chore: import zh skill ensembl-database

README.wehub.md

@@ -0,0 +1,9 @@
+# WeHub 来源说明
+
+- Skill 名称：`ensembl-database`
+- 中文类目：序列拉取与跨库 ID 解析
+- 上游仓库：`google-deepmind__science-skills`
+- 上游路径：`skills/ensembl_database/SKILL.md`
+- 上游链接：https://github.com/google-deepmind/science-skills/blob/HEAD/skills/ensembl_database/SKILL.md
+- 本仓库为 WeHub 中文 Skill 汉化包，基于 skill 市场筛选 Top200 清单整理
+- 原作者、版权和许可证信息以上游仓库为准

SKILL.md

@@ -0,0 +1,142 @@
+---
+name: ensembl-database
+description: >
+  查询 Ensembl 数据库以解析基因、转录本和蛋白质 ID，获取基因组或蛋白质序列，
+  检索基因结构（外显子），以及获取变异后果与效应预测（VEP）。使用本技能作为
+  主要的 ID 翻译器、基因组序列数据库和变异效应预测工具。
+---
+
+# Ensembl 数据库：ID 映射与基因组特征
+
+## 前置条件
+
+1.  **`uv`**：阅读 `uv` 技能并遵循其设置说明，以确保 `uv` 已安装并位于 PATH 中。
+2.  **用户通知**：如果本技能目录中尚未存在 `LICENSE_NOTIFICATION.txt`，则 (1) 显著提示用户查看 https://useast.ensembl.org/index.html 和 https://github.com/Ensembl/ensembl-rest/wiki 上的条款，然后 (2) 创建记录通知文本和时间戳的文件。
+
+## 概述
+
+Ensembl 数据库是基因组注释的资源。本技能允许你与 Ensembl REST API 交互，以解析模糊的符号、交叉引用 ID（RefSeq、HGNC、UniProt、ENSG）、获取原始序列，以及检索详细的转录本结构。
+
+**关键概念：**
+
+-   **ENSG（基因）：** 人类基因的稳定标识符。其他物种将具有不同的三位字母物种代码。
+-   **ENST（转录本）：** 转录本（剪接亚型）的稳定标识符。
+-   **ENSP（蛋白质）：** 翻译后蛋白质的稳定标识符。
+-   **MANE Select：** Ensembl 和 NCBI 共同认定的共识主要转录本。
+-   **Canonical：** Ensembl 的代表性转录本（当 MANE 不可用或非人类物种时使用）。
+
+## 核心规则
+
+-   **使用封装脚本**：始终执行提供的辅助脚本来查询数据库，而非直接访问数据库。这些脚本会自动优雅地强制执行所需的速率限制。
+-   **默认物种：** 如果提示中物种缺失或模糊，默认使用 `"human"`。你必须明确向用户标记此默认行为，以确保其知晓。
+-   **主要转录本：** 列出基因的转录本时，仅返回 MANE Select 转录本（人类）或 Canonical 转录本（其他物种），除非用户明确要求所有替代亚型。当存在多个转录本且你默认使用主要转录本时，必须向用户标记说明。
+-   **基因组组装处理：** 默认组装为 GRCh38。对于 GRCh37 请求，必须使用 `--assembly GRCh37` 标志。当使用非默认组装时，必须明确向用户标记说明。
+-   **输出位置：** 脚本默认将完整的 JSON/FASTA 输出写入 `/tmp` 下的临时文件，或使用 `--output` 标志写入用户指定的文件。同时会在标准输出打印简明摘要。
+-   **通知**：如果使用了本技能，请确保在输出中提及。
+
+### 可用命令
+
+**1. 解析基因 ID** — 将符号、别名或 RefSeq ID 解析为一个或多个 ENSG ID。如果未找到主要符号，则自动回退到解析同义词。
+
+```bash
+uv run scripts/ensembl_api.py resolve-gene TP53 --species human --output tp53.json
+uv run scripts/ensembl_api.py resolve-gene PCL2 --output pcl2.json # 回退到同义词解析
+```
+
+**2. 映射 ID 到外部数据库** — 将 Ensembl ID 交叉引用到 UniProt、HGNC、RefSeq 等。
+
+```bash
+uv run scripts/ensembl_api.py map-id ENSG00000141510 --external-db UniProt --output uniprot_map.json
+uv run scripts/ensembl_api.py map-id ENST00000269305 --external-db RefSeq_mRNA --output refseq_map.json
+```
+
+**3. 获取基因组序列** — 获取坐标窗口的原始 DNA。支持通过 `--assembly GRCh37` 使用 GRCh37。
+
+```bash
+uv run scripts/ensembl_api.py get-sequence 17:7661779-7687550 --species human --output seq.txt
+uv run scripts/ensembl_api.py get-sequence chr9:21971100-21971200 --assembly GRCh37 --output seq_grch37.txt
+```
+
+**4. 基因摘要** — 高层级元数据：符号、生物类型、描述、染色体位置。
+
+```bash
+uv run scripts/ensembl_api.py gene-summary ENSG00000141510 --output gene_summary.json
+```
+
+**5. 列出转录本** — 基因的所有转录本，可选 `--only-mane` 或 `--only-canonical` 过滤。输出包含转录本支持等级（TSL）。
+
+```bash
+uv run scripts/ensembl_api.py transcripts ENSG00000141510 --only-mane --output transcripts_mane.json
+uv run scripts/ensembl_api.py transcripts ENSG00000141510 --only-canonical --output transcripts_canonical.json
+uv run scripts/ensembl_api.py transcripts ENSG00000141510 --output transcripts_all.json
+```
+
+**5b. 规范转录起始位点（Canonical TSS）** — 获取基因规范转录本的转录起始位点（TSS）的单一坐标。
+
+> [!NOTE] 与标准的 `transcripts` 命令不同，`canonical-tss` 接受符号（例如 `TP53`）和 Ensembl ID，并自动解析它们。它还会计算链方向（TSS 对于 `+` 链为 `Start`，对于 `-` 链为 `End`），直接输出单一的整数坐标。
+
+```bash
+uv run scripts/ensembl_api.py canonical-tss TP53 --output tp53_tss.json
+uv run scripts/ensembl_api.py canonical-tss ENSG00000141510 --output tss.json
+```
+
+**6. 转录本结构** — 转录本的外显子坐标、CDS 边界以及计算出的 5'/3' UTR 区域。
+
+```bash
+uv run scripts/ensembl_api.py transcript-structure ENST00000269305 --output structure.json
+```
+
+**7. 蛋白质信息** — 转录本的 ENSP ID 和序列长度。
+
+```bash
+uv run scripts/ensembl_api.py protein-info ENST00000269305 --output protein_info.json
+```
+
+**8. 蛋白质序列** — 转录本（ENST）或蛋白质（ENSP）ID 的氨基酸 FASTA 序列。
+
+```bash
