AlphaGenome MCP服务器

English • 한국어

](https://www.npmjs.com/package/@jolab/alphagenome-mcp) ![License: MIT](https://opensource.org/licenses/MIT)

模型上下文协议（MCP）服务器，提供对Google DeepMind的AlphaGenome变体效应预测API的自然语言访问。

韩语摘要： Google DeepMind AlphaGenome API是一款MCP服务器，可在MCP客户端（Claude Desktop、Claude Code、Gemini CLI、Cursor、Windsurf等）中作为自然语言使用。可以分析基因变异的调节效果、致病性和组织影响。查看韩语完整文档

概述

AlphaGenomeMCP服务器为Google DeepMind的AlphaGenome变体效应预测API提供了一个自然语言界面。使用简单的英语查询基因组变体，而不是编写Python代码，专为探索性分析和快速原型设计。

主要特点：

自然语言接口：使用简明英语而不是编写代码查询变体
包装架构：20个专用工具构建为单个API端点的包装器
综合分析：访问所有阿尔法基因组模式（RNA-seq、ChIP-seq、ATAC-seq、剪接等）
研究工具：专为探索性基因组学研究和变体优先排序而设计

⚡ 快速开始

3分钟后开始：

安装依赖项

   pip install alphagenome numpy

添加到您的MCP客户端 （支持克劳德桌面、克劳德代码、Gemini CLI、游标、Windsurf）

   claude mcp add alphagenome -- npx -y @jolab/alphagenome-mcp@latest --api-key YOUR_API_KEY

看安装对于其他MCP客户端。

运行第一个查询

重新启动MCP客户端并尝试：

   "Use alphagenome to analyze chr19:44908684T>C"

查看结果 （需要30-60秒）

您将获得一份详细的报告，包括致病性评分、表达影响和剪接效应。

想要更多吗？ 结账 20种专用工具在......下面

建筑

系统设计

AlphaGenome MCP服务器实现了多层架构：

┌─────────────────────────┐
│  Researcher             │
└───────────┬─────────────┘
            │ Natural language query
            ↓
┌─────────────────────────┐
│  Claude Desktop         │ ← MCP Client
└───────────┬─────────────┘
            │ JSON-RPC over stdio
            ↓
┌─────────────────────────┐
│  MCP Server (TypeScript)│ ← Tool routing, validation
└───────────┬─────────────┘
            │ subprocess
            ↓
┌─────────────────────────┐
│  Python Bridge          │ ← Interface to AlphaGenome SDK
└───────────┬─────────────┘
            │ HTTP
            ↓
┌─────────────────────────┐
│  AlphaGenome API        │ ← Google DeepMind's service
└─────────────────────────┘

包装模式

所有20个工具都是轻量级的包装 predict_variant() API端点。它们仅在参数配置和输出格式上有所不同：

# Same underlying API call
predict_variant(variant, interval, ontology_terms, requested_outputs)

# Different wrappers provide specialized views:
- assess_pathogenicity()    → Clinical scoring
- predict_tf_binding_impact() → TF binding only
- compare_variants()         → Side-by-side comparison
- generate_variant_report()  → Formatted report

包装器架构的优点：

单个API实现提供20种不同的功能
通过参数配置实现专业输出
易于维护（更新一次，所有工具受益）
所有工具的一致界面

输入验证

在提交API之前，所有输入都要经过验证：

染色体：与chr1-22、chrX、chrY模式匹配
位置：验证为正整数
等位基因：A/T/G/C核苷酸验证
组织类型：UBERON本体术语验证

无效的输入返回人类可读的错误消息，从而启用会话错误恢复。

可用工具

岩心分析

预测方差效应

对所有11种模式进行全面的监管影响预测。

"Use alphagenome to analyze chr19:44908684T>C"

评估_毒性

临床致病性评分和证据细分。

"Use alphagenome to assess the pathogenicity of rs429358"

结果： Pathogenic (score: 1.0) 有表达、剪接和TF结合的证据。

组织特异性分析

预测_问题_特定

比较多个组织的变异效应。

"Use alphagenome to compare rs429358 effects in brain and liver"

