets にはない場合：テキストマイニングによる可能性があります。PubMed で検証してください
• GWAS には遺伝子があるが OMIM にはない場合：メンデル遺伝ではなく、複雑な疾患の感受性遺伝子座である可能性が高いです

相反するデータへの対応

相反する内容	解決方法
情報源によって有病率の推定値が異なる	範囲を示し、最も新しい研究または最大規模の研究を記載します
ある国では薬剤が承認されているが、別の国では承認されていない	地域ごとの規制上の状況を記載します
ある DB では遺伝子と疾患の関連があるが、別の DB にはない	エビデンスの種類に基づいて評価します。テキストマイニングのみの場合は T4 です
臨床試験の結果が添付文書の適応症と矛盾する	試験結果のほうが新しいエビデンスです。両方を記載します

---

最終レポートの品質チェックリスト

• 10 の全セクションに内容がある（または「利用可能なデータなし」と記載されている）
• すべてのデータポイントに出典の引用がある
• エグゼクティブサマリーに主要な所見が反映されている
• 参考文献セクションに使用したすべてのツールが記載されている
• 表が適切に書式設定されている
• プレースホルダーテキストが残っていない

---

期待される出力規模

十分に研究されている疾患（例：アルツハイマー病）の場合、最終レポートには次の内容を含めてください。

• オントロジー ID 5 件以上、同義語 10 件以上、疾患階層
• HPO ID を含む表現型 20 件以上
• 遺伝子 50 件以上、GWAS の関連 30 件以上、ClinVar のバリアント 100 件以上
• 薬剤 20 件以上、臨床試験 50 件以上
• 経路 10 件以上、PPI ネットワーク、発現データ
• 論文 100 件以上
• 類似疾患 15 件以上
• 薬剤の警告と有害事象

合計：500 件以上の個別データポイント。それぞれに出典の引用を付けてください。

---

スキル間の参照

希少疾患の鑑別診断には、次を実行します：python3 skills/tooluniverse-rare-disease-diagnosis/scripts/clinical_patterns.py --type differential --symptoms 'symptom1,symptom2'

---

参考ファイル

• REPORT_TEMPLATE.md - レポートの完全な Markdown テンプレートと引用形式のガイド
• RESEARCH_PROTOCOL.md - コードの手順、段階的な更新パターン、品質チェックリスト
• tool_usage_details.md - 各調査項目に関するツール呼び出しの詳細
• TOOLS_REFERENCE.md - ツールの完全なドキュメント
• EXAMPLES.md - 疾患調査レポートのサンプル