+uv run scripts/ensembl_api.py protein-sequence ENST00000269305 --output protein.fasta
+uv run scripts/ensembl_api.py protein-sequence ENSP00000269305 --output protein_ensp.fasta
+```
+
+**9. 变异后果（VEP）** — 预测基因组变异的分子后果。包含开放许可插件：AlphaMissense、Conservation、DosageSensitivity、IntAct、MaveDB、OpenTargets、LoF（Loftee）、NMD、UTRAnnotator、mutfunc、LOEUF。
+
+```bash
+uv run scripts/ensembl_api.py vep 9:21971147:T:C --species human --output vep.json
+uv run scripts/ensembl_api.py vep rs699 --species human --output vep_rs699.json
+```
+
+VEP 标准输出示例：
+
+```
+[*] 变异：9:21971147:T>C
+[*] 最严重的后果：missense_variant
+[*] 发现 15 个转录本后果。
+
+[*] VEP 预测：
+
+  - ENST00000304494（CDKN2A）：后果 = missense_variant
+  - ENST00000304494（CDKN2A）：氨基酸 = N/S
+  - ENST00000304494（CDKN2A）：SIFT = 有害（0.01）
+  - ENST00000304494（CDKN2A）：AlphaMissense 分类 = likely_benign
+  - ENST00000304494（CDKN2A）：AlphaMissense 致病性 = 0.2129
+  - ENST00000304494（CDKN2A）：保守性 = 2.05
+  - ENST00000304494（CDKN2A）：剂量敏感性（单倍体不足） = 0.889228328567991
+  - ENST00000304494（CDKN2A）：剂量敏感性（三倍体） = 0.135514349094646
+  - ENST00000304494（CDKN2A）：功能缺失（LOEUF） = 0.791
+```
+
+**展示 VEP 结果：** 运行 VEP 命令后，你必须将标准输出中的完整 VEP 预测列表呈现给用户。该列表包含标准的 VEP 预测（后果、氨基酸、SIFT、PolyPhen）和开放许可插件结果（AlphaMissense、保守性、剂量敏感性、LOEUF、Loftee LoF、NMD、UTRAnnotator、Mutfunc）。不要只做总结——展示完整列表，以便用户看到所有预测。如果列表很长（许多转录本），则完整显示 MANE Select / canonical 转录本行，并注明完整数据在 JSON 输出中。
+
+## 解析输出
+
+如果用户需要未在标准输出中总结的详细嵌套结构数据（例如转录本外显子 2 的精确整数坐标）：
+
+1.  找到 JSON 文件（通过 `--output` 指定的文件或脚本打印的临时文件路径）。
+2.  使用 `jq` 等终端工具或编写一个简短的、一次性 Python 脚本来提取所请求的特定数据点。如果 JSON 文件非常大，**不要**尝试将整个文件读入你的上下文。
+
+## 自定义查询
+
+如果你需要进行脚本不支持 API 调用（例如获取蛋白质结构域注释、组装之间的坐标映射、同源搜索、连锁不平衡或表型查询），请阅读 `references/ensembl_rest_api_reference.md` 以获取可用端点、参数和响应字段的完整参考。
+
+**关键：** 编写自定义脚本或使用提供脚本的替代方案时，你**必须**遵守 Ensembl REST API 速率限制（最大每秒 15 个请求），并优雅地处理 `429 Too Many Requests` 错误（例如使用指数退避）。

references/ensembl_rest_api_reference.md

@@ -0,0 +1,277 @@
+# Ensembl REST API 参考文档
+
+本文档提供 Ensembl REST API（`https://rest.ensembl.org`）的简明参考。当 `ensembl_api.py` 脚本无法覆盖特定用例时，可用此文档构建自定义查询。
+
+## 通用约定
+
+- **基础 URL：** `https://rest.ensembl.org`（GRCh38）。GRCh37 请使用：`https://grch37.rest.ensembl.org`
+- **内容协商：** 设置 `Content-Type` 请求头来控制响应格式：
+    - `application/json` — 结构化 JSON（大部分端点的默认格式）
+    - `text/plain` — 原始序列字符串
+    - `text/x-fasta` — FASTA 格式的序列
+    - `text/x-gff3` — GFF3 注释输出
+- **速率限制：** 最大 15 次请求/秒。收到 HTTP 429 时，请遵守 `Retry-After` 响应头。
+- **区域格式：** `CHR:START..END:STRAND`，其中 STRAND 为 `1`（正向）或 `-1`（反向）。大多数端点也支持连字符格式（`START-END`）。
+- **查询参数分隔符：** Ensembl 使用 `;`（分号）分隔查询参数，例如 `?expand=1;mane=1`。标准的 `&` 同样适用。
+
+---
+
+## 查询端点
+
+### `GET /lookup/id/{id}`
+查询任意 Ensembl 稳定 ID（基因、转录本、蛋白质）并获取元数据。
+
+- **`expand`**（0/1）：包含子对象（基因的 Transcript 数组，转录本的 Exon 数组，编码转录本的 Translation）
+- **`mane`**（0/1）：在转录本上包含 MANE Select/Plus Clinical 注释
+- **`db_type`**（字符串）：数据库（默认：`core`）。可选值：`core`、`otherfeatures`
+- **`format`**（字符串）：`full`（默认）或 `condensed`
+- **`species`**（字符串）：当 ID 不明确时覆盖物种信息
+
+**关键响应字段（基因）：**
+`id`、`display_name`（符号）、`biotype`、`description`、`seq_region_name`（染色体）、`start`、`end`、`strand`、`assembly_name`、`Transcript[]`（展开后）。
+
+**关键响应字段（转录本，展开后）：**
+`id`、`biotype`、`display_name`、`is_canonical`（0 或 1）、`length`、`MANE[]`（包含 `type` 的数组，值为 `MANE_Select` 或 `MANE_Plus_Clinical`）、`TSL`（Transcript Support Level 对象，含 `value`）、`Exon[]`、`Translation`（含 `id`、`start`、`end`、`length`）。
+
+### `GET /lookup/symbol/{species}/{symbol}`
+将基因符号解析为其 Ensembl 稳定 ID。
+
+- **`expand`**（0/1）：包含子对象
+
+返回与 `/lookup/id/` 相同的结构。
+
+### `POST /lookup/id`
+批量查询：以 JSON 体形式发送 `{"ids": ["ENSG...", "ENST..."]}`。返回以 ID 为键的字典。
+
+---
+
+## 交叉引用端点
+
+### `GET /xrefs/id/{id}`
+获取 Ensembl ID 的外部数据库引用。
+
+- **`external_db`**（字符串）：按数据库名称过滤（例如 `UniProt`、`HGNC`、`RefSeq_mRNA`、`UCSC`、`EntrezGene`）
+- **`all_levels`**（0/1）：包含来自父/子特征的交叉引用
+
+**响应：** 对象数组，包含 `primary_id`、`display_id`、`db_display_name`、`dbname`、`description`、`info_type`。
+
+### `GET /xrefs/symbol/{species}/{symbol}`