结果： 组织差异表达（脑：-0.23%，肝：+0.07%）

批次问题比较

多变量×多组织分析。

"Use alphagenome to test 5 variants in brain, liver, and heart"

变体比较

比较变体

直接并排比较。

"Use alphagenome to compare APOE ε4 (rs429358) vs ε2 (rs7412)"

比较等位基因

比较同一位置的不同突变。

"Use alphagenome to compare T>C, T>G, T>A at chr19:44908684"

比较保护风险

比较保护性等位基因和风险等位基因。

"Use alphagenome to compare APOE protective vs risk alleles"

比较变量名称基因

对基因内的变异进行排序。

"Use alphagenome to compare these 5 BRCA1 variants"

模态特定分析

预测、执行、影响

只有拼接效果。

"Use alphagenome to analyze splicing impact of chr6:41129252C>T"

预测表达影响

基因表达仅发生变化。

"Use alphagenome to show expression impact of rs744373"

绑定影响预测

转录因子结合变化。

"Use alphagenome to show TF binding changes for rs429358"

预测色谱影响

染色质可及性发生变化。

"Use alphagenome to analyze chromatin impact of rs429358"

batch_modality_screen

特定效果的屏幕变体。

"Use alphagenome to screen 20 variants for splicing effects"

多变量处理

batch_score_variants

根据监管影响对多种变体进行排名。

"Use alphagenome to score these AD variants: rs429358, rs7412, rs75932628"

分析垃圾焦点

精细映射和因果变异识别。

"Use alphagenome to analyze GWAS locus with 10 variants"

批次毒性过滤器

按致病性阈值过滤变异。

"Use alphagenome to filter these 100 variants for pathogenicity > 0.7"

监管注释

注释器_调节器_上下文

全面的监管背景。

"Use alphagenome to annotate regulatory context of rs429358"

predict_allele_specific_effects

等位基因特异性调控效应。

"Use alphagenome to show allele-specific effects for rs429358"

临床报告

generate_variant_report

综合临床报告。

"Use alphagenome to generate a clinical report for rs429358"

解释变量影响

人类可读的解释。

"Use alphagenome to explain the impact of rs429358 in simple terms"

安装

需求

Node.js≥18.0.0
Python≥3.8
来自Google DeepMind的AlphaGenome API密钥
Python包： alphagenome, numpy

设置

1.安装Python依赖项：

pip install alphagenome numpy

2.为您的MCP客户端配置：

Claude Desktop

推荐方法：

claude mcp add alphagenome -- npx -y @jolab/alphagenome-mcp@latest --api-key YOUR_API_KEY

或手动添加到 ~/.config/claude/claude_desktop_config.json:

{
  "mcpServers": {
    "alphagenome": {
      "command": "npx",
      "args": ["-y", "@jolab/alphagenome-mcp@latest", "--api-key", "YOUR_API_KEY"]
    }
  }
}

测试：

"Use alphagenome to analyze chr19:44908684T>C"

Claude Code

添加到 ~/.config/claude/claude_code_config.json:

{
  "mcpServers": {
    "alphagenome": {
      "command": "npx",
      "args": ["-y", "@jolab/alphagenome-mcp@latest", "--api-key", "YOUR_API_KEY"]
    }
  }
}

测试：

"Use alphagenome to analyze chr19:44908684T>C"

Gemini CLI

添加到 ~/.gemini/settings.json:

{
  "mcpServers": {
    "alphagenome": {
      "command": "npx",
      "args": ["-y", "@jolab/alphagenome-mcp@latest", "--api-key", "YOUR_API_KEY"]
    }
  }
}

测试：

"Use alphagenome to analyze chr19:44908684T>C"

Cursor

添加到 .cursor/mcp.json 在项目根目录中：

{
  "mcpServers": {
    "alphagenome": {
      "command": "npx",
      "args": ["-y", "@jolab/alphagenome-mcp@latest", "--api-key", "YOUR_API_KEY"]
    }
  }
}

测试：

"Use alphagenome to analyze chr19:44908684T>C"

