Codex use case
創薬標的の優先順位付け
複数のエビデンス領域に基づいて創薬標的を順位付けします。
Difficulty 上級
Time horizon 長時間実行
Life Science Research プラグインを ChatGPT で使用してエンティティを正規化し、遺伝学、コホート、臨床、文献、発現に関するエビデンスを並列に取得します。各領域を採点し、最終ランキングと再利用可能な可視化を作成します。
最適な用途
- 遺伝学、コホートでの再現検証、疾患コンテキスト、臨床上の先例、文献、発現など、複数のエビデンス群を必要とする標的優先順位付けの課題。
- ChatGPT に複数のエビデンス領域にわたる科学的調査を行わせ、得られた結果を突き合わせて 1 つの結論にまとめたいチーム。
- 生のペイロードの保存、明示的な採点基準、次回のレビューや意思決定メモで再利用できる可視化を求める科学者。
Contents
創薬標的の優先順位付け
複数のエビデンス領域に基づいて創薬標的を順位付けします。
Life Science Research プラグインを ChatGPT で使用してエンティティを正規化し、遺伝学、コホート、臨床、文献、発現に関するエビデンスを並列に取得します。各領域を採点し、最終ランキングと再利用可能な可視化を作成します。
上級
長時間実行
Life Science Research プラグインを ChatGPT で使用してエンティティを正規化し、遺伝学、コホート、臨床、文献、発現に関するエビデンスを並列に取得します。各領域を採点し、最終ランキングと再利用可能な可視化を作成します。
上級
長時間実行
関連リンク
最適な用途
- 遺伝学、コホートでの再現検証、疾患コンテキスト、臨床上の先例、文献、発現など、複数のエビデンス群を必要とする標的優先順位付けの課題。
- ChatGPT に複数のエビデンス領域にわたる科学的調査を行わせ、得られた結果を突き合わせて 1 つの結論にまとめたいチーム。
- 生のペイロードの保存、明示的な採点基準、次回のレビューや意思決定メモで再利用できる可視化を求める科学者。
スキルとプラグイン
- 科学データベースと文献を検索し、パスウェイエビデンス、トランスレーショナルエビデンス、創薬可能性と競合状況に関するエビデンスを裏付けます。
| Skill | Why use it |
|---|---|
| Life Science Research | 科学データベースと文献を検索し、パスウェイエビデンス、トランスレーショナルエビデンス、創薬可能性と競合状況に関するエビデンスを裏付けます。 |
開始用プロンプト
喘息の創薬標的の優先順位付けに向けて、Life Science Research プラグインを使用し、TSLP、IL33、IL1RL1 を比較してください。
以下の独立したエビデンス領域を、サブエージェントを使って並列に実行してください：
- ヒト遺伝学と GWAS：gwas-catalog-skill、opentargets-skill、gnomad-graphql-skill
- コホートでの再現検証と PheWAS：finngen-phewas-skill、ukb-topmed-phewas-skill、biobankjapan-phewas-skill、tpmi-phewas-skill
- 標的と疾患の関連を示すエビデンスおよび疾患コンテキスト：opentargets-skill、efo-ontology-skill
- 臨床・規制上の先例：clinicaltrials-skill、opentargets-skill、chembl-skill、pharmgkb-skill
- 文献および公開データセットのコンテキスト：ncbi-entrez-skill、ncbi-pmc-skill、biorxiv-skill、ncbi-datasets-skill、biostudies-arrayexpress-skill
- 発現および tissue/cell-type のコンテキスト：human-protein-atlas-skill、gtex-eqtl-skill、cellxgene-skill、bgee-skill
各領域について：
- TSLP、IL33、IL1RL1 を 1～5 段階で採点する
- 喘息の直接的なエビデンスと、関連する allergic/atopic 表現型のエビデンスを分けて扱う
- 必要に応じて生のペイロードを保存する
続いて、結果を統合し、以下を作成してください：
- エビデンス領域別・標的別のスコア表
- TSLP、IL33、IL1RL1 の最終順位
- 信頼度の評価と主な留意点
- 2 つの可視化：優先順位付けヒートマップと、各標的の喘息関連リードバリアントを示す GWAS サマリー図
喘息の創薬標的の優先順位付けに向けて、Life Science Research プラグインを使用し、TSLP、IL33、IL1RL1 を比較してください。
