tooluniverse-gwas-drug-discovery

GWASからの創薬ターゲット探索

ゲノムワイド関連解析（GWAS）を、実用的な創薬ターゲットとドラッグ・リポジショニングの機会へとつなげます。

重要：ツールを呼び出す際は、必ず英語の用語を使用してください。回答はユーザーの言語で行ってください。

---

概要

このスキルは、GWASで得られた遺伝学的知見を創薬につなげます。

1. 遺伝的リスク因子の特定 - 疾患に関連する遺伝子を見つけます
2. 創薬可能性の評価 - どの遺伝子を薬剤の標的にできるかを評価します
3. ターゲットの優先順位付け - 遺伝学的エビデンスの強さに基づいて候補を順位付けします
4. 既存薬の検索 - 承認済みまたは開発中の化合物を見つけます
5. ドラッグ・リポジショニングの機会の特定 - 新たな適応症に薬剤を対応付けます

重要な知見：遺伝学的な裏付けのあるターゲットは、臨床承認に至る確率が2倍高くなります（Nelson et al., Nature Genetics 2015）。

推論戦略

GWASから創薬への展開は、因果関係に基づいて考えることで成功します。遺伝的関連は、観察データでは得られない因果の方向性を示します。機能喪失変異が疾患から保護するなら、その遺伝子産物の阻害薬が検証すべき仮説となります。作用の方向性（LOFとGOF）によって、阻害薬と作動薬のどちらが必要かが決まります。これを誤ると、薬剤は逆の作用をします。GWASの効果量は小さい傾向にあります（オッズ比1.1～1.5が一般的）が、薬剤の効果は遺伝的効果より大きいことも小さいこともあります。遺伝的シグナルが検証するのはターゲットであり、用量ではありません。ターゲットを決定する前に、必ず複数のエビデンス（eQTLの共局在、pQTL、L2Gスコア）を統合してください。多くのGWAS変異は、因果遺伝子を間接的にしか示さないためです。

推測せずに調べる：GWAS変異がどの遺伝子に関係するかを推測しないでください。OpenTargets_get_variant_credible_setsまたはgwas_get_associations_for_snpを使用して、実際にマッピングされた遺伝子とL2Gスコアを取得してください。作用の方向性、オッズ比、ターゲットに対する既存薬の有無も推測せず、必ずツールで照会してください。

---

ワークフローの手順

ステップ1：GWASによる遺伝子の特定

入力：疾患名または形質名（例：「2型糖尿病」、「アルツハイマー病」）

プロセス：GWAS Catalogに関連を照会し、有意性（p < 5x10^-8）でフィルタリングして、変異を遺伝子にマッピングし、エビデンスを集約します。

ツール：

• gwas_get_associations_for_trait - 疾患別に関連を取得します
• gwas_search_associations - 柔軟な検索を行います
• gwas_get_associations_for_snp - SNP別の関連を取得します
• OpenTargets_search_gwas_studies_by_disease - キュレーション済みのGWASデータを取得します
• OpenTargets_get_variant_credible_sets - L2G予測を含むファインマッピング済みの遺伝子座を取得します

ステップ2：創薬可能性の評価

入力：ステップ1で得た遺伝子リスト

プロセス：ターゲットクラスを確認し、創薬可能性と安全性を評価し、ツール化合物または構造の有無を確認します。

ツール：

• OpenTargets_get_target_tractability_by_ensemblID - 創薬可能性を評価します
• OpenTargets_get_target_classes_by_ensemblID - ターゲットを分類します
• OpenTargets_get_target_safety_profile_by_ensemblID - 安全性データを取得します
• OpenTargets_get_target_genomic_location_by_ensemblID - ゲノム上のコンテキストを取得します

ステップ3：ターゲットの優先順位付け

スコア計算式：

Target Score = (GWAS Score x 0.4) + (Druggability x 0.3) + (Clinical Evidence x 0.2) + (Novelty x 0.1)