Windsurf

添加到您的Windsurf设置JSON：

{
  "mcpServers": {
    "alphagenome": {
      "command": "npx",
      "args": ["-y", "@jolab/alphagenome-mcp@latest", "--api-key", "YOUR_API_KEY"]
    }
  }
}

测试：

"Use alphagenome to analyze chr19:44908684T>C"

验证

预期：30-60秒内提交详细的监管影响报告。

重要提示： 始终在查询中包含“use alphagenome”以显式调用服务器。

使用示例

所有的例子都显示了阿尔茨海默病变体测试的实际API结果。

致病性评估

User: "Use alphagenome to assess the pathogenicity of rs429358"

结果：

{
  "variant": "chr19:44908684T>C",
  "classification": "PATHOGENIC",
  "pathogenicity_score": 1.0,
  "evidence": {
    "expression_impact": 0.0023,
    "splicing_impact": 0.0263,
    "tf_binding_impact": 24.0
  },
  "recommendation": "Further clinical evaluation recommended"
}

组织特异性分析

User: "Use alphagenome to compare rs429358 effects in brain and liver"

结果：

{
  "variant": "chr19:44908684T>C",
  "tissue_results": {
    "brain": {
      "expression_impact": -0.0023,
      "impact_level": "high"
    },
    "liver": {
      "expression_impact": 0.0007,
      "impact_level": "high"
    }
  }
}

释义： 组织差异效应。大脑显示下调（-0.23%），而肝脏显示上调（+0.07%）。

变体比较

User: "Use alphagenome to compare APOE ε4 (rs429358) vs ε2 (rs7412)"

结果：

{
  "variant1": {
    "id": "chr19:44908684T>C",
    "impact": "high",
    "expression_fc": -0.0023
  },
  "variant2": {
    "id": "chr19:44908822C>T",
    "impact": "high",
    "expression_fc": 0.0012
  },
  "comparison": {
    "more_severe": "chr19:44908684T>C"
  }
}

TF结合分析

User: "Use alphagenome to show TF binding changes for rs429358"

结果：

{
  "variant": "chr19:44908684T>C",
  "tf_binding": [{
    "change": 24.0
  }],
  "impact_level": "high"
}

等位基因比较

User: "Use alphagenome to compare T>C, T>G, T>A at chr19:44908684"

结果：

{
  "position": "chr19:44908684",
  "allele_comparisons": {
    "T>C": { "expression_fc": -0.0023, "impact": "high" },
    "T>G": { "expression_fc": -0.0038, "impact": "high" },
    "T>A": { "expression_fc": 0.0035, "impact": "high" }
  }
}

释义： 所有三个替代等位基因都显示出高度的调控作用，表达效果各不相同。

临床报告

User: "Use alphagenome to generate a clinical report for rs429358"

结果：

VARIANT REPORT: chr19:44908684T>C (rs429358)

Classification: PATHOGENIC
Pathogenicity Score: 1.0

Evidence Summary:
- Expression Impact: 0.0023 (fold change)
- Splicing Impact: 0.0263 (delta score)
- TF Binding Impact: 24.0 (change score)

Recommendation: Further clinical evaluation recommended

演出

第一个电话：30-60秒（初始化），后续调用：每个变量8-15秒
模态：11（RNA-seq、CAGE、PRO-cap、剪接位点、DNase、ATAC、组蛋白mods、TF结合、接触图谱）

发展

从源代码构建

git clone https://github.com/taehojo/alphagenome-mcp.git
cd alphagenome-mcp
npm install
pip install -r requirements.txt
npm run build

项目结构

src/
├── index.ts              # MCP server entry point
├── alphagenome-client.ts # API client (Python bridge)
├── tools.ts              # MCP tool definitions
├── types.ts              # TypeScript type definitions
└── utils/
    ├── validation.ts     # Input validation (Zod schemas)
    └── formatting.ts     # Output formatting
scripts/
└── alphagenome_bridge.py # Python bridge to AlphaGenome SDK

测试

npm run lint           # ESLint check
npm run typecheck      # TypeScript type checking
npm run build          # Compile to build/

