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法-只需用自然语言聊天，无需编程！
  
中文版 | 英语
🎯 这是什么？
BioNext MCP允许您通过与Claude Desktop的自然语言对话进行复杂的生物信息学分析，而无需编写任何代码！
简单地说：
- 🗣️ 用简单的英语告诉克劳德你想分析什么数据
- 🤖 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
- 📊 获取精美的HTML报告和可视化图表
✨ 主要特点
🧬 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 -变体分析、注释、功能丰富
- 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
- 多组学集成 -数据融合、相关性分析
🎨 智能功能
- 自动环境设置 -检测Python，自动安装所需的包（pandas、numpy、matplotlib等）
- UTF-8编码支持 -完美支持国际角色
- 可视化优先 -自动生成图表并在HTML报告中显示
- 质量保证 -注重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建议
🚀 快速开始
步骤1：安装Python环境
推荐：官方网站安装
- 访问
- 下载Python 3.9或更高版本
- 确保在安装过程中选中“将Python添加到PATH”
验证安装
打开命令提示符并键入：
python --version如果您看到版本信息，则安装成功！
步骤2：安装BioNext MCP
- 下载项目
git clone https://github.com/your-username/BioNext-mcp.git
cd BioNext-mcp- 再进行
npm install
npm run build步骤3：配置Claude桌面
- 查找配置文件
- 窗户： %APPDATA%\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"
}
}
}
}重要提示：
- 用实际安装路径替换路径
- 将分析目录设置为要保存结果的位置
- 重新启动克劳德桌面
💡 如何使用
基本对话流程
- 描述你的分析需求
I have a single-cell RNA sequencing data file data.h5ad, and I want to perform cell clustering analysis and differential expression analysis- Claude将生成分析脚本并自动执行
- 获取详细的HTML报告 包括：
- 执行结果和统计 - 生成的图表和可视化 - 完整的分析日志
实例
🧪 单细胞分析
Please help me analyze this scRNA-seq data:
- File: C:\data\pbmc3k.h5ad
- Need: quality control, normalization, clustering, marker gene identification
- Output: UMAP plot, clustering heatmap, differential expression gene list🧬 基因表达分析
I have RNA-seq expression matrices from two groups:
- Control group: control_samples.csv
- Treatment group: treatment_samples.csv
- Analysis: differential expression, GO enrichment, KEGG pathway analysis
- Visualization: volcano plot, heatmap, pathway diagrams📊 数据探索
Help me explore this gene expression dataset:
- File: gene_expression.csv
- Need: data overview, correlation analysis, PCA analysis
- Generate: statistical summary, correlation heatmap, PCA plot🎨 美丽的报告
HTML报告功能
- 📊 可视化图库 -自动检测并显示生成的图像
- 🔍 交互式查看 -点击图片进行缩放和查看
- 📝 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
自动打开浏览器
- 分析完成后，报告会在浏览器中自动打开
- 如果没有自动打开，请手动打开生成的HTML文件
🛠️ 常见问题
Python相关
Q： “找不到Python”错误？ A： 确保Python已安装并添加到PATH环境变量中
Q： 软件包安装失败？ A： 系统将自动重试，或手动运行 pip install package_name
分析相关
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
- 检查错误日志以获取详细信息
Q： 没有生成HTML报告？ A： HTML报告仅在所有脚本成功执行时生成，请先修复执行错误
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变体文件
- 其他常见的生物信息学格式
🎯 使用技巧
1.明确需求描述
✅ Good description:
"Analyze single-cell data, perform quality control (filter low-quality cells), normalization, dimensionality reduction (PCA+UMAP), clustering (leiden algorithm), find marker genes for each cluster"
❌ Vague description:
"Analyze this data"2.提供完整的文件路径
✅ Use absolute paths:
"C:\Users\username\data\sample.h5ad"
❌ Relative paths may fail:
"./data/sample.h5ad"3.指定输出要求
✅ Clear output:
"Generate UMAP plot, heatmap, save results to CSV file"
❌ Unclear:
"Do some visualization"4.逐步分析
对于复杂的分析，可以分成多个对话：
- 第一：数据加载和质量控制
- 第二：归一化和降维
- 第三：聚类和可视化
- 第四：差异分析
🎉 开始你的生物信息学之旅
你准备好了！打开克劳德桌面，告诉它你想分析什么数据，让人工智能为你处理复杂的生物信息学分析！
______________________________________________________________________
📞 获得帮助
- GitHub问题：报告问题或提出改进建议
- 文档：查看详细的使用文档
- 例子：参考示例分析案例
记得： 用自然语言描述您的分析需求，Claude将为您处理所有技术细节！ 🚀