+查找与外部符号匹配的 Ensembl ID。
+
+### `GET /xrefs/name/{species}/{name}`
+更广泛的搜索——跨所有外部数据库查询任意名称。
+
+---
+
+## 序列端点
+
+### `GET /sequence/id/{id}`
+通过稳定 ID 获取 Ensembl 特征的序列。
+
+- **`type`**（字符串）：`genomic`（默认）、`cdna`、`cds`、`protein`
+- **`expand_5prime`**（整数）：向上游延伸 N 个碱基
+- **`expand_3prime`**（整数）：向下游延伸 N 个碱基
+- **`mask`**（字符串）：屏蔽方式：`hard` 或 `soft`
+
+设置 `Accept: text/x-fasta` 获取 FASTA 格式输出，`text/plain` 获取原始字符串。
+
+### `GET /sequence/region/{species}/{region}`
+获取坐标窗口内的基因组 DNA。
+
+- **`coord_system_version`**（字符串）：组装版本（例如 `GRCh38`）
+- **`expand_5prime`**（整数）：向上游延伸 N 个碱基
+- **`expand_3prime`**（整数）：向下游延伸 N 个碱基
+- **`mask`**（字符串）：`hard` 或 `soft` 重复序列屏蔽
+- **`mask_feature`**（0/1）：应用特征级屏蔽
+
+区域格式：`CHR:START..END:STRAND`（例如 `X:1000000..1000100:1`）。
+
+### `POST /sequence/region/{species}`
+批量：发送 `{"regions": ["X:1000..2000", "7:100..200"]}`。
+
+---
+
+## 重叠端点
+
+### `GET /overlap/region/{species}/{region}`
+查找与基因组区域重叠的特征。适用于查找某基因座的基因、窗口内的变异或调控特征。
+
+- **`feature`**（字符串）：要返回的特征类型。可重复使用以指定多个类型。可选值：`gene`、`transcript`、`cds`、`exon`、`repeat`、`simple`、`misc`、`variation`、`somatic_variation`、`structural_variation`、`somatic_structural_variation`、`constrained`、`regulatory`、`motif`、`chipseq`、`array_probe`
+- **`biotype`**（字符串）：按生物类型过滤（例如 `protein_coding`）
+- **`variant_set`**（字符串）：用于变异过滤的短集合名称
+
+**示例：** 查找区域内所有基因和转录本：
+```
+/overlap/region/human/7:140424943-140624564?feature=gene;feature=transcript
+```
+
+### `GET /overlap/id/{id}`
+与 Ensembl 特征（基因、转录本等）重叠的特征。`feature` 参数选项同上。
+
+### `GET /overlap/translation/{id}`
+与翻译产物重叠的蛋白质特征。用于结构域注释。
+
+- **`feature`**（字符串）：`protein_feature`、`residue_overlap`、`translation_exon`
+- **`type`**（字符串）：按源数据库名称过滤（例如 `Pfam`、`Gene3D`、`CDD`、`Smart`、`SuperFamily`、`PANTHER`、`Prosite_patterns`、`PRINTS`、`MobiDBLite`）
+
+**示例：** 获取某个蛋白质的 Pfam 结构域注释：
+```
+/overlap/translation/ENSP00000269305?feature=protein_feature;type=Pfam
+```
+
+**响应字段（protein_feature）：** `type`（源数据库）、`id`（结构域登录号）、`description`、`start`（氨基酸起始位置）、`end`。
+
+---
+
+## 比较基因组学端点
+
+### `GET /homology/id/{species}/{id}`
+获取某个基因的同源物（直系同源/旁系同源）。
+
+- **`type`**（字符串）：`orthologues`、`paralogues`、`projections`、`all`
+- **`target_species`**（字符串）：限定到特定目标物种
+- **`target_taxon`**（整数）：按 NCBI 分类单元 ID 限定
+- **`sequence`**（字符串）：`none`、`cdna`、`protein` — 包含比对后的序列
+
+### `GET /homology/symbol/{species}/{symbol}`
+同上，但按基因符号而非 ID 查询。
+
+### `GET /genetree/id/{id}`
+通过 Ensembl Compara 树 ID 获取完整的基因树。
+
+### `GET /genetree/member/id/{species}/{id}`
+获取包含特定基因的基因树。
+
+---
+
+## 变异端点
+
+### `GET /variation/{species}/{id}`
+获取已知变异（通过 rsID 或 Ensembl 变异 ID）的详细信息。
+
+**响应字段：** `name`（rsID）、`mappings[]`（包含 `location`、`allele_string`、`start`、`end`、`strand`）、`ancestral_allele`、`minor_allele`、`MAF`、`clinical_significance[]`、`source`。
+
+### `GET /variant_recoder/{species}/{id}`
+在不同格式（HGVS、VCF、SPDI、rsID）之间转换变异表示。
+
+**响应字段：** `spdi[]`、`hgvsg[]`、`hgvsc[]`、`hgvsp[]`、`vcf_string[]`、`id[]`（rsID）。
+
+---
+
+## VEP（变异效应预测器）端点
+
+### `GET /vep/{species}/region/{region}/{allele}`
+预测基因组变异的影响。
+
+区域格式：`CHR:START-END:STRAND`（例如 `9:21971147-21971147:1`）。Allele 为替代等位基因字符串。
+
+### `GET /vep/{species}/id/{id}`
+通过 rsID 预测变异影响。
+
+### `GET /vep/{species}/hgvs/{hgvs_notation}`
+通过 HGVS 命名法预测变异影响。
+
+**插件参数（以查询参数形式附加）：**
+
+- `AlphaMissense=1` — AlphaMissense 致病性预测
+- `Conservation=1` — PhyloP 保守性评分
+- `DosageSensitivity=1` — 单倍剂量不足/三倍剂量敏感
+- `LoF=loftee` — LOFTEE 功能缺失评估
+- `LOEUF=1` — 功能缺失观察值与期望值上限比值
+- `NMD=1` — 无义介导的 mRNA 降解预测
+- `UTRAnnotator=1` — 5'/3' UTR 变异注释
+- `mutfunc=1` — 功能影响预测
+- `IntAct=1` — 蛋白质相互作用影响
+- `MaveDB=1` — 多重分析评分
+- `OpenTargets=1` — Open Targets 遗传学数据
+
+**关键响应字段：** `most_severe_consequence`、`transcript_consequences[]`（包含 `gene_symbol`、`transcript_id`、`consequence_terms[]`、`amino_acids`、`sift_prediction`、`sift_score`、`polyphen_prediction`、`polyphen_score`、`am_class`、`am_pathogenicity`、`conservation`、`lof`、`loeuf`）。
+
+### `POST /vep/{species}/region`
+批量 VEP：以类似 VCF 的格式发送 `{"variants": ["1 100 . A T . . ."]}`。
