# Scientific Stitch Chemical Network > STITCH 化学-タンパク質相互作用ネットワークスキル。STITCH REST API を用いた化学物質-タンパク質インタラクション検索・ 信頼度スコアリング・ネットワーク薬理学・ポリファーマコロジー解析。 ToolUniverse 連携: stitch。 - Skill: `nahisaho/scientific-stitch-chemical-network-2` (Agent Skill) - Install (CLI): `npx skillmds@latest add nahisaho/scientific-stitch-chemical-network-2` - Raw SKILL.md: https://api.skillmd.com/api/skills/nahisaho/scientific-stitch-chemical-network-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-stitch-chemical-network-2 --- # Scientific STITCH Chemical Network STITCH (Search Tool for Interactions of Chemicals) REST API を活用した化学物質-タンパク質相互作用検索・信頼度スコアリング・ ネットワーク薬理学・ポリファーマコロジー解析パイプラインを提供する。 ## When to Use - 化学物質とタンパク質の相互作用エビデンスを検索するとき - 薬物の標的タンパク質ネットワークを構築するとき - ポリファーマコロジー (多標的薬理作用) を解析するとき - 化学物質間の類似ネットワークを構築するとき - ネットワーク薬理学 (Network Pharmacology) を実施するとき --- ## Quick Start ## 1. 化学物質-タンパク質相互作用検索 ```python import requests import pandas as pd STITCH_API = "http://stitch.embl.de/api" def stitch_interactions(chemical, species=9606, required_score=400, limit=50): """ STITCH — 化学物質-タンパク質相互作用検索。 Parameters: chemical: str — 化学物質名または CID (例: "aspirin", "CIDm00002244") species: int — NCBI Taxonomy ID (9606=ヒト) required_score: int — 最低信頼度スコア (0-1000, 400=medium) limit: int — 最大結果数 """ url = f"{STITCH_API}/tsv/interactionsList" params = { "identifiers": chemical, "species": species, "required_score": required_score, "limit": limit, } resp = requests.get(url, params=params, timeout=30) resp.raise_for_status() lines = resp.text.strip().split("\n") if len(lines) < 2: return pd.DataFrame() header = lines[0].split("\t") rows = [line.split("\t") for line in lines[1:]] df = pd.DataFrame(rows, columns=header) if "score" in df.columns: df["score"] = pd.to_numeric( df["score"], errors="coerce") print(f"STITCH: {chemical} → {len(df)} interactions") return df def stitch_resolve(identifiers, species=9606): """ STITCH — 化学物質/タンパク質 ID 解決。 Parameters: identifiers: list[str] — 化学物質/タンパク質名リスト species: int — NCBI Taxonomy ID """ url = f"{STITCH_API}/tsv/resolveList" params = { "identifiers": "\r".join(identifiers), "species": species, } resp = requests.get(url, params=params, timeout=30) resp.raise_for_status() lines = resp.text.strip().split("\n") if len(lines) < 2: return pd.DataFrame() header = lines[0].split("\t") rows = [line.split("\t") for line in lines[1:]] df = pd.DataFrame(rows, columns=header) print(f"STITCH resolve: {len(identifiers)} queries → " f"{len(df)} results") return df ``` ## 2. ネットワーク薬理学 ```python def stitch_network(chemicals, species=9606, required_score=400): """ STITCH — 多化学物質ネットワーク構築。 Parameters: chemicals: list[str] — 化学物質名リスト species: int — NCBI Taxonomy ID required_score: int — 最低信頼度スコア """ url = f"{STITCH_API}/tsv/network" params = { "identifiers": "\r".join(chemicals), "species": species, "required_score": required_score, } resp = requests.get(url, params=params, timeout=30) resp.raise_for_status() lines = resp.text.strip().split("\n") if len(lines) < 2: return pd.DataFrame() header = lines[0].split("\t") rows = [line.split("\t") for line in lines[1:]] df = pd.DataFrame(rows, columns=header) nodes = set() if "stringId_A" in df.columns: nodes.update(df["stringId_A"].unique()) if "stringId_B" in df.columns: nodes.update(df["stringId_B"].unique()) print(f"STITCH network: {len(nodes)} nodes, " f"{len(df)} edges") return df def polypharmacology_analysis(drug_list, species=9606, required_score=700): """ ポリファーマコロジー解析。 