Codex use case
創薬標的の優先順位付け
複数の観点からエビデンスを評価し、創薬標的の優先順位を決めます。
Difficulty Advanced
Time horizon Long-running
ChatGPT と Life Science Research プラグインを使って、遺伝子や疾患などの表記を統一し、遺伝学、コホート研究、臨床研究、文献、遺伝子発現のエビデンスを並行して収集します。各標的を分野別に採点し、最終順位をまとめ、再利用できる図を作成します。
Best for
- 遺伝学、別のコホートでの再現性、疾患の背景、臨床上の先例、文献、遺伝子発現など、複数の観点から創薬標的の優先順位を検討する必要がある研究課題
- ChatGPT で複数分野のエビデンスを調査し、結果を照らし合わせて一つの結論を導きたいチーム
- 取得したデータを元の形式で保存し、採点基準を明示して、次回のレビューや意思決定メモでも使える図を作成したい研究者
Contents
創薬標的の優先順位付け
複数の観点からエビデンスを評価し、創薬標的の優先順位を決めます。
ChatGPT と Life Science Research プラグインを使って、遺伝子や疾患などの表記を統一し、遺伝学、コホート研究、臨床研究、文献、遺伝子発現のエビデンスを並行して収集します。各標的を分野別に採点し、最終順位をまとめ、再利用できる図を作成します。
Advanced
Long-running
ChatGPT と Life Science Research プラグインを使って、遺伝子や疾患などの表記を統一し、遺伝学、コホート研究、臨床研究、文献、遺伝子発現のエビデンスを並行して収集します。各標的を分野別に採点し、最終順位をまとめ、再利用できる図を作成します。
Advanced
Long-running
Related links
Best for
- 遺伝学、別のコホートでの再現性、疾患の背景、臨床上の先例、文献、遺伝子発現など、複数の観点から創薬標的の優先順位を検討する必要がある研究課題
- ChatGPT で複数分野のエビデンスを調査し、結果を照らし合わせて一つの結論を導きたいチーム
- 取得したデータを元の形式で保存し、採点基準を明示して、次回のレビューや意思決定メモでも使える図を作成したい研究者
Skills & Plugins
- 科学データベースや文献を検索し、生物学的経路、臨床応用の可能性、標的への薬理学的介入のしやすさ、競合状況を評価するための根拠を集めます。
| Skill | Why use it |
|---|---|
| Life Science Research | 科学データベースや文献を検索し、生物学的経路、臨床応用の可能性、標的への薬理学的介入のしやすさ、競合状況を評価するための根拠を集めます。 |
Starter prompt
Life Science Research プラグインを使って、TSLP、IL33、IL1RL1 を比較し、喘息の創薬標的としての優先順位を決めてください。
以下の独立した調査をサブエージェントに分担させ、並行して実施してください。
- ヒト遺伝学と GWAS：gwas-catalog-skill、opentargets-skill、gnomad-graphql-skill
- 別のコホートでの再現性と 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と疾患の背景：opentargets-skill、efo-ontology-skill
- 臨床上および薬事規制上の先例：clinicaltrials-skill、opentargets-skill、chembl-skill、pharmgkb-skill
- 文献と公開データセットから得られる背景情報：ncbi-entrez-skill、ncbi-pmc-skill、biorxiv-skill、ncbi-datasets-skill、biostudies-arrayexpress-skill
- 遺伝子発現と組織・細胞種ごとの背景情報：human-protein-atlas-skill、gtex-eqtl-skill、cellxgene-skill、bgee-skill
各調査では、以下の方針に従ってください。
- TSLP、IL33、IL1RL1 をそれぞれ 1〜5 点で評価
- 喘息に直接関わるエビデンスと、関連するアレルギー性・アトピー性の表現型に関するエビデンスを区別
- 必要に応じて、取得したデータを元の形式で保存
最後に、調査結果を統合し、以下をまとめてください。
- 調査分野別・標的別のスコア表
- TSLP、IL33、IL1RL1 の最終順位
- 最終順位の確度と主な留意点
- 優先順位を示すヒートマップと、各標的について喘息との関連が最も強いバリアントを示す GWAS の要約図の 2 点