複合スコアに基づいてターゲットを順位付けします。ターゲットの詳細な評価資料を作成します。

ステップ4：既存薬の検索

プロセス：薬剤とターゲットの関連を検索し、承認済み薬剤と臨床開発候補を見つけ、作用機序（MOA）と適応症のデータを取得します。

ツール：

• OpenTargets_get_associated_drugs_by_disease_efoId - 疾患に対する既知の薬剤を取得します
• OpenTargets_get_drug_mechanisms_of_action_by_chemblId - 薬剤のMOAを取得します
• ChEMBL_get_target_activities - 生物活性データを取得します
• ChEMBL_get_drug_mechanisms / ChEMBL_search_drugs - 薬剤データを取得します

ステップ5：臨床エビデンスと安全性

ツール：

• FDA_get_adverse_reactions_by_drug_name - 安全性データを取得します
• FDA_get_active_ingredient_info_by_drug_name - 薬剤の組成を取得します
• OpenTargets_get_drug_warnings_by_chemblId - 薬剤の警告を取得します

ステップ 6：適応拡大の機会

薬剤標的を新たな疾患遺伝子に対応付け、作用機序との適合性を評価し、禁忌を確認して、適応拡大の可能性を推定します。

---

クイックスタート

from tooluniverse import ToolUniverse
tu = ToolUniverse()
tu.load_tools()

# Step 1: Get GWAS associations (use disease_trait not trait; no p_value_threshold param)
associations = tu.tools.gwas_get_associations_for_trait(disease_trait="type 2 diabetes")

# Step 2: Assess druggability (ensemblId lowercase d)
tractability = tu.tools.OpenTargets_get_target_tractability_by_ensemblID(ensemblId="ENSG00000148737")

# Step 3: Find existing drugs per target via DGIdb (OpenTargets drug query may return HTTP 400)
drugs = tu.tools.DGIdb_get_drug_gene_interactions(genes=["TCF7L2"])

---

カテゴリ別の全ツール

GWAS と遺伝学：

• gwas_get_associations_for_trait / gwas_search_associations / gwas_get_associations_for_snp
• OpenTargets_search_gwas_studies_by_disease / OpenTargets_get_variant_credible_sets

標的の評価：

• OpenTargets_get_target_tractability_by_ensemblID / OpenTargets_get_target_classes_by_ensemblID
• OpenTargets_get_target_safety_profile_by_ensemblID / OpenTargets_get_target_genomic_location_by_ensemblID

創薬：

• OpenTargets_get_associated_drugs_by_disease_efoId / OpenTargets_get_drug_mechanisms_of_action_by_chemblId
• ChEMBL_get_target_activities / ChEMBL_get_drug_mechanisms / ChEMBL_search_drugs

安全性と臨床：

• FDA_get_adverse_reactions_by_drug_name / FDA_get_active_ingredient_info_by_drug_name
• OpenTargets_get_drug_warnings_by_chemblId

文献：

• PubMed_search_articles / EuropePMC_search_articles / ClinicalTrials_search_studies

---

ベストプラクティス

1. 多祖先GWAS：頑健なシグナルを得るため、複数の民族集団を対象としたメタ解析を含めます
2. 機能的検証：eQTL、pQTL、共局在解析で確認します
3. ネットワーク解析：GWASヒットを経路（KEGG、Reactome）ごとに分類します
4. 安全性評価：gnomAD pLI、GTExの発現、PharmaGKBを確認します
5. バッチ処理：標的をまたぐ並列クエリには tu.run_batch() を使用します