Parameters: drug_list: list[str] — 薬物名リスト species: int — NCBI Taxonomy ID required_score: int — 高信頼度スコア閾値 """ all_targets = {} for drug in drug_list: interactions = stitch_interactions( drug, species, required_score) if interactions.empty: continue targets = set() for col in ["stringId_A", "stringId_B"]: if col in interactions.columns: targets.update( interactions[col].unique()) # 化学物質自身を除外 targets = {t for t in targets if not t.startswith("CID")} all_targets[drug] = targets # 共通標的計算 if len(all_targets) < 2: return pd.DataFrame() pairs = [] drugs = list(all_targets.keys()) for i in range(len(drugs)): for j in range(i + 1, len(drugs)): shared = (all_targets[drugs[i]] & all_targets[drugs[j]]) union = (all_targets[drugs[i]] | all_targets[drugs[j]]) jaccard = (len(shared) / len(union) if union else 0) pairs.append({ "drug_a": drugs[i], "drug_b": drugs[j], "shared_targets": len(shared), "jaccard_index": jaccard, "shared_list": "; ".join( sorted(shared)), }) df = pd.DataFrame(pairs) df.sort_values("jaccard_index", ascending=False, inplace=True) print(f"Polypharmacology: {len(drugs)} drugs, " f"{len(df)} pairs") return df ``` ## 3. エンリッチメント解析 ```python def stitch_enrichment(identifiers, species=9606): """ STITCH — 機能エンリッチメント解析。 Parameters: identifiers: list[str] — タンパク質/化学物質リスト species: int — NCBI Taxonomy ID """ url = f"{STITCH_API}/tsv/enrichment" params = { "identifiers": "\r".join(identifiers), "species": species, } resp = requests.get(url, params=params, timeout=30) resp.raise_for_status() lines = resp.text.strip().split("\n") if len(lines) < 2: return pd.DataFrame() header = lines[0].split("\t") rows = [line.split("\t") for line in lines[1:]] df = pd.DataFrame(rows, columns=header) if "p_value" in df.columns: df["p_value"] = pd.to_numeric( df["p_value"], errors="coerce") df.sort_values("p_value", inplace=True) print(f"STITCH enrichment: {len(df)} terms") return df ``` ## 4. STITCH 統合パイプライン ```python def stitch_pipeline(chemicals, species=9606, output_dir="results"): """ STITCH 統合パイプライン。 Parameters: chemicals: list[str] — 化学物質名リスト species: int — NCBI Taxonomy ID 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) 個別相互作用 all_interactions = [] for chem in chemicals: ixns = stitch_interactions(chem, species) ixns["query_chemical"] = chem all_interactions.append(ixns) ixn_df = pd.concat(all_interactions, ignore_index=True) ixn_df.to_csv( output_dir / "stitch_interactions.csv", index=False) # 2) ネットワーク network = stitch_network(chemicals, species) network.to_csv( output_dir / "stitch_network.csv", index=False) # 3) ポリファーマコロジー polypharm = polypharmacology_analysis( chemicals, species) polypharm.to_csv( output_dir / "polypharmacology.csv", index=False) print(f"STITCH pipeline → {output_dir}") return { "interactions": ixn_df, "network": network, "polypharmacology": polypharm, } ``` --- ## ToolUniverse 連携 | TU Key | ツール名 | 連携内容 | |--------|---------|---------| | `stitch` | STITCH | 化学物質-タンパク質相互作用 (EMBL) | ## パイプライン統合 ``` cheminformatics → stitch-chemical-network → drug-target-profiling (化合物記述子) (STITCH 相互作用) (DGIdb 標的) │ │ ↓ string-network-api ────────┘ pharmacology-targets (STRING PPI) (BindingDB/GtoPdb) ``` ## パイプライン出力 | ファイル | 説明 | 次スキル | |---------|------|---------| | `results/stitch_interactions.csv` | 化学物質-標的 | → drug-target-profiling | | `results/stitch_network.csv` | ネットワーク | → string-network-api | | `results/polypharmacology.csv` | 多標的解析 | → pharmacology-targets |