Cell2sentence4longevity MCP

电池寿命mcp

MCP（模型上下文协议）服务器，用于通过vLLM使用Cell2Sentence4Longevity模型进行年龄预测。

概述

该MCP服务器提供了一个接口，用于根据基因表达模式预测生物年龄。它使用 transhumanist-already-exists/C2S-Scale-Gemma-2-27B-age-prediction-fullft 模型托管在vLLM端点上。

服务器通过HTTP请求直接使用vLLM补全API，从而可以轻松地将年龄预测集成到人工智能工作流程中。

特性

• 年龄预测：根据基因表达“细胞句子”预测供体年龄
• 元数据支持：包括其他信息，如性别、组织类型、细胞类型和吸烟状况
• Insilico淘汰赛：测试去除基因对年龄预测的影响
• 多种运输方式：支持stdio、SSE和可流式传输的http
• CLI工具：可直接使用的独立命令行界面
• 结构化输出：返回原始模型响应和解析的年龄预测
• 示例资源：提供示例提示和模型信息

安装

使用 uv 从项目根：

uv sync

配置

可以使用环境变量配置服务器：

• VLLM_BASE_URL：vLLM端点URL（默认值： http://89.169.110.141:8000)
• VLLM_MODEL：模型名称（默认值： transhumanist-already-exists/C2S-Scale-Gemma-2-27B-age-prediction-fullft)
• MCP_HOST：要绑定的主机（默认值： 0.0.0.0)
• MCP_PORT：要绑定的端口（默认值： 3002)

用法

运行服务器

标准模式 （适用于Claude Desktop或其他MCP客户端）：

uv run cell2sentence4longevity-mcp-stdio

HTTP服务器模式:

uv run cell2sentence4longevity-mcp-run --host 0.0.0.0 --port 3002

SSE模式:

uv run cell2sentence4longevity-mcp-sse --host 0.0.0.0 --port 3002

MCP客户端配置

对于克劳德桌面（stdio）：

添加到您的Claude Desktop配置中：

{
  "mcpServers": {
    "cell2sentence4longevity": {
      "command": "uv",
      "args": [
        "--directory",
        "/home/antonkulaga/sources/cell2sentence4longevity-mcp",
        "run",
        "cell2sentence4longevity-mcp-stdio"
      ],
      "env": {
        "VLLM_BASE_URL": "http://89.169.110.141:8000",
        "VLLM_MODEL": "transhumanist-already-exists/C2S-Scale-Gemma-2-27B-age-prediction-fullft"
      }
    }
  }
}

对于HTTP客户端：

{
  "mcpServers": {
    "cell2sentence4longevity": {
      "url": "http://localhost:3002/mcp",
      "transport": "streamable-http"
    }
  }
}

工具

预测_年龄

根据基因表达句子预测年龄。

参数：

• gene_sentence （str）：按表达水平降序排列的基因名称的空格分隔列表
• max_tokens （int，可选）：要生成的最大令牌数（默认值：20）
• temperature （浮动，可选）：采样温度（默认值：0.0）
• top_p （浮动，可选）：Nucleus采样参数（默认值：1.0）

例子：

predict_age(
    gene_sentence="MT-CO1 FTL EEF1A1 HLA-B LST1 S100A4 HLA-C H3-3B ZFP36 AIF1 HLA-DRA FCER1G ITGB2 RPS21 ANXA1 RPL3"
)

使用元数据进行预测

使用有关样本的其他元数据预测年龄。

参数：

• gene_sentence （str）：按表达水平降序排列的基因名称的空格分隔列表
• sex （str，可选）：捐赠者的性别（例如，“男性”、“女性”）
• smoking_status （int，可选）：0=不吸烟者，1=吸烟者
• tissue （str，可选）：组织类型（例如，“血液”、“大脑”）
• cell_type （str，可选）：细胞类型（例如，“CD14低，CD16阳性单核细胞”）
• max_tokens （int，可选）：要生成的最大令牌数（默认值：20）
• temperature （浮动，可选）：采样温度（默认值：0.0）
• top_p （浮动，可选）：Nucleus采样参数（默认值：1.0）

例子：

predict_age_with_metadata(
    gene_sentence="MT-CO1 FTL EEF1A1 HLA-B LST1 S100A4 HLA-C H3-3B ZFP36 AIF1",
    sex="female",
    smoking_status=0,
    tissue="blood",
    cell_type="CD14-low, CD16-positive monocyte"
)

内源性敲除

通过从基因表达句子中删除第一个基因（最高表达）并比较年龄预测来进行insilico敲除实验。

参数：

• gene_sentence （str）：按表达水平降序排列的基因名称的空格分隔列表
• sex （str，可选）：捐赠者的性别（例如，“男性”、“女性”）
• smoking_status （int，可选）：0=不吸烟者，1=吸烟者
• tissue （str，可选）：组织类型（例如，“血液”、“大脑”）
• cell_type （str，可选）：细胞类型（例如，“CD14低，CD16阳性单核细胞”）
• max_tokens （int，可选）：要生成的最大令牌数（默认值：20）
• temperature （浮动，可选）：采样温度（默认值：0.0）
• top_p （浮动，可选）：Nucleus采样参数（默认值：1.0）