+
+---
+
+## 映射端点
+
+### `GET /map/{species}/{asm_one}/{region}/{asm_two}`
+在不同组装版本之间转换坐标（例如 GRCh37 → GRCh38）。
+
+**示例：**
+```
+/map/human/GRCh37/17:43044295-43125370/GRCh38
+```
+
+**响应：** `mappings[]`，包含 `original` 和 `mapped` 坐标块。
+
+### `GET /map/cdna/{id}/{region}`
+将 cDNA 坐标映射到某个转录本的基因组坐标。
+
+### `GET /map/cds/{id}/{region}`
+将 CDS 坐标映射到基因组坐标。
+
+### `GET /map/translation/{id}/{region}`
+将蛋白质（氨基酸）位置映射到基因组坐标。
+
+---
+
+## 表型端点
+
+### `GET /phenotype/gene/{species}/{gene}`
+某个基因（按符号或 Ensembl ID）的表型注释。
+
+### `GET /phenotype/region/{species}/{region}`
+某个基因组区域中与表型相关的变异。
+
+### `GET /phenotype/term/{species}/{term}`
+查找与某个表型术语（本体论 ID 或描述字符串，例如 `coffee consumption`）相关的变异/基因。
+
+---
+
+## 连锁不平衡端点
+
+### `GET /ld/{species}/{id}/{population_name}`
+计算某个变异周围窗口内变异的 LD。
+
+- **`window_size`**（整数）：窗口大小，单位 kb（默认：500）
+- **`r2`**（浮点数）：最小 r² 阈值
+- **`d_prime`**（浮点数）：最小 D' 阈值
+
+### `GET /ld/{species}/pairwise/{id1}/{id2}`
+两个特定变异之间的成对 LD。
+
+### `GET /ld/{species}/region/{region}/{population_name}`
+某个区域内所有变异对的 LD。
+
+群体名称：例如 `1000GENOMES:phase_3:CEU`、`1000GENOMES:phase_3:YRI`。
+
+---
+
+## 信息端点
+
+### `GET /info/assembly/{species}`
+组装元数据（核型、顶层区域、坐标系统）。
+
+### `GET /info/assembly/{species}/{region_name}`
+特定染色体/区域的详细信息（长度、条带）。
+
+### `GET /info/species`
+列出 Ensembl REST API 中所有可用的物种。
+
+### `GET /info/external_dbs/{species}`
+列出所有可用于交叉引用的外部数据库名称。有助于查找正确的 `external_db` 参数值。
+
+### `GET /info/biotypes/{species}`
+列出某个物种的所有生物类型分类。
+
+---
+
+## 自定义查询的最佳实践
+
+1. **始终设置 `Content-Type`**：JSON 响应设为 `application/json`，序列端点设为 `text/plain` 或 `text/x-fasta`。
+2. **在查询端点使用 `expand=1`**：通过一次调用获取子特征，避免为每个转录本/外显子分别发起请求。
+3. **优先使用批量端点**（`POST /lookup/id`、`POST /sequence/region`）：当查询多个 ID 或区域时，减少 HTTP 往返次数。
+4. **使用交叉引用过滤前检查 `info/external_dbs`**：数据库名称字符串区分大小写，且并非总是显而易见（例如 `UniProt_gn` 而非 `UniProt`）。
+5. **区域大小限制**：`/overlap/region/` 端点对大多数特征类型有最大 5 Mb 的区域大小限制。较大区域请拆分。
+6. **当坐标为 GRCh37（hg19）组装时**，使用 `grch37.rest.ensembl.org` 作为基础 URL。大多数端点在该旧版服务器上支持相同的路径。
+7. **将响应保存到临时文件**——不要试图将大型 JSON 响应读入上下文。使用 `jq` 或 Python 一行命令提取特定字段。

scripts/ensembl_api.py

@@ -0,0 +1,779 @@
+# Copyright 2026 Google LLC
+#
+# Licensed under the Apache License, Version 2.0 (the "License");
+# you may not use this file except in compliance with the License.
+# You may obtain a copy of the License at
+#
+#     http://www.apache.org/licenses/LICENSE-2.0
+#
+# Unless required by applicable law or agreed to in writing, software
+# distributed under the License is distributed on an "AS IS" BASIS,
+# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
+# See the License for the specific language governing permissions and
+# limitations under the License.
+
+"""A command-line tool to query the Ensembl REST API.
+
+This script provides subcommands for gene/transcript/protein lookup, ID
+resolution and cross-referencing, sequence retrieval, and variant effect
+prediction (VEP).  All rich data is saved to a temporary JSON file; a concise
+human-readable summary is printed to stdout.
+"""
+
+# /// script
+# requires-python = ">=3.10"
+# dependencies = [
+#   "scienceskillscommon",
+# ]
+# [tool.uv.sources]
+# scienceskillscommon = { path = "../../scienceskillscommon" }
+# ///
+
+import argparse
+import json
+import os
+import sys
+import tempfile
+
+from science_skills.skills.scienceskillscommon import http_client
+
+BASE_URL = "https://rest.ensembl.org"
+GRCH37_URL = "https://grch37.rest.ensembl.org"
+
+VEP_PLUGINS = (
+    "?AlphaMissense=1&Conservation=1&DosageSensitivity=1&IntAct=1"
+    "&MaveDB=1&OpenTargets=1&LoF=loftee&NMD=1&UTRAnnotator=1"
+    "&mutfunc=1&LOEUF=1"
+)
+
+_CLIENT_REGULAR = http_client.HttpClient(BASE_URL, qps=15)
+_CLIENT_GRCH37 = http_client.HttpClient(GRCH37_URL, qps=15)
+
+
+def _get_client(assembly=None):
+  """Return the correct client for the requested assembly."""
+  if assembly and assembly.upper() == "GRCH37":
+    print("[*] Using GRCh37 assembly.")