引用

如果您在研究中使用此软件，请引用：

@software{jo2025alphagenome_mcp,
  author = {Jo, Taeho},
  title = {AlphaGenome MCP Server},
  year = {2025},
  url = {https://github.com/taehojo/alphagenome-mcp},
  version = {0.2.0}
}

AlphaGenome模型：

@article{avsec2025alphagenome,
  title = {AlphaGenome: advancing regulatory variant effect prediction with a unified DNA sequence model},
  author = {Avsec, Žiga and Latysheva, Natasha and Cheng, Jun and others},
  journal = {bioRxiv},
  year = {2025}
}

致谢

谷歌DeepMind 用于开发和提供对AlphaGenome API的访问
Anthropic 用于开发模型上下文协议规范和Claude Desktop

许可证

看许可证文件以获取详细信息。

链接

npm包: https://www.npmjs.com/package/@jolab/阿尔法基因组mcp
GitHub存储库: https://github.com/taehojo/alphagenome-mcp
AlphaGenome: https://deepmind.google/discover/blog/alphagenome/
模型上下文协议: https://modelcontextprotocol.io/
克劳德桌面版: https://claude.ai/download

______________________________________________________________________

AlphaGenome MCP服务器

允许使用Google DeepMind的AlphaGenome作为自然语言的MCP服务器

](https://www.npmjs.com/package/@jolab/alphagenome-mcp) ![License: MIT](https://opensource.org/licenses/MIT)

概述

AlphaGenome API可以在MCP客户端（Claude Desktop、Claude Code、Gemini CLI、Cursor、Windsurf等）中作为自然语言使用，通过AI预测遗传变异（genomic variant）的调节效果。您可以用普通的韩语或英语分析变异，而无需编写Python代码，并针对探索性分析和快速原型进行了优化。

主要功能

🧬 预测变异效果：在11种分子格式（RNA-seq、ChIP-seq、ATAC-seq、样条等）中分析调节影响
🏥 病原性评价：计算和过滤临床分数
🔬 按组织分析：在脑、肝、心脏等多个组织中分析效果
📊 批处理：指定大变异的优先级
💬 自然语言界面：无需编码，使用rsID或染色体坐标进行查询
🔧 20种专业工具：围绕单个API的包装器体系结构

-快速开始

3分钟内开始：

安装Python软件包

   pip install alphagenome numpy

添加到MCP客户端 （支持Claude Desktop、Claude Code、Gemini CLI、Cursor、Windsurf）

   claude mcp add alphagenome -- npx -y @jolab/alphagenome-mcp@latest --api-key YOUR_API_KEY

其他MCP客户端安装方法请参见

运行第一个查询

重新启动MCP客户端，然后尝试：

   "Use alphagenome to analyze chr19:44908684T>C"

或韩语：

   "alphagenome을 사용해서 chr19:44908684T>C를 분석해줘"

确认结果 （30-60秒）

生成详细报告，其中包括病原分数、表达影响和样条效果。

了解更多： 20种专业工具确认

系统结构

┌─────────────────────────┐
│  연구자                  │
└───────────┬─────────────┘
            │ 자연어 쿼리
            ↓
┌─────────────────────────┐
│  Claude Desktop         │ ← MCP 클라이언트
└───────────┬─────────────┘
            │ JSON-RPC (stdio)
            ↓
┌─────────────────────────┐
│  MCP 서버 (TypeScript)  │ ← 도구 라우팅, 검증
└───────────┬─────────────┘
            │ subprocess
            ↓
┌─────────────────────────┐
│  Python 브리지          │ ← AlphaGenome SDK 인터페이스
└───────────┬─────────────┘
            │ HTTP
            ↓
┌─────────────────────────┐
│  AlphaGenome API        │ ← Google DeepMind 서비스
└─────────────────────────┘

安装方法

要求

Node.js≥18.0.0
Python≥3.8
AlphaGenome API密钥（由Google DeepMind发布）
Python软件包： alphagenome, numpy

安装

1.安装Python软件包：

pip install alphagenome numpy

2.MCP客户端设置：

Claude Desktop

推荐方法：

claude mcp add alphagenome -- npx -y @jolab/alphagenome-mcp@latest --api-key YOUR_API_KEY

