cyclicpeptide MCP

环肽MCP

用于环肽计算分析和虚拟筛选的综合MCP工具

目录

• 概述
• 安装
• 本地使用（脚本）
• MCP服务器安装
• 使用Claude代码
• 与Gemini CLI一起使用
• 可用工具
• 例子
• 故障排除

概述

该MCP服务器为环肽计算分析提供了全面的工具，包括结构预测、性质计算、序列分析和数据预处理。它基于环肽库构建，通过快速同步操作和后台批处理实现药物发现工作流程。

特性

• 序列结构相互转换 -在氨基酸序列和SMILES表示之间进行转换
• 分子性质计算 -计算57+分子描述符、指纹和药物相似性规则
• 结构分析 -生成具有分子属性和可视化的全面HTML报告
• 数据预处理 -清洁、验证和标准化环肽数据集
• 批处理 -处理大规模虚拟筛选和图书馆枚举
• 作业管理 -通过状态监控跟踪长时间运行的计算

目录结构

./
├── README.md               # This file
├── env/                    # Conda environment
├── src/
│   └── server.py           # MCP server with 13 tools
├── scripts/
│   ├── sequence_to_structure.py      # Sequence to SMILES conversion
│   ├── structure_to_sequence.py      # SMILES to sequence conversion
│   ├── calculate_properties.py       # Molecular property calculation
│   ├── preprocess_data.py            # Data preprocessing and standardization
│   ├── analyze_structure.py          # Comprehensive structure analysis
│   └── lib/                          # Shared utilities
├── examples/
│   └── data/               # Demo data
│       ├── sequences.txt   # Sample cyclic peptide sequences (APG, GFPVFP, etc.)
│       ├── smiles.txt      # Sample SMILES structures
│       ├── monomer.tsv     # 546 monomer database
│       └── models/         # Pre-trained models for graph alignment
├── configs/                # Configuration files
│   ├── sequence_to_structure_config.json
│   ├── calculate_properties_config.json
│   └── preprocess_data_config.json
└── repo/                   # Original repository

______________________________________________________________________

安装

快速设置

运行自动安装脚本：

./quick_setup.sh

这将创建环境并自动安装所有依赖项。

手动设置（高级）

对于手动安装或自定义，请执行以下步骤。

先决条件

• Conda或Mamba（建议使用曼巴以加快安装速度）
• Python 3.10+
• RDKit（自动安装）

创建环境

按照以下程序 reports/step3_environment.md:

# Navigate to the MCP directory
cd /home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/cyclicpeptide_mcp

# Create conda environment (use mamba if available)
mamba create -p ./env python=3.12 -y
# or: conda create -p ./env python=3.12 -y

# Activate environment
mamba activate ./env
# or: conda activate ./env

# Install Dependencies
mamba install -c conda-forge rdkit=2025.09.3 matplotlib=3.10.8 networkx=3.6.1 pandas=2.3.3 numpy=2.4.0 scipy=1.16.3 loguru=0.7.3 click=8.3.1 tqdm=4.67.1 -y

# Install Python packages
pip install fastmcp==2.14.1 ipython==9.8.0 --force-reinstall

# Install cyclicpeptide package (manual installation)
cp -r repo/cyclicpeptide/cyclicpeptide env/lib/python3.12/site-packages/
cp -r repo/cyclicpeptide/states env/lib/python3.12/site-packages/cyclicpeptide/

______________________________________________________________________

本地使用（脚本）

您可以在没有MCP的情况下直接使用脚本进行本地处理。

可用脚本

脚本示例

将序列转换为结构

# Activate environment
mamba activate ./env

# Convert single sequence to SMILES
python scripts/sequence_to_structure.py \
  --sequence "GRGDSP" \
  --output results/grgdsp.smi \
  --visualize

# Batch conversion from file
python scripts/sequence_to_structure.py \
  --input examples/data/sequences.txt \
  --output results/structures.smi

