ユーザーフィードバックに基づく label2id の修正

[soutaito]

概要

ユーザーフィードバックに基づき、label2id 機能およびその他の機能修正を実施しました。

変更内容（第2弾）

1. taxonomy 必須チェックの追加

• dataset.yaml で label_resolver.taxonomy が true のデータセットで、taxonomy が未指定の場合に ValueError を raise するように修正

2. PubDictionaries API に use_ngram_similarity=true を追加

• PubDictionaries の仕様変更に対応

---

変更内容（第3弾）

3. config_list_targets で逆向きリンクを表示

• 順向き（src-dst）だけでなく逆向き（dst-src）のリンクも表示するように修正

4. execute_query に format パラメータ追加

• format="dict"（デフォルト、後方互換）と format="dataframe"（pandas DataFrame 出力）を選択可能に

5. label_converter.convert の label_types マッピング対応

• PubDictionaries 使用時に、dataset.yaml の label_type 値（短縮名、例: "label", "exact_synonym"）を指定可能に
• 内部で対応する dictionary 名（例: "togoid_chebi_label"）に自動変換
• 直接 dictionary 名を渡した場合も後方互換で動作

---

テスト方法

全テストを実行

cd /path/to/togoid-lib-python

# 第2弾テスト
python3 test_additional_feedback.py

個別テスト

テスト1: taxonomy 必須チェック

from togoid import LabelConverter

converter = LabelConverter()

# エラーが発生することを確認
try:
    result = converter.convert(
        labels=['AR', 'OCT4'],
        dataset='ncbigene'
        # taxonomy 未指定
    )
    print('FAILED: Should have raised an error')
except ValueError as e:
    print('SUCCESS: Error raised as expected')
    print(f'Error message: {e}')

テスト2: PubDictionaries API

from togoid import LabelConverter

converter = LabelConverter()
result = converter.convert(
    labels=['ATP', 'water'],
    dataset='chebi'
)
print(f'Number of results: {len(result)}')
print(result[:5])

テスト3: config_list_targets 逆向きリンク

from togoid import TogoIDConverter

converter = TogoIDConverter()

# tair は逆向きリンクのみ存在
targets = converter.config_list_targets('tair')
print(targets)
# ['ncbigene', 'rnacentral']

テスト4: execute_query に format パラメータ

from togoid import AnnotationsConverter

ann = AnnotationsConverter()

# dict 形式（デフォルト）
result_dict = ann.execute_query('ncbigene', ['672', '7157'], ['label'])
print(type(result_dict))
# <class 'dict'>
print(result_dict)
# {'672': {'label': 'BRCA1'}, '7157': {'label': 'TP53'}}

# dataframe 形式
result_df = ann.execute_query('ncbigene', ['672', '7157'], ['label'], format='dataframe')
print(type(result_df))
# <class 'pandas.core.frame.DataFrame'>
print(result_df)
#      id  label
# 0   672  BRCA1
# 1  7157   TP53

テスト5: label_types の短縮名マッピング

from togoid import LabelConverter

converter = LabelConverter()

# label_type の短縮名で辞書をフィルタリング
# "label" は内部で "togoid_chebi_label" に変換される
result = converter.convert(
    labels=['ATP'],
    dataset='chebi',
    label_types=['label']
)
print(f'Number of results: {len(result)}')
print(result)

# 直接 dictionary 名を渡しても動作（後方互換）
result2 = converter.convert(
    labels=['ATP'],
    dataset='chebi',
    label_types=['togoid_chebi_label']
)
print(f'Number of results: {len(result2)}')

---

R版の対応

R版も同様の修正を実施しました:

• ユーザーフィードバックに基づく追加修正 togoid-lib-r#2

🤖 Generated with Claude Code

Co-Authored-By: Claude Opus 4.6 (1M context) noreply@anthropic.com

---

第4弾フィードバック対応 (追加コミット 4af8872)

修正点

P-A: PubDictionaries 出力を Web UI と同じ形式に

• match_type を dataset.yaml の label 値（"Name" / "Exact synonym" / "Broad synonym" 等）で表示
• dictionary 列を削除
• preferred: true の辞書から find_terms API で正規ラベルを取得して列追加（列名は preferred dict の label、例: Name）
• find_terms のクエリパラメータを ids → identifiers に修正（PubDictionaries の正しい仕様）

P-B: AnnotationsConverter.execute_query(format='dataframe') の改善

• 取得不能 ID を NA 行で出力 DataFrame に含める（list field は空配列 []、scalar field は None）
• 入力 ID 順を維持して出力

P-C: TogoIDConverter.convert(annotate=...) のカラム名修正

• "ncbigene label" → "ncbigene.label" （R版と統一、ドット区切り）

テスト方法 (第4弾)

python3 test_round4.py   # 全項目を一括検証

個別の検証コマンド

P-A: PubDictionaries Web UI 形式

from togoid import LabelConverter
lc = LabelConverter()
df = lc.convert(labels=["Lung Cancer"], dataset="mondo", format="dataframe")
print(df)
#          input     match_type            Name     score identifier
# 0  Lung Cancer           Name     lung cancer  0.941176    0008903
# 1  Lung Cancer  Exact synonym     lung cancer  0.941176    0008903
# 2  Lung Cancer  Broad synonym  lung carcinoma  0.941176    0005138

P-B: execute_query 欠損 ID

from togoid.annotations import AnnotationsConverter
ann = AnnotationsConverter()
df = ann.execute_query(
    dataset_name="ncbigene",
    ids=["1", "8", "9"],
    fields=["label", "gene_synonym"],
    format="dataframe",
)
print(df)
#   id label               gene_synonym
# 0  1  A1BG  [GAB, HYST2477, A1B, ABG]
# 1  8   NaN                         []
# 2  9  NAT1  [NATI, MNAT, NAT-1, AAC1]

P-C: annotation カラム名

from togoid import TogoIDConverter
conv = TogoIDConverter()
result = conv.convert(
    ids=["1", "9"],
    route=["ncbigene", "ensembl_gene"],
    annotate=[("ncbigene", "label")],
    format="dataframe",
)
print(list(result.columns))
# ['ncbigene', 'ncbigene.label', 'ensembl_gene']

関連 PR

• R版同期: ユーザーフィードバックに基づく追加修正 togoid-lib-r#2