tooluniverse-spatial-omics-analysis

空間マルチオミクス解析パイプライン

空間オミクスデータを包括的に生物学的に解釈します。空間的に変動する遺伝子（SVG）、ドメインの注釈、組織のコンテキストを、実用的な生物学的知見に変換します。

主な原則：

1. レポート優先のアプローチ - まずレポートファイルを作成し、その後段階的に内容を追加します
2. ドメインごとの解析 - 比較する前に、各空間領域を個別に特徴付けます
3. 遺伝子リストを中心とした解析 - ToolUniverse データベースを使用して、ユーザーが提供した SVG とマーカー遺伝子を解析します
4. 生物学的解釈 - 統計にとどまらず、空間パターンの生物学的な意味を説明します
5. 疾患に焦点を当てる - 疾患のコンテキストが提供された場合は、疾患メカニズムと治療の可能性を重視します
6. エビデンスの評価 - すべてのエビデンスを T1（ヒト／臨床）から T4（計算）までの段階で評価します
7. マルチモーダルな考察 - 利用可能な場合は、RNA、タンパク質、代謝物の情報を統合します
8. 検証の指針 - 重要な知見について、実験的な検証方法を提案します
9. 出典の参照 - すべての記述に、ツールまたはデータベースの出典を明記する必要があります
10. 英語を優先したクエリ - ツールの呼び出しでは、必ず英語の用語を使用します

---

推測せず、調べる

科学的事実に不確かな点がある場合は、記憶に頼って推論するのではなく、まずデータベース（PubMed、UniProt、ChEMBL、ClinVar など）を検索してください。データベースで検証した回答は、推測よりも常に信頼できます。

---

説明するだけでなく、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 コードを作成し、実行してください。実施する内容を説明するだけでなく、実行して実際の結果を報告してください。ToolUniverse ツールでデータを取得し、Python（pandas、scipy、statsmodels、matplotlib）で解析してください。

このスキルを使用する場面

次のようなユーザーに適用します。

• 空間トランスクリプトミクス実験で得られた、空間的に変動する遺伝子を提示する
• 空間ドメイン／クラスターの生物学的解釈について質問する
• 空間遺伝子発現データのパスウェイエンリッチメントを必要とする
• 空間データから細胞間相互作用を理解したい
• 空間オミクスに基づく腫瘍微小環境の不均一性について質問する
• 特定の空間領域における創薬可能な標的を必要とする
• 組織の区画化パターン（肝臓、脳、腎臓）について質問する
• 空間トランスクリプトミクスとプロテオミクスのデータを統合したい

対象外：単一遺伝子の解釈（target-research を使用）、バリアントの解釈、薬剤の安全性、バルク RNA-seq、GWAS 解析。

---

入力パラメーター

パラメーター	必須	説明	例
svgs	はい	空間的に変動する遺伝子	['EGFR', 'CDH1', 'VIM', 'MYC', 'CD3E']
tissue_type	はい	組織／臓器の種類	brain、liver、lung、breast
technology	いいえ	空間オミクスのプラットフォーム	10x Visium、MERFISH、DBiTplus
disease_context	いいえ	該当する場合の疾患	breast cancer、Alzheimer disease
spatial_domains	いいえ	ドメインからマーカー遺伝子への辞書	{'Tumor core': ['MYC','EGFR']}
cell_types	いいえ	デコンボリューションで得られた細胞種	['Epithelial', 'T cell']
proteins	いいえ	検出されたタンパク質（マルチモーダル）	['CD3', 'PD-L1', 'Ki67']
metabolites	いいえ	代謝物（SpatialMETA）	['glutamine', 'lactate']

---

空間オミクス統合スコア（0-100）

データの完全性（0-30）：SVG（5）、疾患コンテキスト（5）、空間ドメイン（5）、細胞種（5）、マルチモーダル（5）、文献（5）

生物学的洞察（0-40）：経路エンリッチメント FDR<0.05（10）、細胞間相互作用（10）、疾患メカニズム（10）、創薬可能な標的（10）

エビデンスの質（0-30）：複数データベースによる検証（3つ以上のDB）（10）、臨床検証（10）、文献による裏付け（10）

スコア	ティア	解釈
80-100	Excellent	包括的な特性解析、強力な洞察、創薬可能な標的
60-79	Good	良好な経路／相互作用解析、ある程度の治療コンテキスト
40-59	Moderate	基本的なエンリッチメント、ドメイン比較は限定的
0-39	Limited	データは最小限、遺伝子レベルのアノテーションのみ

