mcpField
T
tooluniverse-metagenomics-analysis

tooluniverse-metagenomics-analysis

github.com/mims-harvardデータ・データベース1.8k251 回インストール3 日前に更新
リポジトリ

tooluniverse-metagenomics-analysis について

微生物叢研究向けの分析スキルで、研究探索、分類、ゲノム品質、機能アノテーション、臨床的関連を統合します。分類群の列挙にとどまらず、文献を用いた解釈を重視します。

主な機能

  1. 01メタゲノム研究の探索
  2. 02GTDB分類情報の照会
  3. 03MAGのゲノム品質評価
  4. 04機能アノテーションとKEGG経路の対応付け
  5. 05臨床表現型と文献の関連付け

活用シーン

  1. 01微生物叢研究やシーケンスデータの探索
  2. 02微生物分類と名称の差異の確認
  3. 03ゲノムの完全性と汚染度の評価
  4. 04微生物と疾患表現型の関連の解釈

MCP 対応

ToolUniverseを通じてMGnify、GTDB、GMrepo、ENA、KEGG、文献などから情報を取得します。その後、Pythonで結果を処理・分析します。

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/mims-harvard/tooluniverse --skill tooluniverse-metagenomics-analysis

インストール後、Claude Code で/tooluniverse-metagenomics-analysisを入力して読み込まれたか確認します。

詳細

メタゲノミクスとマイクロバイオーム解析

マイクロバイオーム研究の調査、分類群の分類、ゲノム品質の評価、微生物組成と臨床表現型の関連付け、経路解析と文献情報を通じた知見の解釈を行う統合パイプラインです。

基本原則：

  1. まず研究の背景を把握する -- 分類群を詳しく調べる前に、生物群系、シーケンシング手法、メタデータを理解します
  2. 分類体系の一貫性を保つ -- GTDB の分類体系を基準とし、必要に応じて NCBI と照合します
  3. ゲノム品質は重要です -- CheckM の完全性／汚染度のしきい値に基づき、信頼できる MAG を判断します
  4. 列挙より解釈を重視する -- 分類群が生物学的な問いにとって何を意味するのか説明します
  5. クエリは英語を優先する -- ツール呼び出しでは英語の用語を使います

推測せず、検索する

科学的な事実に確信が持てない場合は、記憶に基づいて推論するのではなく、まずデータベースを検索してください。

説明するのではなく、計算する

解析に計算（統計、データ処理、スコアリング、エンリッチメント）が必要な場合は、Bash 経由で Python コードを記述して実行してください。実行する内容を説明するだけでなく、実際に実行して結果を報告してください。ToolUniverse ツールでデータを取得し、その後 Python（pandas、scipy、statsmodels、matplotlib）で解析します。

主要データベース

データベース主な用途
MGnify処理済みメタゲノミクス研究、分類学的／機能的な結果
GTDB標準化された細菌／古細菌の分類体系、種レベルの解像度
GMrepo腸内細菌種とヒトの健康表現型の関連
ENA生シーケンシングデータセットと研究メタデータ
KEGG微生物の機能アノテーションにおける経路マッピング
PubMed/EuropePMC公開済みのマイクロバイオーム疾患研究
CTD化学物質、マイクロバイオーム、疾患の関連

ワークフロー

Phase 0: Parse query → organism, biome, phenotype, or accession
Phase 1: Study Discovery → MGnify_search_studies, ENAPortal_search_studies
Phase 2: Taxonomic Classification → GTDB_search_genomes, GTDB_get_species, GTDB_search_taxon
Phase 3: Genome Quality → MGnify_search_genomes, MGnify_get_genome (CheckM metrics)
Phase 4: Functional Annotation → MGnify GO terms + KEGG pathway mapping
Phase 5: Clinical Associations → GMrepo species-phenotype links
Phase 6: Literature → PubMed/EuropePMC + CTD gene-disease
Phase 7: Interpretation & Report Synthesis

フェーズごとの主な注意点

フェーズ 1：ENA では自由形式のテキストではなく、構造化クエリ（例：study_title="*IBD*"）が必要です。ENA で失敗した場合は MGnify に切り替えます。

フェーズ 2：GTDB は独自の命名法を使用します（例：NCBI の Bacteroides fragilis に対して s__Bacteroides_A fragilis）。相違点は必ず明記してください。GTDB_search_taxon(operation="search_taxon", query=name) を使います。

フェーズ 3 - 品質ランク（MIMAG）：

  • 高：完全性 >= 90%、汚染度 <= 5%、rRNA + >= 18 tRNAs
  • 中：完全性 >= 50%、汚染度 <= 10%
  • 低：中ランク未満 -- 除外せず、フラグを付けます

フェーズ 4 - 機能の解釈：GO 用語を列挙するだけでは不十分です。生物学的な意味と結び付けてください。

機能カテゴリー主な KEGG 経路意義
SCFA 産生map00650, map00640腸管バリア、抗炎症
LPS 生合成map00540炎症促進、エンドトキシン血症
胆汁酸代謝map00120脂肪吸収、FXR シグナル伝達
トリプトファン代謝map00380セロトニン、AhR、免疫
ビタミン生合成map00730/740/760宿主への栄養供給

kegg_search_pathway(keyword=...) を使います（query ではありません）。経路 ID には生物種のプレフィックス（hsa、ko、eco）が必要です。プレフィックスのない map は使いません。

フェーズ 5：GMrepo では MeSH 用語を使います。「IBD」ではなく「Crohn Disease」、「UC」ではなく「Colitis, Ulcerative」、「colorectal cancer」ではなく「Colorectal Neoplasms」です。種名で見つからない場合は、NCBI の分類群 ID を試してください。

フェーズ 6 - エビデンスの評価：

  • 強い：メタ解析、または方向性が一貫した 5 件を超える研究
  • 中程度：結果が一貫した 2～5 件の研究、または大規模コホート研究 1 件
  • 予備的：単独研究、または結果に矛盾がある研究
  • メカニズムのみ：ヒトの疫学的データはなく、in vitro／動物実験のみ

フェーズ 7 - 報告：エグゼクティブサマリー、研究の全体像、GTDB 分類体系、機能の解釈（GO 用語の羅列ではない）、エビデンス評価を付した臨床的関連性、メカニズムモデル、品質ランク別のゲノムカタログ、データの不足点を含めます。

エッジケースとフォールバック

  • GTDB に分類群がない：部分一致で検索するか、MGnify（NCBI 分類体系）に切り替えます
  • GMrepo のデータがない：腸内細菌以外では通常のことです。文献を使います
  • GMrepo の結果が 0 件：正式な MeSH 用語または NCBI の分類群 ID を使います
  • KEGG で一致しない：MetaCyc または文献を確認します

制限事項

  • GMrepo：腸内細菌のみ
  • GTDB：細菌／古細菌のみ
  • ENA：生データのみ。クエリ構文は厳密です
  • 配列解析には非対応：データベースを検索します。生のFASTQ/FASTAは検索しません

コメント

Markdown 対応