以下の独立したエビデンス領域を、サブエージェントを使って並列に実行してください：
- ヒト遺伝学と GWAS：gwas-catalog-skill、opentargets-skill、gnomad-graphql-skill
- コホートでの再現検証と PheWAS：finngen-phewas-skill、ukb-topmed-phewas-skill、biobankjapan-phewas-skill、tpmi-phewas-skill
- 標的と疾患の関連を示すエビデンスおよび疾患コンテキスト：opentargets-skill、efo-ontology-skill
- 臨床・規制上の先例：clinicaltrials-skill、opentargets-skill、chembl-skill、pharmgkb-skill
- 文献および公開データセットのコンテキスト：ncbi-entrez-skill、ncbi-pmc-skill、biorxiv-skill、ncbi-datasets-skill、biostudies-arrayexpress-skill
- 発現および tissue/cell-type のコンテキスト：human-protein-atlas-skill、gtex-eqtl-skill、cellxgene-skill、bgee-skill
各領域について：
- TSLP、IL33、IL1RL1 を 1～5 段階で採点する
- 喘息の直接的なエビデンスと、関連する allergic/atopic 表現型のエビデンスを分けて扱う
- 必要に応じて生のペイロードを保存する
続いて、結果を統合し、以下を作成してください：
- エビデンス領域別・標的別のスコア表
- TSLP、IL33、IL1RL1 の最終順位
- 信頼度の評価と主な留意点
- 2 つの可視化：優先順位付けヒートマップと、各標的の喘息関連リードバリアントを示す GWAS サマリー図
スキルの活用
Life Science Research プラグイン には、エビデンス領域ごとのスキルが含まれています：
- ヒト遺伝学と GWAS：
gwas-catalog-skill、opentargets-skill、gnomad-graphql-skill - コホートでの再現検証と PheWAS：
finngen-phewas-skill、ukb-topmed-phewas-skill、biobankjapan-phewas-skill、tpmi-phewas-skill - 標的と疾患の関連を示すエビデンスおよび疾患コンテキスト：
opentargets-skill、efo-ontology-skill - 臨床・規制上の先例：
clinicaltrials-skill、opentargets-skill、chembl-skill、pharmgkb-skill - 文献および公開データセットのコンテキスト：
ncbi-entrez-skill、ncbi-pmc-skill、biorxiv-skill、ncbi-datasets-skill、biostudies-arrayexpress-skill - 発現および組織・細胞種のコンテキスト：
human-protein-atlas-skill、gtex-eqtl-skill、cellxgene-skill、bgee-skill
これらのスキルは、名前を明示して使用することも、いつ使用するかを ChatGPT に判断させることもできます。
ステップ別ガイド
- まず、具体的な比較課題を設定し、ChatGPT に調べてもらう標的、疾患、エビデンス領域を明確に指定します。
Life Science Researchプラグインを呼び出し、各エビデンス群の調査範囲を明確に区切るため、サブエージェントを使って各領域を並列に実行するよう ChatGPT に指示します。- ChatGPT に各領域を固定の 1～5 段階で採点し、対象疾患の直接的なエビデンスと関連する表現型のエビデンスを分けて扱うよう指示します。
- 同じチャット内で、保存した生のペイロード、エビデンス領域別・標的別のスコア表、統合して得られた順位をレビューします。
関連するユースケース
scRNA-seq データのアノテーション
ChatGPT で NGS Analysis プラグインを使用して、10x 形式のマトリックスバンドルから、QC...
科学 データ
bulk RNA-seq 入力データの検証
ChatGPT で NGS Analysis プラグインを使用してサンプルシート、FASTQ、リファレンスを検証し、差次的発現解析に進む前に MultiQC、Salmon...
科学 データ
タンパク質フォールディングモデルの探索
Codex の Goal モードを使用し、タンパク質フォールディング性能の向上を目指して、AlphaFold2 に対する新しいアーキテクチャ変更を研究・実装します。
科学 エンジニアリング