エビデンスの評価

ティア	基準	例
[T1]	ヒト／臨床の直接的なエビデンス	FDA承認薬、検証済みバイオマーカー
[T2]	実験的エビデンス	検証済みの空間パターン、既知のL-Rペア
[T3]	計算／データベースによるエビデンス	PPI予測、経路エンリッチメント
[T4]	アノテーション／予測のみ	GOアノテーション、テキストマイニングによる関連付け

---

解析フェーズの概要

フェーズ 0：入力処理と曖昧性解消（必ず最初に実行）

組織／疾患の識別子を解決し、解析コンテキストを確立します。疾患クエリではMONDO/EFO IDを取得します。

• ツール：OpenTargets_get_disease_id_description_by_name、OpenTargets_get_disease_description_by_efoId、HPA_search_genes_by_query

フェーズ 1：遺伝子の特性解析

遺伝子IDを解決し、機能、組織特異性、細胞内局在をアノテーションします。

• ツール：MyGene_query_genes、UniProt_get_function_by_accession、HPA_get_subcellular_location、HPA_get_rna_expression_by_source、HPA_get_comprehensive_gene_details_by_ensembl_id、HPA_get_cancer_prognostics_by_gene、UniProtIDMap_gene_to_uniprot

フェーズ 2：経路と機能のエンリッチメント

全体およびドメインごとにエンリッチされた経路を特定します。FDR < 0.05でフィルタリングします。

• ツール：STRING_functional_enrichment（主要）、ReactomeAnalysis_pathway_enrichment、GO_get_annotations_for_gene、kegg_search_pathway、WikiPathways_search

フェーズ 3：空間ドメインの特性解析

各ドメインを生物学的に特性解析し、マーカーから細胞種を割り当て、ドメイン間を比較します。

• ツール：フェーズ 2のツール + HPA_get_biological_processes_by_gene、HPA_get_protein_interactions_by_gene

フェーズ 4：細胞間相互作用の推定

空間パターンから細胞間コミュニケーションを予測します。ドメイン間でリガンド・受容体ペアを確認します。

• ツール：STRING_get_interaction_partners、STRING_get_protein_interactions、intact_search_interactions、Reactome_get_interactor、DGIdb_get_drug_gene_interactions

フェーズ 5：疾患および治療のコンテキスト

疾患メカニズムとの関連付け、創薬可能な標的の特定、臨床試験の検索を行います。

• ツール：OpenTargets_get_associated_targets_by_disease_efoId、OpenTargets_get_target_tractability_by_ensemblID、OpenTargets_get_associated_drugs_by_target_ensemblID、search_clinical_trials、DGIdb_get_gene_druggability、civic_search_genes

フェーズ 6：マルチモーダル統合

タンパク質／RNA／代謝物のデータを統合します。空間RNAとタンパク質検出を比較します。

• ツール：HPA_get_subcellular_location、HPA_get_rna_expression_in_specific_tissues、Reactome_map_uniprot_to_pathways、kegg_get_pathway_info

フェーズ 7：免疫微小環境（がん／炎症の場合のみ）

免疫細胞を分類し、チェックポイントの発現を確認し、Hot／Cold／Excludedパターンを評価します。

• ツール：STRING_functional_enrichment、OpenTargets_get_target_tractability_by_ensemblID、iedb_search_epitopes

フェーズ 8：文献および検証コンテキスト

公表されたエビデンスを検索し、検証実験（smFISH、IHC、PLA）を提案します。

• ツール：PubMed_search_articles、openalex_literature_search

データ探索：HuBMAP 空間アトラスツール

HuBMAP ツールを使用して、比較、検証、または研究間分析に利用できる、公開済みの空間生物学リファレンスデータセットを検索します。

ツール	目的	主なパラメーター
HuBMAP_search_datasets	臓器／アッセイ／キーワードで公開済みの空間データセットを検索します	organ（コード：「LK」＝腎臓、「BR」＝脳、「LU」＝肺など）、dataset_type（「RNAseq」、「CODEX」、「MALDI」）、query、limit
HuBMAP_list_organs	利用可能なすべての臓器とコード、UBERON ID を一覧表示します	（必須パラメーターなし）
HuBMAP_get_dataset	特定の HuBMAP データセットの詳細なメタデータを取得します	hubmap_id（例：「HBM626.FHJD.938」）

使用するタイミング：フェーズ 0（組織のリファレンスデータセットを検索）、フェーズ 8（公開済みの HuBMAP アトラスデータと所見を照合）。

各フェーズの詳細なワークフロー、判断ロジック、ツールのパラメーター仕様については、phase-procedures.md を参照してください。

---

レポートの構成

ファイルを作成します：{tissue}_{disease}_spatial_omics_report.md

# Spatial Multi-Omics Analysis Report: {Tissue Type}
**Report Generated**: {date} | **Technology**: {platform}
**Tissue**: {tissue_type} | **Disease**: {disease or "Normal tissue"}
**Total SVGs**: {count} | **Spatial Domains**: {count}
**Spatial Omics Integration Score**: (calculated after analysis)

