第5章: GraphRAG・Lazy GraphRAGによる論文と実験ノートからの知識発見

## エンティティ型（スキルが定義）

| 型 | 説明 | 例 |
| ---- | ---- | ---- |
| COMPOUND | 化合物、物質、材料 | ZnO, TiO₂, メトホルミン |
| ORGANISM | 生物、菌種 | Bacteroides fragilis, Homo sapiens |
| DISEASE | 疾患、症状 | 2型糖尿病, 炎症性腸疾患 |
| GENE_PROTEIN | 遺伝子、タンパク質 | SCFA受容体, GLP-1, インスリン |
| METHOD | 実験手法、解析手法 | 16S rRNA解析, ショットガンメタゲノム |
| METRIC | 指標、測定量 | Shannon指数, α多様性, HbA1c |
| CONDITION | 実験条件、環境条件 | 高脂肪食, 抗生物質投与, 嫌気条件 |
| FINDING | 研究知見、結論 | 多様性低下はT2DMリスク因子 |
| STUDY | 研究、論文 | Author et al. (2024) |
| EXPERIMENT | 実験記録 | EXP-2026-0301-001 |

## 関係型（スキルが定義）

| 関係 | 説明 | 例 |
| ---- | ---- | ---- |
| CAUSES | 因果関係 | 高脂肪食 → CAUSES → 多様性低下 |
| CORRELATES_WITH | 相関関係 | α多様性 → CORRELATES_WITH → HbA1c |
| INHIBITS | 抑制関係 | メトホルミン → INHIBITS → 糖新生 |
| PROMOTES | 促進関係 | SCFA → PROMOTES → インスリン感受性 |
| PRODUCES | 産生関係 | 腸内細菌叢 → PRODUCES → 短鎖脂肪酸 |
| MEASURED_BY | 測定方法 | 多様性 → MEASURED_BY → Shannon指数 |
| USED_IN | 手法の使用 | 16S rRNA → USED_IN → Study A |
| BELONGS_TO | 分類関係 | Bacteroides → BELONGS_TO → Bacteroidetes |
| CONTRADICTS | 矛盾関係 | Finding A → CONTRADICTS → Finding B |
| SUPPORTS | 支持関係 | Finding C → SUPPORTS → Finding A |
| REPORTS | 報告関係 | Study A → REPORTS → Finding B |
| CAUSED_BY | 原因帰属（CAUSESの逆方向） | Finding → CAUSED_BY → Study |
| ABOUT | 対象関係 | Finding → ABOUT → Compound |
| MEASURES | 測定対象 | Finding → MEASURES → Metric |
| DOPED_WITH | ドーピング関係（材料科学） | ZnO → DOPED_WITH → Al |
| USES | 使用関係 | Experiment → USES → Compound |

# experiment_note.yaml
experiment:
  id: "EXP-2026-0301-001"
  date: "2026-03-01"
  researcher: "Nahisa Ho"
  objective: "ZnOナノ粒子のドーピング元素がバンドギャップに与える影響を調査"

conditions:
  - parameter: "ドーピング元素"
    values: ["Al", "Ga", "In"]
  - parameter: "ドーピング濃度"
    values: ["1 at%", "3 at%", "5 at%"]
  - parameter: "焼成温度"
    values: ["400°C", "600°C", "800°C"]

results:
  - condition: "Al 3at%, 600°C"
    bandgap: "3.15 eV"
    resistivity: "3.2×10⁻³ Ω·cm"
    status: "success"
    notes: "もっともバンドギャップが低下した条件"

  - condition: "In 5at%, 800°C"
    bandgap: null
    resistivity: null
    status: "failure"
    notes: "In析出が発生し薄膜が不均一。この濃度・温度の組み合わせは不適"

observations:
  - "Al 3at%ではバンドギャップの低下とともに可視光応答が改善した"
  - "In 5at%は固溶限を超えており、偏析が顕著"
  - "焼成温度600°Cが結晶性と透明性のバランスがもっとも良い"

related_papers:
  - doi: "10.1234/zno-doping-2024"
    relation: "結果が一致（Al 3at%でのバンドギャップ低下）"
  - doi: "10.5678/in-doping-limit"
    relation: "Inの固溶限に関するデータを参照"

// エンティティ（ノード）の作成
CREATE (gm:ORGANISM {
  name: "Gastrointestinal Microbiome",
  aliases: ["gut microbiome", "gut microbiota", "intestinal microflora"],
  source: "literature"
})

CREATE (t2d:DISEASE {
  name: "Type 2 Diabetes Mellitus",
  aliases: ["T2DM", "type 2 diabetes", "2型糖尿病"],
  source: "literature"
})

CREATE (si:METRIC {
  name: "Shannon Diversity Index",
  aliases: ["Shannon index", "Shannon entropy"],
  source: "literature"
})