+    return _CLIENT_GRCH37
+  return _CLIENT_REGULAR
+
+
+def _get_species(args):
+  """Return the species, defaulting to 'human' if not specified."""
+  species = args.species
+  if not species:
+    species = "human"
+    print("[*] No species specified. Defaulting to 'human'.")
+  return species
+
+
+def _save_json(data, prefix, output_path=None):
+  """Write *data* as pretty-printed JSON to a temp file and return the path."""
+  if output_path:
+    path = output_path
+    with open(path, "w") as fh:
+      json.dump(data, fh, indent=2)
+  else:
+    fd, path = tempfile.mkstemp(
+        prefix=f"ensembl_{prefix}_", suffix=".json", text=True
+    )
+    with os.fdopen(fd, "w") as fh:
+      json.dump(data, fh, indent=2)
+  return path
+
+
+def _try_fallback(url: str, query: str, client=None) -> list[dict[str, str]]:
+  """Tries to resolve gene symbol via cross-references if initial lookup fails.
+
+  Args:
+    url: The URL for the cross-reference lookup.
+    query: The original gene symbol query.
+    client: The HttpClient to use. Defaults to _CLIENT_REGULAR.
+
+  Returns:
+    A list of dictionaries, where each dictionary contains gene information
+    resolved from the cross-reference.
+  """
+  if client is None:
+    client = _CLIENT_REGULAR
+  fallback_data = client.fetch_json(url)
+  if not fallback_data:
+    return []
+  matches = []
+  for item in fallback_data:
+    if item.get("type") != "gene":
+      continue
+    ens_id = item.get("id")
+    url_lookup = f"/lookup/id/{ens_id}"
+    try:
+      gene_data = client.fetch_json(url_lookup)
+      matches.append(gene_data)
+    except http_client.HttpError:
+      print(f"[!] Failed to fetch details for resolved ID {ens_id}")
+      matches.append({
+          "id": ens_id,
+          "biotype": "N/A",
+          "seq_region_name": "?",
+          "start": "?",
+          "end": "?",
+          "strand": "?",
+      })
+  if matches:
+    print(f"[*] Resolved via synonym '{query}' to {len(matches)} gene(s):")
+  return matches
+
+
+def cmd_resolve_gene(args):
+  """Resolve a symbol / alias / RefSeq ID to one or more ENSG IDs."""
+  query = args.query
+  species = _get_species(args)
+  client = _get_client(args.assembly)
+
+  url = f"/lookup/symbol/{species}/{query}?expand=0"
+  try:
+    data = client.fetch_json(url)
+    matches = data if isinstance(data, list) else [data]
+    print(f"[*] Symbol '{query}' resolved ({len(matches)} match(es)):")
+  except http_client.HttpError as e:
+    if e.status_code == 404 or (
+        e.status_code == 400
+        and e.body
+        and b"No valid lookup found for symbol" in e.body
+    ):
+      print(f"[*] Symbol '{query}' not found. Trying synonym resolution...")
+      url_fallback = f"/xrefs/symbol/{species}/{query}"
+      try:
+        data = _try_fallback(url_fallback, query, client=client)
+      except http_client.HttpError as exc:
+        raise e from exc
+      if not data:
+        raise e
+      matches = data
+    else:
+      raise e
+
+  for m in matches:
+    eid = m.get("id", "N/A")
+    biotype = m.get("biotype", "N/A")
+    chrom = m.get("seq_region_name", "?")
+    start = m.get("start", "?")
+    end = m.get("end", "?")
+    strand = m.get("strand", "?")
+    print(
+        f"    ENSG: {eid}  |  biotype: {biotype}  "
+        f"|  location: chr{chrom}:{start}-{end} (strand {strand})"
+    )
+
+  path = _save_json(data, f"resolve_{query}", output_path=args.output)
+  print(f"[*] Full JSON saved to {path}")
+
+
+def cmd_map_id(args):
+  """Cross-reference an Ensembl ID to an external database."""
+  eid = args.id
+  ext_db = args.external_db
+  client = _get_client(args.assembly)
+
+  params = f"?external_db={ext_db}" if ext_db else ""
+  url = f"/xrefs/id/{eid}{params}"
+  data = client.fetch_json(url)
+
+  if not data:
+    print(f"[*] No cross-references found for {eid}.")
+  else:
+    db_label = f" in {ext_db}" if ext_db else ""
+    print(f"[*] {len(data)} cross-reference(s) for {eid}{db_label}:")
+    for entry in data[:10]:
+      primary = entry.get("primary_id", "N/A")
+      display = entry.get("display_id", "N/A")
+      dbname = entry.get("db_display_name", entry.get("dbname", "N/A"))
+      print(f"    {dbname}: {primary} ({display})")
+    if len(data) > 10:
+      print(f"    … and {len(data) - 10} more (see JSON).")
+
+  path = _save_json(data, f"mapid_{eid}", output_path=args.output)
+  print(f"[*] Full JSON saved to {path}")
+
+
+def cmd_get_sequence(args):
+  """Fetch raw genomic DNA for a coordinate window."""
+  coords = args.coords
+  species = _get_species(args)
+  assembly = args.assembly
+
+  # Normalise the region string: accept chr17:100-200, 17:100-200,
+  # 17:100..200
+  region = coords.replace(",", "").lower().removeprefix("chr")
+  region = region.replace("-", "..")
+
+  client = _get_client(assembly)
+  url = f"/sequence/region/{species}/{region}?"
+  if assembly:
+    url += f"coord_system_version={assembly}&"
+
+  headers = {"Accept": "text/plain"}
+  seq = client.fetch_text(url, headers=headers)
+
+  if args.output:
+    path = args.output
+    with open(path, "w") as fh:
+      fh.write(str(seq))
+  else:
+    fd, path = tempfile.mkstemp(prefix="ensembl_seq_", suffix=".txt", text=True)
+    with os.fdopen(fd, "w") as fh:
+      fh.write(str(seq))
+
+  length = len(str(seq))
+  print(f"[*] Fetched genomic sequence for {coords} (length: {length} bp).")
+  print(f"[*] Sequence saved to {path}")
+
+
+def cmd_gene_summary(args):
+  """Return high-level metadata for a gene by its ENSG ID."""
+  ensg = args.ensg_id
+  client = _get_client(args.assembly)
+  url = f"/lookup/id/{ensg}"
+  data = client.fetch_json(url)
+
+  symbol = data.get("display_name", "N/A")
+  biotype = data.get("biotype", "N/A")
+  desc = data.get("description", "N/A")
+  chrom = data.get("seq_region_name", "?")
+  start = data.get("start", "?")
+  end = data.get("end", "?")