手动设置（~/.config/claude/claude_desktop_config.json):

{
  "mcpServers": {
    "alphagenome": {
      "command": "npx",
      "args": ["-y", "@jolab/alphagenome-mcp@latest", "--api-key", "YOUR_API_KEY"]
    }
  }
}

测试：

"alphagenome으로 chr19:44908684T>C를 분석해줘"

Claude Code

~/.config/claude/claude_code_config.json添加到：

{
  "mcpServers": {
    "alphagenome": {
      "command": "npx",
      "args": ["-y", "@jolab/alphagenome-mcp@latest", "--api-key", "YOUR_API_KEY"]
    }
  }
}

Cursor

项目根的 .cursor/mcp.json添加到：

{
  "mcpServers": {
    "alphagenome": {
      "command": "npx",
      "args": ["-y", "@jolab/alphagenome-mcp@latest", "--api-key", "YOUR_API_KEY"]
    }
  }
}

使用示例

病原性评价

"rs429358의 병원성을 평가해줘"

结果： 致病性分数1.0，表达影响0.0023，样条影响0.0263

按组织分析

"rs429358의 뇌와 간에서의 효과를 비교해줘"

结果： 在大脑中下调-0.23%，在肝脏中上调+0.07%

比较变异

"APOE ε4 (rs429358)와 ε2 (rs7412)를 비교해줘"

结果： ε4更严重的影响（表达变化-0.0023vs+0.0012）

样条影响

"chr6:41129252C>T의 스플라이싱 영향을 분석해줘"

批处理

"이 10개 변이를 병원성 점수로 정렬해줘"

性能

首次呼叫：30-60秒（初始化），后续呼叫：每变异8-15秒
分析表单：11种（RNA-seq、CAGE、PRO-cap、拼接站点、DNase、ATAC、直方图转换、转录因子结合、接触图）

引用

如果您将该软件用于研究，请引用以下内容：

@software{jo2025alphagenome_mcp,
  author = {Jo, Taeho},
  title = {AlphaGenome MCP Server},
  year = {2025},
  url = {https://github.com/taehojo/alphagenome-mcp},
  version = {0.2.0}
}

AlphaGenome型号：

@article{avsec2025alphagenome,
  title = {AlphaGenome: advancing regulatory variant effect prediction with a unified DNA sequence model},
  author = {Avsec, Žiga and Latysheva, Natasha and Cheng, Jun and others},
  journal = {bioRxiv},
  year = {2025}
}

详细文档

完整的工具列表、详细的使用示例、API响应格式和开发指南英文文档请参考。

许可证

链接

npm软件包: https://www.npmjs.com/package/@jolab/阿尔法基因组mcp
GitHub存储库: https://github.com/taehojo/alphagenome-mcp
AlphaGenome: https://deepmind.google/discover/blog/alphagenome/
模型上下文协议: https://modelcontextprotocol.io/

AlphaGenome MCP Server

快速接入

详细介绍

AlphaGenome MCP服务器

概述

⚡ 快速开始

建筑

系统设计

包装模式

输入验证

可用工具

岩心分析

预测方差效应

评估_毒性

组织特异性分析

预测_问题_特定

批次问题比较

变体比较

比较变体

比较等位基因

比较保护风险

比较变量名称基因

模态特定分析

预测、执行、影响

预测表达影响

绑定影响预测

预测色谱影响

batch_modality_screen

多变量处理

batch_score_variants

分析垃圾焦点

批次毒性过滤器

监管注释

注释器_调节器_上下文

predict_allele_specific_effects

临床报告

generate_variant_report

解释变量影响

安装

需求

设置

验证

使用示例

致病性评估

组织特异性分析

变体比较

TF结合分析

等位基因比较

临床报告

演出

发展

从源代码构建

项目结构

测试

引用

致谢

许可证

链接

AlphaGenome MCP服务器

概述

主要功能

-快速开始

系统结构

安装方法

要求

安装

使用示例

病原性评价

按组织分析

比较变异

样条影响

批处理

性能

引用

详细文档

许可证

链接

目录标签

接入字段

权限和风险