## Executive Summary
## 1. Tissue & Disease Context
## 2. Spatially Variable Gene Characterization
  - 2.1 Gene ID Resolution
  - 2.2 Tissue Expression Patterns
  - 2.3 Subcellular Localization
  - 2.4 Disease Associations
## 3. Pathway Enrichment Analysis
  - 3.1 STRING, 3.2 Reactome, 3.3-3.5 GO (BP, MF, CC)
## 4. Spatial Domain Characterization (per-domain + comparison)
## 5. Cell-Cell Interaction Inference
  - 5.1 PPI, 5.2 Ligand-Receptor, 5.3 Signaling Pathways
## 6. Disease & Therapeutic Context
  - 6.1 Disease Gene Overlap, 6.2 Druggable Targets, 6.3 Drug Mechanisms, 6.4 Trials
## 7. Multi-Modal Integration (if data available)
## 8. Immune Microenvironment (if relevant)
## 9. Literature & Validation Context
## Spatial Omics Integration Score (breakdown table)
## Completeness Checklist
## References (tools used, database versions)

表の構成を含む完全なテンプレートについては、report-template.md を参照してください。

---

完了チェックリスト

• 遺伝子 ID の解決が完了している
• 組織発現パターンを解析済み（HPA）
• 細胞内局在を確認済み（HPA）
• 経路エンリッチメントが完了している（STRING + Reactome）
• GO エンリッチメントが完了している（BP + MF + CC）
• 空間ドメインを個別に特徴付けている
• ドメイン比較を実施している
• PPI を解析済み（STRING）
• リガンド・受容体ペアを特定している
• 疾患との関連を確認済み（OpenTargets）
• 創薬可能な標的を特定している
• マルチモーダル統合を実施している（データがある場合）
• 免疫微小環境を特徴付けている（関連する場合）
• 文献検索が完了している
• 検証に関する推奨事項を提示している
• 統合スコアを算出している
• エグゼクティブサマリーを作成している
• すべてのセクションに出典を記載している

---

一般的なユースケース

1. がんの空間的不均一性：腫瘍／間質／免疫ドメインを含む Visium -> 経路、免疫浸潤、創薬可能な標的、チェックポイント
2. 脳組織のゾーネーション：神経細胞サブタイプを含む MERFISH -> シナプスシグナル伝達、受容体、海馬のゾーネーション
3. 肝臓の代謝ゾーネーション：門脈周囲対中心静脈周囲 -> CYP450、Wnt 勾配、薬物代謝酵素
4. 腫瘍・免疫界面：DBiTplus RNA+タンパク質 -> チェックポイントの L-R ペア、免疫排除、マルチモーダル一致度
5. 発生パターン：モルフォゲン勾配（Wnt、BMP、FGF、SHH）、TF パターン、細胞運命遺伝子
6. 疾患の進行：疾患勾配 -> 炎症反応、神経細胞の喪失、治療可能期間

---

参考ファイル

• phase-procedures.md - 詳細なフェーズ別ワークフロー、判断ロジック、フェーズごとのツール使用方法
• tool-reference.md - ツールのパラメーター名、応答形式、代替手段、制限事項
• reference-data.md - 細胞型マーカー、リガンド・受容体ペア、免疫チェックポイントのリファレンス
• report-template.md - すべての表の構成を含む完全なレポートテンプレート
• test_spatial_omics.py - テストスイート

---

概要

空間マルチオミクス解析では、以下を実施します。

1. 遺伝子の特徴付け（ID 解決、機能、局在、組織発現）
2. 経路および機能のエンリッチメント（STRING、Reactome、GO、KEGG）
3. 空間ドメインの特徴付け（ドメインごとおよびドメイン間）
4. 細胞間相互作用の推定（PPI、リガンド・受容体、シグナル伝達）
5. 疾患および治療のコンテキスト（疾患関連遺伝子、創薬可能な標的、臨床試験）
6. マルチモーダル統合（RNA・タンパク質の一致度、代謝経路）
7. 免疫微小環境（細胞型、チェックポイント、免疫療法）
8. 文献の背景情報および検証に関する推奨事項

出力：空間オミクス統合スコア（0～100）を含む Markdown レポート
使用ツール：9 つの解析フェーズで 70 種類以上の ToolUniverse ツール
所要時間：遺伝子リストのサイズに応じて約 10～20 分