+  strand = "+" if data.get("strand", 1) == 1 else "-"
+  assembly = data.get("assembly_name", "N/A")
+
+  print(f"[*] Gene summary for {ensg}:")
+  print(f"    Symbol:      {symbol}")
+  print(f"    Biotype:     {biotype}")
+  print(f"    Description: {desc}")
+  print(f"    Location:    chr{chrom}:{start}-{end} ({strand})")
+  print(f"    Assembly:    {assembly}")
+
+  path = _save_json(data, f"gene_{ensg}", output_path=args.output)
+  print(f"[*] Full JSON saved to {path}")
+
+
+def cmd_transcripts(args):
+  """List transcripts for a gene, with optional MANE / canonical filtering."""
+  ensg = args.ensg_id
+  client = _get_client(args.assembly)
+  url = f"/lookup/id/{ensg}?expand=1;mane=1"
+  data = client.fetch_json(url)
+
+  transcripts = data.get("Transcript", [])
+  if not transcripts:
+    print(f"[*] No transcripts found for {ensg}.")
+    path = _save_json(data, f"transcripts_{ensg}", output_path=args.output)
+    print(f"[*] Full JSON saved to {path}")
+    return
+
+  # Apply filters
+  filtered = transcripts
+  if args.only_mane:
+    filtered = [t for t in transcripts if t.get("MANE")]
+  elif args.only_canonical:
+    filtered = [t for t in transcripts if t.get("is_canonical") == 1]
+
+  if not filtered and (args.only_mane or args.only_canonical):
+    label = "MANE Select" if args.only_mane else "Canonical"
+    print(
+        f"[*] No {label} transcript found for {ensg}. "
+        f"Total transcripts: {len(transcripts)}."
+    )
+    return
+  filter_label = ""
+  if args.only_mane:
+    filter_label = " (MANE Select only)"
+  elif args.only_canonical:
+    filter_label = " (Canonical only)"
+
+  print(
+      f"[*] {len(filtered)} transcript(s) for {ensg}{filter_label} "
+      f"(from {len(transcripts)} total):"
+  )
+  print()
+  print("| Transcript ID | Biotype | TSL | Length (bp) | Flags |")
+  print("| --- | --- | --- | --- | --- |")
+  for t in filtered:
+    tid = t.get("id", "N/A")
+    biotype = t.get("biotype", "N/A")
+    tsl = t.get("TSL", {})
+    tsl_val = tsl.get("value") if isinstance(tsl, dict) else tsl
+    if tsl_val is None:
+      tsl_val = "N/A"
+    length = t.get("length", "N/A")
+    flags = []
+    if t.get("is_canonical") == 1:
+      flags.append("Canonical")
+    mane = t.get("MANE")
+    if mane:
+      for m in mane:
+        flags.append(m.get("type", "MANE"))
+    flag_str = ", ".join(flags) if flags else "-"
+    print(f"| {tid} | {biotype} | {tsl_val} | {length} | {flag_str} |")
+
+  path = _save_json(data, f"transcripts_{ensg}", output_path=args.output)
+  print(f"\n[*] Full JSON saved to {path}")
+
+
+def cmd_canonical_tss(args):
+  """Retrieve the TSS for the canonical transcript of a gene."""
+  query = args.gene
+  species = _get_species(args)
+  client = _get_client(args.assembly)
+
+  # 1. Resolve to ID if symbol
+  ensg = query
+  if not query.lower().startswith("ens"):
+    url = f"/lookup/symbol/{species}/{query}?expand=0"
+    data = client.fetch_json(url)
+    if isinstance(data, list) and len(data) > 1:
+      print(
+          f"[!] Warning: '{query}' resolved to {len(data)} genes. "
+          f"Using first match: {data[0].get('id')} "
+          f"({data[0].get('display_name', 'N/A')}). "
+          f"Other matches: {', '.join(d.get('id', '?') for d in data[1:])}"
+      )
+    ensg = data.get("id") if not isinstance(data, list) else data[0].get("id")
+    if not ensg:
+      print(
+          f"[!] Could not resolve symbol {query} to Ensembl ID.",
+          file=sys.stderr,
+      )
+      sys.exit(1)
+
+  # 2. Fetch transcripts
+  url = f"/lookup/id/{ensg}?expand=1;mane=1"
+  data = client.fetch_json(url)
+
+  transcripts = data.get("Transcript", [])
+  if not transcripts:
+    print(f"[!] No transcripts found for {ensg}.", file=sys.stderr)
+    sys.exit(1)
+
+  canonical = None
+  for t in transcripts:
+    if t.get("is_canonical") == 1:
+      canonical = t
+      break
+
+  if not canonical:
+    print(f"[!] No Canonical transcript found for {ensg}.", file=sys.stderr)
+    sys.exit(1)
+
+  strand = canonical.get("strand", 1)
+  start = canonical.get("start")
+  end = canonical.get("end")
+  tid = canonical.get("id")
+
+  if strand == 1:
+    tss = start
+  else:
+    tss = end
+
+  chrom = data.get("seq_region_name", "?")
+  print(f"[*] Gene {ensg} (chr{chrom})")
+  print(f"[*] Canonical Transcript: {tid}")
+  print(f"[*] Strand: {'+' if strand == 1 else '-'}")
+  print(f"[*] TSS Coordinate: {tss}")
+
+  path = _save_json(canonical, f"canonical_tss_{ensg}", output_path=args.output)
+  print(f"[*] Full canonical transcript JSON saved to {path}")
+
+
+def cmd_transcript_structure(args):
+  """Return exon, CDS, and UTR layout for a transcript."""