// 関係（エッジ）の作成
CREATE (gm)-[:CORRELATES_WITH {
  direction: "negative",
  effect_size: -0.82,
  p_value: 0.001,
  evidence_level: "T1",
  source_doi: "10.xxxx/meta-analysis-2024",
  relationship_type: "correlation"
}]->(t2d)

CREATE (gm)-[:MEASURED_BY {
  context: "α多様性の評価"
}]->(si)

// 質問: 「腸内細菌叢とT2DMをつなぐ経路は何か？」
MATCH path = (gm:ORGANISM {name: "Gastrointestinal Microbiome"})
  -[*1..3]-(t2d:DISEASE {name: "Type 2 Diabetes Mellitus"})
RETURN path
ORDER BY length(path) ASC
LIMIT 10

// 質問: 「グラフ上でもっともハブとなっている概念は？」
MATCH (n)-[r]-()
RETURN n.name, labels(n)[0] AS type, COUNT(r) AS degree
ORDER BY degree DESC
LIMIT 10

// 質問: 「実験で試していないドーピング元素は？」
MATCH (zno:COMPOUND {name: "ZnO"})-[:DOPED_WITH]->(tried:COMPOUND)
WITH COLLECT(tried.name) AS tried_elements
MATCH (candidate:COMPOUND)
WHERE candidate.name IN ["Ga", "Mg", "Cu", "Fe", "Mn"]
  AND NOT candidate.name IN tried_elements
RETURN candidate.name AS untried_element

デフォルト分割: ...形態素解析ベースの�          ← 文字化け
文ベース分割:   ...形態素解析ベースのチャンク分割  ← 適切

import spacy

nlp = spacy.load("ja_ginza")

text = "腸内細菌叢のα多様性は短鎖脂肪酸の産生と密接に関連する。多様性の低下はSCFA産生の減少を通じて代謝機能に影響を及ぼす。"

doc = nlp(text)
sentences = [sent.text for sent in doc.sents]
# → ["腸内細菌叢のα多様性は短鎖脂肪酸の産生と密接に関連する。",
#    "多様性の低下はSCFA産生の減少を通じて代謝機能に影響を及ぼす。"]

# settings.yaml - ローカル環境（Ollama + bge-m3）
embeddings:
  llm:
    type: openai_embedding
    model: bge-m3
    api_base: http://localhost:11434/v1

# チャンク設定（日本語最適化）
chunks:
  size: 800
  overlap: 80
  strategy: sentences

# settings.yaml — scispaCy統合
extract_graph_nlp:
  text_analyzer:
    extractor_type: syntactic_parser  # regex_english から変更
    model_name: en_core_sci_lg        # 科学論文特化モデル（531MB）
    # model_name: ja_core_news_lg     # 日本語論文の場合

EVALUATION_PROMPT = """以下の回答を1-5で評価してください。

【質問】{question}
【回答】{answer}

1. 網羅性: 質問のすべての側面をカバーしているか
2. 多様性: 異なる視点・洞察を提供しているか
3. 有用性: 次の実験計画に活用できる情報か

JSON: {{"comprehensiveness": <1-5>, "diversity": <1-5>,
        "empowerment": <1-5>, "reason": "..."}}
"""

---
name: scientific-knowledge-graph
description: |
  知識グラフ構築・検索スキル。
  「知識グラフ」「GraphRAG」「概念マップ」「関係抽出」で発火。
tu_tools:
  - key: neo4j
    name: Neo4j
    description: グラフデータベース（Cypherクエリー）
  - key: chromadb
    name: ChromaDB
    description: ベクトルデータベース（類似度検索）
---

# Scientific Knowledge Graph Construction

学術論文と実験ノートから知識グラフを構築するパイプラインスキル。

## When to Use
- 文献調査結果を構造化して俯瞰したい
- 論文間の隠れた関係性を発見したい
- 自分の実験データと文献知識を統合したい
- 研究の空白領域を機械的に特定したい

## Phase 1: エンティティ型の定義
研究分野に応じてエンティティ型をカスタマイズする。
デフォルト型: COMPOUND, ORGANISM, DISEASE, GENE_PROTEIN,
METHOD, METRIC, CONDITION, FINDING, STUDY, EXPERIMENT

## Phase 2: テキストからの抽出
各論文のアブストラクトと本文から、定義済みのエンティティ型に
基づいてエンティティと関係を抽出する。

## Phase 3: 正規化と統合
同義語テーブルを用いてエンティティを正規化し、Neo4jに登録する。
実験ノートのデータも同一グラフに統合する。

## Phase 4: コミュニティ検出
Leidenアルゴリズムでコミュニティを検出し、各コミュニティの
要約を生成する。

## Phase 5: 検索と分析
Local / Global / DRIFT / LazyGraphRAGの4つの検索モードで質問に回答する。

## 参照スキル
- ← literature-search（論文収集の入力）
- ← deep-research（深掘り分析の結果）
- → hypothesis-pipeline（ギャップから仮説を生成）
- → doe（実験計画への入力）