---

パラメーターに関する注意点

問題	誤り	正しい例
GWASの形質パラメーター	gwas_get_associations_for_trait(trait=...)	disease_trait=...（trait パラメーターは存在しません）
GWASのp値フィルター	p_value_threshold=5e-8	このパラメーターはありません。結果を取得した後、クライアント側でフィルターします
OpenTargetsのensemblの大文字・小文字	ensemblID="ENSG..."	ensemblId="ENSG..."（d は小文字）
ClinicalTrialsのツール名	ClinicalTrials_search_studies(...)	ClinicalTrials_search_studies(...)
DGIdbのツール名	DGIdb_get_drug_gene_interactions(...)	DGIdb_get_drug_gene_interactions(genes=[...])
OpenTargetsの疾患関連薬剤	OpenTargets_get_associated_drugs_by_disease_efoId が HTTP 400 を返す場合があります	遺伝子ごとに DGIdb_get_drug_gene_interactions にフォールバックします
GWAS研究の検索パラメーター	gwas_search_studies(disease_trait=...)	研究には efo_trait=... を使用します（disease_trait が使えるのは関連性の検索のみです）

解釈：GWASヒットから薬剤標的へ

GWASシグナルの強さの評価

シグナルの質	基準	創薬における価値
最高水準	全ゲノム有意（p < 5e-8）、祖先集団をまたいで再現、L2G > 0.5、eQTL共局在	最優先 — 遺伝学的因果関係が確立
強い	全ゲノム有意、L2G > 0.3、生物学的妥当性あり	優先度高 — 機能的検証を進めます
中程度	示唆的（p < 1e-5）、または有意だがファインマッピングなし	中程度 — 投資前に追加のエビデンスが必要です
弱い	単一の研究、再現なし、L2Gが低い、機能的な裏付けなし	低 — 仮説の創出にのみ使用します

標的優先順位付けの決定木

GWASに関連する遺伝子を特定したら、次の質問に答えて優先順位を付けます。

1. その遺伝子は創薬可能ですか？（DGIdbのカテゴリー：キナーゼ／GPCR／イオンチャネル＝可能、転写因子／足場タンパク質＝より困難）

   • 承認薬が存在する場合 → 既存薬の転用の機会（最も早い道筋）
   • 創薬可能だが薬がない場合 → 新規標的（標準的な創薬）
   • 創薬不可能な場合 → アンチセンス／PROTAC／遺伝子医療を検討します

2. 遺伝的な作用方向は明確ですか？

   • LOF変異によって疾患リスクが上昇する → アゴニストまたは遺伝子治療が必要です
   • GOF変異によって疾患リスクが上昇する → 阻害薬（典型的には低分子）が必要です
   • 作用方向が不明確 → 薬剤設計の前に機能研究が必要です

3. 効果量はどの程度ですか？（GWASのオッズ比）

   • OR > 2.0：強い効果で、浸透率が高い可能性があります → メンデル遺伝性疾患に近く、信頼度が高い
   • OR 1.2-2.0：中程度で、複雑疾患では一般的です → 独立したデータで検証します
   • OR < 1.2：効果が小さい → 単独では臨床的に意味がない可能性があります

4. 臨床での前例はありますか？

   • 同じ標的に対する薬剤がいずれかの疾患で承認済み → 安全性データがあり、リスクが低くなります
   • 臨床試験中の薬剤がある → リスクの一部を低減できます
   • 前例がない → 完全な新規開発のリスクがあります

---

トラブルシューティング

問題	解決策
疾患に関するGWASヒットがない	より広い形質名を試し、同義語を確認して、OpenTargetsを使用します
遺伝子が創薬可能なクラスに含まれない	抗体／アンチセンスのモダリティを検討し、近傍の経路を確認します
標的に対する既存薬がない	新規標的の可能性があります。ChEMBLでツール化合物を確認します
L2Gスコアが低い	変異が調節性である可能性があります。eQTL／pQTLのエビデンスを確認します

---

参考ファイル

• REFERENCE.md - 概念、創薬可能性の段階、臨床応用、制約、倫理に関する詳細
• EXAMPLES.md - 成功事例を含むユースケース（ハンチントン病、アルツハイマー病、糖尿病）
• REPORT_TEMPLATE.md - スコアリング基準を含む出力レポートのテンプレート
• PROCEDURES.md - 実装手順のステップバイステップガイド
• QUICK_START.md - クイックスタートガイド
• 関連スキル：tooluniverse-drug-repurposing、disease-intelligence-gatherer、tooluniverse-sdk