+  enst = args.transcript_id
+  client = _get_client(args.assembly)
+  url = f"/lookup/id/{enst}?expand=1;mane=1"
+  data = client.fetch_json(url)
+
+  exons = data.get("Exon", [])
+  strand = data.get("strand", 1)
+  trans_start = data.get("start")
+  trans_end = data.get("end")
+
+  print(f"[*] Transcript structure for {enst}:")
+  print(f"    Biotype: {data.get('biotype', 'N/A')}")
+  print(
+      f"    Genomic span: chr{data.get('seq_region_name', '?')}:"
+      f"{trans_start}-{trans_end} (strand {'+'  if strand == 1 else '-'})"
+  )
+  print(f"    Exons: {len(exons)}")
+
+  translation = data.get("Translation")
+  utr5 = None
+  utr3 = None
+  if translation:
+    cds_start = translation.get("start")
+    cds_end = translation.get("end")
+    cds_length_aa = translation.get("length", "N/A")
+    ensp = translation.get("id", "N/A")
+    print(f"    CDS: {cds_start}-{cds_end} ({cds_length_aa} aa, {ensp})")
+
+    # Compute UTRs
+    utr5 = (
+        (cds_end + 1, trans_end)
+        if cds_end and trans_end and cds_end < trans_end
+        else None
+    )
+    utr3 = (
+        (trans_start, cds_start - 1)
+        if cds_start and trans_start and cds_start > trans_start
+        else None
+    )
+    if strand == 1:
+      utr3, utr5 = utr5, utr3
+
+    if utr5:
+      print(f"    5' UTR: {utr5[0]}-{utr5[1]}")
+    if utr3:
+      print(f"    3' UTR: {utr3[0]}-{utr3[1]}")
+  else:
+    print("    (non-coding – no CDS/UTR)")
+
+  if exons:
+    print()
+    print("| Exon # | ID | Start | End | Length (bp) |")
+    print("| --- | --- | --- | --- | --- |")
+    sorted_exons = sorted(exons, key=lambda e: e.get("start", 0))
+    for i, ex in enumerate(sorted_exons, 1):
+      eid = ex.get("id", "N/A")
+      estart = ex.get("start", "?")
+      eend = ex.get("end", "?")
+      elen = (
+          eend - estart + 1
+          if isinstance(estart, int) and isinstance(eend, int)
+          else "?"
+      )
+      print(f"| {i} | {eid} | {estart} | {eend} | {elen} |")
+
+  # Enrich the saved data with computed UTR info
+  if translation:
+    data["_computed_utrs"] = {}
+    if utr5:
+      data["_computed_utrs"]["5_prime"] = {"start": utr5[0], "end": utr5[1]}
+    if utr3:
+      data["_computed_utrs"]["3_prime"] = {"start": utr3[0], "end": utr3[1]}
+
+  path = _save_json(data, f"structure_{enst}", output_path=args.output)
+  print(f"\n[*] Full JSON saved to {path}")
+
+
+def cmd_protein_info(args):
+  """Fetch ENSP ID and sequence length for a transcript."""
+  enst = args.transcript_id
+  client = _get_client(args.assembly)
+  url = f"/lookup/id/{enst}?expand=1"
+  data = client.fetch_json(url)
+
+  translation = data.get("Translation")
+  if not translation:
+    print(f"[*] {enst} has no translation (likely non-coding).")
+    path = _save_json(data, f"protein_{enst}", output_path=args.output)
+    print(f"[*] Full JSON saved to {path}")
+    return
+
+  ensp = translation.get("id", "N/A")
+  length = translation.get("length", "N/A")
+  print(f"[*] Protein for {enst}:")
+  print(f"    ENSP:   {ensp}")
+  print(f"    Length: {length} aa")
+
+  path = _save_json(data, f"protein_{enst}", output_path=args.output)
+  print(f"[*] Full JSON saved to {path}")
+
+
+def cmd_protein_sequence(args):
+  """Fetch the amino acid sequence (FASTA) for a transcript or protein ID."""
+  target = args.id
+  client = _get_client(args.assembly)
+  url = f"/sequence/id/{target}?type=protein"
+  headers = {"Accept": "text/x-fasta"}
+  fasta = client.fetch_text(url, headers=headers)
+
+  if args.output:
+    path = args.output
+    with open(path, "w") as fh:
+      fh.write(str(fasta))
+  else:
+    fd, path = tempfile.mkstemp(
+        prefix=f"ensembl_protseq_{target}_", suffix=".fasta", text=True
+    )
+    with os.fdopen(fd, "w") as fh:
+      fh.write(str(fasta))
+
+  # Count sequence length (exclude header lines)
+  lines = str(fasta).strip().split("\n")
+  seq = "".join(l for l in lines if not l.startswith(">"))
+  print(f"[*] Protein sequence for {target}: {len(seq)} aa")
+  print(f"[*] FASTA saved to {path}")
+
+
+def cmd_vep(args):
+  """Predict variant consequences using the Ensembl VEP."""
+  variant = args.variant_str
+  species = _get_species(args)
+  client = _get_client(args.assembly)
+
+  if variant.startswith("rs"):
+    url = f"/vep/{species}/id/{variant}{VEP_PLUGINS}"
+  else:
+    parts = variant.split(":")
+    if len(parts) == 4:
+      chrom, pos, ref, alt = parts
+      end = int(pos) + len(ref) - 1
+      region = f"{chrom}:{pos}-{end}:1"
+      url = f"/vep/{species}/region/{region}/{alt}{VEP_PLUGINS}"
+    else:
+      # Fallback: treat as HGVS
+      url = f"/vep/{species}/hgvs/{variant}{VEP_PLUGINS}"
+
+  data = client.fetch_json(url)
+
+  if not isinstance(data, list) or not data:
+    print("[!] No VEP results returned.")
+    path = _save_json(
+        data if data else {},
+        f"vep_{variant.replace(':', '_')}",
+        output_path=args.output,
+    )
+    print(f"[*] JSON saved to {path}")
+    return
+
+  top = data[0]
+  mcv = top.get("most_severe_consequence", "Unknown")
+  input_var = top.get("input", variant)
+  t_conseq = top.get("transcript_consequences", [])
+
+  print(f"[*] Variant: {input_var}")
+  print(f"[*] Most severe consequence: {mcv}")
+  print(f"[*] Found {len(t_conseq)} transcript consequences.")
+
+  # Build the predictions table
+  open_keys = {
+      "am_class": "AlphaMissense Class",
+      "am_pathogenicity": "AlphaMissense Pathogenicity",
+      "conservation": "Conservation",
+      "phaplo": "Dosage Sensitivity (Haplo)",
+      "ptriplo": "Dosage Sensitivity (Triplo)",
+      "lof": "Loss of Function (Loftee)",
+      "nmd": "Nonsense-mediated Decay",
+      "utr_annotator": "UTR Annotator",
+      "mutfunc": "Mutfunc",
+      "loeuf": "Loss of Function (LOEUF)",
+  }
+
+  rows = []
+  for tc in t_conseq:
+    tid = tc.get("transcript_id", "Unknown")
+    gene = tc.get("gene_symbol", "Unknown")
+
+    terms = tc.get("consequence_terms", [])
+    if terms:
+      rows.append((tid, gene, "Consequence", ", ".join(terms)))
+
+    aa = tc.get("amino_acids")
+    if aa:
+      rows.append((tid, gene, "Amino Acids", aa))
+
+    sift = tc.get("sift_prediction")
+    if sift:
+      score = tc.get("sift_score")
+      val = f"{sift} ({score})" if score is not None else sift
+      rows.append((tid, gene, "SIFT", val))
+
+    poly = tc.get("polyphen_prediction")
+    if poly:
+      score = tc.get("polyphen_score")
+      val = f"{poly} ({score})" if score is not None else poly
+      rows.append((tid, gene, "PolyPhen", val))
+
+    for key, label in open_keys.items():
+      val = tc.get(key)
+      if val is None and "alphamissense" in tc:
+        val = tc["alphamissense"].get(key)
+      if val is not None:
+        if isinstance(val, (list, dict)):
+          val = json.dumps(val)
+        rows.append((tid, gene, label, str(val)))
+
+  if rows:
+    print("\n[*] VEP Predictions Table:")
+    print("| Transcript ID | Gene | Method/Metric | Value |")
+    print("| --- | --- | --- | --- |")
+    for r in rows:
+      print(f"| {r[0]} | {r[1]} | {r[2]} | {r[3]} |")
+  else:
+    print("\n[*] No detailed predictions in transcript consequences.")
