BioNext-MCP: 智能生物信息学分析助手

通过Claude Desktop进行生物信息学分析的最简单方式 - 只需用自然语言聊天，无需编程！

English | 中文版

🎯 项目简介

BioNext-MCP是一个专为ModelScope设计的智能生物信息学分析工具，让您通过自然语言对话就能完成复杂的生物信息学分析，无需编写任何代码！

简单来说：

• 🗣️ 用自然语言告诉Claude您想分析什么数据
• 🤖 Claude自动生成专业的Python分析脚本
• ⚡ 系统自动执行脚本并显示结果
• 📊 获得精美的HTML报告和可视化图表

✨ 核心功能

🧬 支持的分析类型

• 单细胞RNA测序 (scRNA-seq) - 细胞聚类、差异表达、轨迹分析
• 基因组学 - 变异分析、注释、功能富集
• 转录组学 - 差异表达、通路分析、共表达网络
• 蛋白质组学 - 蛋白质鉴定、定量分析
• 多组学整合 - 数据融合、相关性分析

🎨 智能特性

• 自动环境配置 - 检测Python，自动安装所需包（pandas, numpy, matplotlib等）
• UTF-8编码支持 - 完美支持中文字符
• 可视化优先 - 自动生成图表并在HTML报告中显示
• 质量保证 - 专注于代码完整性和分析准确性
• 错误处理 - 智能诊断问题并提供解决方案

🚀 快速开始

环境要求

• Python: >= 3.9
• Node.js: >= 16.0.0
• 操作系统: Windows, macOS, Linux

安装步骤

1. 安装Python环境

推荐：官方网站安装

1. 访问 https://www.python.org/downloads/
2. 下载Python 3.9或更高版本
3. 安装时务必勾选"Add Python to PATH"

验证安装 打开命令提示符并输入：

python --version

如果看到版本信息，说明安装成功！

2. 安装BioNext-MCP

下载项目

git clone https://github.com/Cherine0205/BioNext-mcp.git
cd BioNext-mcp

安装依赖

npm install
npm run build

3. 配置Claude Desktop

找到配置文件

• Windows: %APPDATA%\Claude\claude_desktop_config.json
• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Linux: ~/.config/Claude/claude_desktop_config.json

添加配置

{
  "mcpServers": {
    "bioinformatics-workflow": {
      "command": "node",
      "args": ["D:\\path\\to\\BioNext-mcp\\dist\\index.js"],
      "cwd": "D:\\path\\to\\BioNext-mcp",
      "env": {
        "PROJECT_PATH": "D:\\path\\to\\your\\analysis\\directory",
        "PYTHON_PATH": "/usr/bin/python3"
      }
    }
  }
}

重要提示：

• 替换路径为您的实际安装路径
• 设置分析目录为您想要保存结果的位置
• 重启Claude Desktop

💡 使用方法

基本对话流程

1. 描述您的分析需求

我有一个单细胞RNA测序数据文件data.h5ad，想要进行细胞聚类分析和差异表达分析

2. Claude将自动生成分析脚本并执行
3. 获得详细的HTML报告，包括：
   • 执行结果和统计信息
   • 生成的图表和可视化
   • 完整的分析日志

实际示例

🧪 单细胞分析

请帮我分析这个scRNA-seq数据：
- 文件：C:\data\pbmc3k.h5ad
- 需求：质量控制、标准化、聚类、标记基因识别
- 输出：UMAP图、聚类热图、差异表达基因列表

🧬 基因表达分析

我有两组RNA-seq表达矩阵：
- 对照组：control_samples.csv
- 处理组：treatment_samples.csv
- 分析：差异表达、GO富集、KEGG通路分析
- 可视化：火山图、热图、通路图

📊 数据探索

帮我探索这个基因表达数据集：
- 文件：gene_expression.csv
- 需求：数据概览、相关性分析、PCA分析
- 生成：统计摘要、相关性热图、PCA图

🎨 精美报告

HTML报告特性

• 📊 可视化画廊 - 自动检测并显示生成的图像
• 🔍 交互式查看 - 点击图像可缩放查看
• 📝 详细日志 - 完整的执行过程记录
• 📈 统计摘要 - 脚本执行状态和性能指标

自动浏览器打开

• 分析完成后报告自动在浏览器中打开
• 如果未自动打开，手动打开生成的HTML文件

🛠️ 常见问题

Python相关问题

Q: "Python not found"错误？ A: 确保Python已安装并添加到PATH环境变量

Q: 包安装失败？ A: 系统会自动重试，或手动运行pip install package_name

分析相关问题

Q: 脚本执行失败？ A:

• 检查数据文件路径是否正确
• 确认数据格式符合要求
• 查看错误日志获取详细信息

Q: 没有生成HTML报告？ A: HTML报告只有在所有脚本成功执行时才会生成，先修复执行错误

数据格式

Q: 支持哪些数据格式？ A:

• CSV, TSV, Excel文件
• HDF5格式 (.h5, .h5ad)
• FASTA, FASTQ序列文件
• VCF变异文件
• 其他常见生物信息学格式

🎯 使用技巧

1. 清晰描述需求

✅ 好的描述：
"分析单细胞数据，进行质量控制（过滤低质量细胞）、标准化、降维（PCA+UMAP）、聚类（leiden算法）、为每个聚类找到标记基因"

❌ 模糊描述：
"分析这个数据"

2. 提供完整文件路径

✅ 使用绝对路径：
"C:\Users\username\data\sample.h5ad"

❌ 相对路径可能失败：
"./data/sample.h5ad"

3. 指定输出要求

✅ 清晰的输出：
"生成UMAP图、热图，保存结果到CSV文件"

❌ 不清晰：
"做一些可视化"

4. 分步分析

对于复杂分析，分成多个对话：

1. 第一步：数据加载和质量控制
2. 第二步：标准化和降维
3. 第三步：聚类和可视化
4. 第四步：差异分析

🔧 ModelScope部署

部署配置

本项目已针对ModelScope平台进行了优化，包含以下特性：

• 托管部署支持 - 支持在ModelScope平台上直接部署
• 环境变量配置 - 完整的Python和Node.js环境配置
• 自动依赖管理 - 自动安装所需的Python包和Node.js模块
• 错误处理机制 - 完善的错误诊断和解决方案

部署要求

• Python: >= 3.9
• Node.js: >= 16.0.0
• 内存: >= 2GB RAM
• 存储: >= 1GB 可用空间

环境变量

• PROJECT_PATH: 分析结果输出路径
• PYTHON_PATH: Python解释器路径
• NODE_ENV: Node.js运行环境
• PYTHON_VERSION: Python版本要求

🎉 开始您的生物信息学之旅

现在您已经准备好了！打开Claude Desktop，告诉它您想分析什么数据，让AI为您处理复杂的生物信息学分析！

📞 获取帮助

• GitHub Issues: 报告问题或提出改进建议
• 文档: 查看详细使用文档
• 示例: 参考示例分析案例

记住： 用自然语言描述您的分析需求，Claude会为您处理所有技术细节！🚀

📄 许可证

本项目采用MIT许可证 - 查看 LICENSE 文件了解详情。

🤝 贡献

欢迎提交Issue和Pull Request来改进这个项目！

BioNext-MCP团队 - 让生物信息学分析变得简单易用！