# Scientific Arrayexpress Expression > ArrayExpress 発現アーカイブスキル。BioStudies/ArrayExpress REST API によるマイクロアレイ・RNA-seq 発現実験検索・メタ データ取得・データ再解析。ToolUniverse 連携: arrayexpress。 - Skill: `nahisaho/scientific-arrayexpress-expression-2` (Agent Skill) - Install (CLI): `npx skillmds@latest add nahisaho/scientific-arrayexpress-expression-2` - Raw SKILL.md: https://api.skillmd.com/api/skills/nahisaho/scientific-arrayexpress-expression-2/raw - Safety review: pending (external: skill-scanner PASS, skillspector PASS) - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Integrations & APIs - Author: nahisaho (https://skillmd.com/u/nahisaho) - Updated: 2026-09-21 - Page: https://skillmd.com/skills/nahisaho/scientific-arrayexpress-expression-2 --- # Scientific ArrayExpress Expression EBI ArrayExpress / BioStudies REST API を活用した発現データ アーカイブ検索・再解析パイプラインを提供する。 ## When to Use - ArrayExpress/BioStudies の発現実験を検索するとき - マイクロアレイ/RNA-seq 発現データのメタデータを取得するとき - SDRF サンプル情報テーブルを解析するとき - E-MTAB/E-GEOD アクセッションからデータ再解析するとき - 発現データアーカイブを横断検索するとき - GEO と ArrayExpress の両方でデータを探すとき --- ## Quick Start ## 1. BioStudies 発現実験検索 ```python import requests import pandas as pd BIOSTUDIES_BASE = "https://www.ebi.ac.uk/biostudies/api/v1" AE_BASE = "https://www.ebi.ac.uk/arrayexpress/json/v3" def arrayexpress_search_experiments(query, organism=None, experiment_type=None, limit=50): """ ArrayExpress — 発現実験検索 (BioStudies API)。 Parameters: query: str — 検索クエリ (例: "breast cancer RNA-seq") organism: str — 生物種 (例: "Homo sapiens") experiment_type: str — 実験タイプ (例: "RNA-seq of coding RNA") limit: int — 最大結果数 """ url = f"{BIOSTUDIES_BASE}/search" params = { "query": query, "type": "study", "pageSize": limit, } if organism: params["organism"] = organism if experiment_type: params["experimenttype"] = experiment_type resp = requests.get(url, params=params, timeout=30) resp.raise_for_status() data = resp.json() hits = data.get("hits", []) results = [] for h in hits: attrs = {a.get("name", ""): a.get("value", "") for a in h.get("attributes", [])} results.append({ "accession": h.get("accession", ""), "title": attrs.get("Title", h.get("title", "")), "organism": attrs.get("Organism", ""), "experiment_type": attrs.get("Experiment type", ""), "release_date": h.get("releaseDate", ""), "files_count": h.get("filesCount", 0), "links_count": h.get("linksCount", 0), }) df = pd.DataFrame(results) print(f"ArrayExpress search: {len(df)} experiments " f"(query={query})") return df ``` ## 2. 実験メタデータ・SDRF 取得 ```python def arrayexpress_get_experiment(accession): """ ArrayExpress — 実験メタデータ & SDRF 取得。 Parameters: accession: str — アクセッション (例: "E-MTAB-12345") """ url = f"{BIOSTUDIES_BASE}/studies/{accession}" resp = requests.get(url, timeout=30) resp.raise_for_status() data = resp.json() # メタデータ attrs = {a.get("name", ""): a.get("value", "") for a in data.get("attributes", [])} metadata = { "accession": accession, "title": attrs.get("Title", ""), "description": attrs.get("Description", "")[:500], "organism": attrs.get("Organism", ""), "experiment_type": attrs.get("Experiment type", ""), "release_date": data.get("releaseDate", ""), } # ファイル一覧 files = [] for section in data.get("section", {}).get("files", []): if isinstance(section, list): for f in section: files.append({ "filename": f.get("path", ""), "type": f.get("type", ""), "size": f.get("size", 0), }) elif isinstance(section, dict): files.append({ "filename": section.get("path", ""), "type": section.get("type", ""), "size": section.get("size", 0), }) files_df = pd.DataFrame(files) # SDRF 取得試行 sdrf_url = (f"https://www.ebi.ac.uk/biostudies/files/" f"{accession}/{accession}.sdrf.txt") sdrf_df = pd.DataFrame() try: sdrf_resp = requests.get(sdrf_url, timeout=30) if sdrf_resp.status_code == 200: from io import StringIO sdrf_df = pd.read_csv(StringIO(sdrf_resp.text), sep="\t") except Exception: pass print(f"ArrayExpress {accession}: {len(files_df)} files, " f"{len(sdrf_df)} SDRF rows") return metadata, files_df, sdrf_df ``` ## 3. 発現データダウンロード・処理 ```python def arrayexpress_download_matrix(accession, output_dir="results"): """ ArrayExpress — 発現マトリクスダウンロード。 Parameters: accession: str — アクセッション output_dir: str — 出力ディレクトリ """ from pathlib import Path output_dir = Path(output_dir) output_dir.mkdir(parents=True, exist_ok=True) metadata, files_df, sdrf_df = arrayexpress_get_experiment(accession) # 処理済み発現ファイル検索 expr_files = files_df[ files_df["filename"].str.contains( r"processed|normalized|expression|counts", case=False, na=False) ] downloaded = [] for _, frow in expr_files.iterrows(): fname = frow["filename"] url = (f"https://www.ebi.ac.uk/biostudies/files/" f"{accession}/{fname}") try: resp = requests.get(url, timeout=120) if resp.status_code == 200: fpath = output_dir / fname.split("/")[-1] fpath.write_bytes(resp.content) downloaded.append(str(fpath)) except Exception: continue # SDRF 保存 if not sdrf_df.empty: sdrf_df.to_csv(output_dir / "sdrf.csv", index=False) print(f"ArrayExpress download: {len(downloaded)} files → " f"{output_dir}") return { "metadata": metadata, "files": downloaded, "sdrf": sdrf_df, } ``` ## 4. ArrayExpress 統合パイプライン ```python def arrayexpress_pipeline(query, organism="Homo sapiens", output_dir="results"): """ ArrayExpress 統合パイプライン。 Parameters: query: str — 検索クエリ organism: str — 生物種 output_dir: str — 出力ディレクトリ """ from pathlib import Path output_dir = Path(output_dir) output_dir.mkdir(parents=True, exist_ok=True) # 1) 実験検索 experiments = arrayexpress_search_experiments( query, organism=organism) experiments.to_csv(output_dir / "experiments.csv", index=False) # 2) トップ実験の詳細 if not experiments.empty: top_acc = experiments.iloc[0]["accession"] metadata, files, sdrf = arrayexpress_get_experiment(top_acc) files.to_csv(output_dir / "experiment_files.csv", index=False) if not sdrf.empty: sdrf.to_csv(output_dir / "sdrf.csv", index=False) print(f"ArrayExpress pipeline: {output_dir}") return {"experiments": experiments} ``` --- ## ToolUniverse 連携 | TU Key | ツール名 | 連携内容 | |--------|---------|---------| | `arrayexpress` | ArrayExpress | 発現実験検索・メタデータ・ファイル取得 | ## パイプライン統合 ``` ebi-databases → arrayexpress-expression → gene-expression-transcriptomics (EBI Search) (ArrayExpress/BioStudies) (DESeq2/GSEA) │ │ ↓ geo-expression ─────────┘ pathway-enrichment (GEO データ) │ (KEGG/Reactome) ↓ multi-omics (統合解析) ``` ## パイプライン出力 | ファイル | 説明 | 次スキル | |---------|------|---------| | `results/experiments.csv` | 実験一覧 | → geo-expression | | `results/sdrf.csv` | サンプル情報 | → gene-expression-transcriptomics | | `results/experiment_files.csv` | ファイルリスト | → data-preprocessing |