+
+  safe = variant.replace(":", "_").replace(">", "_")
+  path = _save_json(data, f"vep_{safe}", output_path=args.output)
+  print(f"\n[*] Full JSON saved to {path}")
+
+
+def main():
+  """Parse CLI arguments and dispatch to the appropriate subcommand."""
+  parent_parser = argparse.ArgumentParser(add_help=False)
+  parent_parser.add_argument(
+      "--output",
+      help="Output file path (optional)",
+  )
+  parent_parser.add_argument(
+      "--assembly",
+      default=None,
+      help="Assembly (e.g. GRCh38, GRCh37). Default: GRCh38.",
+  )
+
+  parser = argparse.ArgumentParser(
+      description="Query the Ensembl REST API.",
+      formatter_class=argparse.RawDescriptionHelpFormatter,
+  )
+  sub = parser.add_subparsers(dest="command", required=True)
+
+  # ---- resolve-gene ----
+  p = sub.add_parser(
+      "resolve-gene",
+      parents=[parent_parser],
+      help="Resolve a gene symbol / alias / RefSeq ID to ENSG ID(s).",
+  )
+  p.add_argument("query", help="Gene symbol, alias, or RefSeq ID")
+  p.add_argument(
+      "--species",
+      default=None,
+      help="Species (defaults to 'human' if not specified)",
+  )
+  p.set_defaults(func=cmd_resolve_gene)
+
+  # ---- map-id ----
+  p = sub.add_parser(
+      "map-id",
+      parents=[parent_parser],
+      help="Cross-reference an Ensembl ID to external databases.",
+  )
+  p.add_argument("id", help="Ensembl ID (ENSG, ENST, ENSP)")
+  p.add_argument(
+      "--external-db",
+      dest="external_db",
+      default=None,
+      help="Filter by external DB (e.g., UniProt, HGNC, RefSeq_mRNA)",
+  )
+  p.set_defaults(func=cmd_map_id)
+
+  # ---- get-sequence ----
+  p = sub.add_parser(
+      "get-sequence",
+      parents=[parent_parser],
+      help="Fetch raw genomic DNA for a coordinate window.",
+  )
+  p.add_argument(
+      "coords",
+      help="Genomic region, e.g. 17:7661779-7687550 or chr17:7661779-7687550",
+  )
+  p.add_argument(
+      "--species",
+      default=None,
+      help="Species (defaults to 'human' if not specified)",
+  )
+
+  p.set_defaults(func=cmd_get_sequence)
+
+  # ---- gene-summary ----
+  p = sub.add_parser(
+      "gene-summary",
+      parents=[parent_parser],
+      help="Get high-level metadata for a gene (symbol, biotype, location).",
+  )
+  p.add_argument("ensg_id", help="Ensembl gene ID (e.g. ENSG00000141510)")
+  p.set_defaults(func=cmd_gene_summary)
+
+  # ---- transcripts ----
+  p = sub.add_parser(
+      "transcripts",
+      parents=[parent_parser],
+      help="List transcripts for a gene, with optional MANE/canonical filter.",
+  )
+  p.add_argument("ensg_id", help="Ensembl gene ID")
+  grp = p.add_mutually_exclusive_group()
+  grp.add_argument(
+      "--only-mane",
+      action="store_true",
+      help="Return only the MANE Select transcript (human only).",
+  )
+  grp.add_argument(
+      "--only-canonical",
+      action="store_true",
+      help="Return only the Ensembl Canonical transcript.",
+  )
+  p.set_defaults(func=cmd_transcripts)
+
+  # ---- canonical-tss ----
+  p = sub.add_parser(
+      "canonical-tss",
+      parents=[parent_parser],
+      help="Get TSS coordinate for the canonical transcript of a gene.",
+  )
+  p.add_argument("gene", help="Gene symbol or Ensembl ID")
+  p.add_argument(
+      "--species",
+      default=None,
+      help="Species (defaults to 'human' if not specified)",
+  )
+  p.set_defaults(func=cmd_canonical_tss)
+
+  # ---- transcript-structure ----
+  p = sub.add_parser(
+      "transcript-structure",
+      parents=[parent_parser],
+      help="Get exon, CDS, and UTR layout for a transcript.",
+  )
+  p.add_argument(
+      "transcript_id", help="Ensembl transcript ID (e.g. ENST00000269305)"
+  )
+  p.set_defaults(func=cmd_transcript_structure)
+
+  # ---- protein-info ----
+  p = sub.add_parser(
+      "protein-info",
+      parents=[parent_parser],
+      help="Get ENSP ID and sequence length for a transcript.",
+  )
+  p.add_argument(
+      "transcript_id", help="Ensembl transcript ID (e.g. ENST00000269305)"
+  )
+  p.set_defaults(func=cmd_protein_info)
+
+  # ---- protein-sequence ----
+  p = sub.add_parser(
+      "protein-sequence",
+      parents=[parent_parser],
+      help="Fetch the amino acid sequence (FASTA) for an ENST or ENSP.",
+  )
+  p.add_argument("id", help="Ensembl transcript or protein ID")
+  p.set_defaults(func=cmd_protein_sequence)
+
+  # ---- vep ----
+  p = sub.add_parser(
+      "vep",
+      parents=[parent_parser],
+      help="Predict variant consequences (VEP) with open-license plugins.",
+  )
+  p.add_argument(
+      "variant_str",
+      help="Variant as chr:pos:ref:alt (e.g. 9:21971147:T:C) or rsID",
+  )
+  p.add_argument(
+      "--species",
+      default=None,
+      help="Species (defaults to 'human' if not specified)",
+  )
+  p.set_defaults(func=cmd_vep)
+
+  args = parser.parse_args()
+  args.func(args)
+
+
+if __name__ == "__main__":
+  main()