Life Science Research プラグインを使って、TSLP、IL33、IL1RL1 を比較し、喘息の創薬標的としての優先順位を決めてください。
以下の独立した調査をサブエージェントに分担させ、並行して実施してください。
- ヒト遺伝学と GWAS：gwas-catalog-skill、opentargets-skill、gnomad-graphql-skill
- 別のコホートでの再現性と 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と疾患の背景：opentargets-skill、efo-ontology-skill
- 臨床上および薬事規制上の先例：clinicaltrials-skill、opentargets-skill、chembl-skill、pharmgkb-skill
- 文献と公開データセットから得られる背景情報：ncbi-entrez-skill、ncbi-pmc-skill、biorxiv-skill、ncbi-datasets-skill、biostudies-arrayexpress-skill
- 遺伝子発現と組織・細胞種ごとの背景情報：human-protein-atlas-skill、gtex-eqtl-skill、cellxgene-skill、bgee-skill
各調査では、以下の方針に従ってください。
- TSLP、IL33、IL1RL1 をそれぞれ 1〜5 点で評価
- 喘息に直接関わるエビデンスと、関連するアレルギー性・アトピー性の表現型に関するエビデンスを区別
- 必要に応じて、取得したデータを元の形式で保存
最後に、調査結果を統合し、以下をまとめてください。
- 調査分野別・標的別のスコア表
- TSLP、IL33、IL1RL1 の最終順位
- 最終順位の確度と主な留意点
- 優先順位を示すヒートマップと、各標的について喘息との関連が最も強いバリアントを示す GWAS の要約図の 2 点
スキルの活用
Life Science Research プラグインには、エビデンスの種類に応じたスキルが用意されています。
- ヒト遺伝学と GWAS：
gwas-catalog-skill、opentargets-skill、gnomad-graphql-skill - 別のコホートでの再現性の検証と 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と疾患の背景情報：
opentargets-skill、efo-ontology-skill - 臨床・規制上の先例：
clinicaltrials-skill、opentargets-skill、chembl-skill、pharmgkb-skill - 文献や公開データセットから得られる背景情報：
ncbi-entrez-skill、ncbi-pmc-skill、biorxiv-skill、ncbi-datasets-skill、biostudies-arrayexpress-skill - 発現情報と組織・細胞種別の背景情報：
human-protein-atlas-skill、gtex-eqtl-skill、cellxgene-skill、bgee-skill
使いたいスキルは名前で指定できます。どの場面で使うかは ChatGPT に任せることもできます。
標的を比較する手順
- まず、比較を通じて何を明らかにしたいかを具体的な質問にし、比較する標的、対象疾患、ChatGPT に調べてほしいエビデンスの種類を明示します。
Life Science Researchプラグインを呼び出し、サブエージェントを使って並行して調査するよう ChatGPT に指示します。各サブエージェントの調査範囲は、担当する種類のエビデンスに限定します。- エビデンスの種類ごとに 1〜5 の共通尺度で採点し、対象疾患に直接関するエビデンスと、関連する表現型についてのエビデンスを区別するよう ChatGPT に依頼します。
- 同じチャットで、保存された生のレスポンスデータ、エビデンスの種類ごとに各標的のスコアをまとめた表、評価を総合した順位を確認します。
Related use cases
bulk RNA-seq 入力データの検証
ChatGPT で NGS Analysis プラグインを使い、サンプルシート、FASTQ ファイル、参照データを検証します。差次的発現解析に進む前に、MultiQC...
Sciences Data
scRNA-seq データのアノテーション
ChatGPT で NGS Analysis プラグインを使うと、10x 形式の行列ファイル一式から、QC...
Sciences Data
タンパク質フォールディングモデルの探索
Codex のゴールモードを使い、タンパク質構造の予測性能向上を目指して、AlphaFold2 のアーキテクチャの新たな改良案を検討し、実装します。
Sciences Engineering