退货：

• gene_knocked_out：删除的基因（列表中的第一个）
• age_prediction：用全基因句子预测年龄
• age_prediction_with_knockout：去除基因后的预测年龄
• delta_age：预测年龄的变化（淘汰赛-原始）
• original_gene_sentence：原始基因表达句
• knockout_gene_sentence：基因敲除后的表达句子
• model：用于预测的模型

例子：

insilico_knockout(
    gene_sentence="MT-CO1 FTL EEF1A1 HLA-B LST1 S100A4 HLA-C H3-3B ZFP36 AIF1",
    sex="female",
    tissue="blood"
)

CLI工具

除了MCP服务器之外，此软件包还提供了可直接使用的独立CLI工具。

cell2sentence cli

CLI提供了直接从命令行执行insilico敲除实验的命令。

基本淘汰命令

从基因句子中删除第一个基因，并比较年龄预测：

uv run cell2sentence-cli knockout "MT-CO1 FTL EEF1A1 HLA-B LST1 S100A4" \
  --sex female \
  --tissue blood \
  --cell-type "CD14-low, CD16-positive monocyte"

输出格式：

• 文本（默认）:

Gene knocked out: MT-CO1
Age prediction (original): 46.0
Age prediction (knockout): 46.0
Delta age: 0.0

• CSV: --format csv

gene_knocked_out,age_prediction,age_prediction_with_knockout,delta_age
MT-CO1,46.0,46.0,0.0

• JSON: --format json

{
  "gene_knocked_out": "MT-CO1",
  "age_prediction": 46.0,
  "age_prediction_with_knockout": 46.0,
  "delta_age": 0.0,
  "original_gene_sentence": "MT-CO1 FTL EEF1A1 HLA-B LST1 S100A4",
  "knockout_gene_sentence": "FTL EEF1A1 HLA-B LST1 S100A4",
  "model": "transhumanist-already-exists/C2S-Scale-Gemma-2-27B-age-prediction-fullft"
}

从有效载荷文件中删除

使用现有的有效载荷JSON文件（如中的示例 data/example/vllm_payload.json):

uv run cell2sentence-cli knockout-from-payload data/example/vllm_payload.json --format csv

这会自动从有效载荷中提取基因句子和元数据。

所有CLI选项：

uv run cell2sentence-cli knockout --help
uv run cell2sentence-cli knockout-from-payload --help

登录中：

CLI记录到 logs/knockout.json 和 logs/knockout.log 默认情况下。您可以自定义日志目录：

uv run cell2sentence-cli knockout "GENE1 GENE2 GENE3" --log-dir ./my-logs

资源

resource://cell2sentence/example-prompt

从返回示例提示 vllm_payload.json 文件，显示如何格式化输入。

resource://cell2sentence/model-info

返回有关模型的信息，包括端点详细信息和功能。

输入格式

该模型需要一个“细胞句子”——一个用空格分隔的衰老相关基因名称列表，按表达水平降序排列。这些基因通常应该来自与衰老相关的数据库，如OpenGenes。

单元格句子示例：

MT-CO1 FTL EEF1A1 HLA-B LST1 S100A4 HLA-C H3-3B ZFP36 AIF1 HLA-DRA FCER1G ITGB2 RPS21 ANXA1 RPL3 HLA-DRB1 HLA-DRB5 TPM3 RPL22

单元格句子过滤

该存储库包括用于过滤单元格句子数据集的工具，以仅包含句子以OpenGenes数据库中的基因符号开头的单元格。看 docs/FILTERING.md 详细文档。

快速启动：

# CLI version with logging
uv run python filter.py data/example/cells/example_cells.parquet data/output/filtered_cells.parquet

# Interactive notebook version with statistics
uv run python notebook/filter.py

过滤工具：

• 从OpenGenes加载2403个与寿命/衰老相关的基因
• 过滤细胞，只保留OpenGenes中第一个基因所在的细胞
• 使用Polars进行内存高效处理
• 提供详细的统计和分析

输出格式

工具返回 AgePredictionResult 包含：

• predicted_age：以年为单位的预测年龄（浮点数，如果解析失败，则为None）
• raw_response：模型的原始文本响应
• prompt_used：发送给模型的完整提示
• model：用于预测的模型名称

测试

运行测试套件：

# Run all tests
uv run pytest

# Run specific test modules
uv run python test/test_knockout.py
uv run python test/test_mcp_performance.py

发展

要将此服务器添加到其他项目或对其进行扩展，请执行以下操作：

from cell2sentence4longevity_mcp import Cell2SentenceMCP

# Create custom server
mcp = Cell2SentenceMCP(
    name="Custom Age Prediction Server",
    vllm_base_url="http://your-vllm-endpoint:8000/",
    model="your-model-name"
)

# Run with your preferred transport
mcp.run(transport="stdio")

许可证

有关详细信息，请参阅LICENSE文件。

作者

• 安东库拉拉(antonkulaga@gmail.com)