参数：

• --sequence, -s：氨基酸序列（1个字母代码）（单个需要）
• --input, -i：具有多个序列的输入文件（用于批处理）
• --output, -o：输出文件路径（默认值：results/）
• --visualize, -v：生成SVG结构可视化
• --linear：创建线性肽而不是环状肽

计算属性

python scripts/calculate_properties.py \
  --smiles "C[C@@H]1NC(=O)CNC(=O)[C@@H]2CCCN2C1=O" \
  --format csv \
  --output properties.csv \
  --include-fingerprints

参数：

• --smiles, -s：SMILES字符串（单曲需要）
• --input, -i：具有多个SMILES的输入文件（用于批处理）
• --format, -f：输出格式（json/csv/txt）
• --include-fingerprints：包括分子指纹
• --output, -o：输出文件路径

预处理数据

python scripts/preprocess_data.py \
  --input examples/data/example_peptides.csv \
  --output cleaned_data.csv \
  --min-quality-score 60 \
  --remove-duplicates

______________________________________________________________________

MCP服务器安装

选项1：使用fastmcp（推荐）

# Install MCP server for Claude Code
fastmcp install src/server.py --name cycpep-tools

选项2:Claude代码的手动安装

# Add MCP server to Claude Code
claude mcp add cycpep-tools -- $(pwd)/env/bin/python $(pwd)/src/server.py

# Verify installation
claude mcp list

选项3：在settings.json中配置

增添 ~/.claude/settings.json:

{
  "mcpServers": {
    "cycpep-tools": {
      "command": "/home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/cyclicpeptide_mcp/env/bin/python",
      "args": ["/home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/cyclicpeptide_mcp/src/server.py"]
    }
  }
}

______________________________________________________________________

使用Claude代码

安装MCP服务器后，您可以直接在Claude Code中使用它。

快速开始

# Start Claude Code
claude

示例提示

工具发现

What tools are available from cycpep-tools?

属性计算（快速）

Calculate molecular properties for this cyclic peptide: C[C@@H]1NC(=O)CNC(=O)[C@@H]2CCCN2C1=O

序列转换

Convert the peptide sequence GRGDSP to a cyclic peptide SMILES structure

结构分析（提交API）

Submit a comprehensive structure analysis job for the cyclic peptide with SMILES: C[C@@H]1NC(=O)CNC(=O)[C@@H]2CCCN2C1=O

检查作业状态

Check the status of job abc12345

批处理

Calculate properties for these cyclic peptides in batch using the file @examples/data/smiles.txt

使用@引用

在克劳德代码中，使用 @ 引用文件和目录：

______________________________________________________________________

与Gemini CLI一起使用

配置

增添 ~/.gemini/settings.json:

{
  "mcpServers": {
    "cycpep-tools": {
      "command": "/home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/cyclicpeptide_mcp/env/bin/python",
      "args": ["/home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/cyclicpeptide_mcp/src/server.py"]
    }
  }
}

示例提示

# Start Gemini CLI
gemini

# Example prompts (same as Claude Code)
> What tools are available?
> Calculate properties for cyclic peptide C[C@@H]1NC(=O)CNC(=O)[C@@H]2CCCN2C1=O

______________________________________________________________________

可用工具

快速操作（同步API）

这些工具会立即返回结果（\10分钟）：

作业管理工具

______________________________________________________________________

例子

示例1：快速属性计算

目标： 计算环肽的类药物性质

使用脚本：

python scripts/calculate_properties.py \
  --smiles "C[C@@H]1NC(=O)CNC(=O)[C@@H]2CCCN2C1=O" \
  --format json \
  --output apg_properties.json

使用MCP（克劳德代码）：

Calculate molecular properties for the cyclic peptide C[C@@H]1NC(=O)CNC(=O)[C@@H]2CCCN2C1=O including molecular weight, logP, and TPSA

预期产量：

• 分子量：~225 Da
• LogP:~-1.5（亲水性）
• TPSA：~87°
• 药物相似性规则（Lipinski，Veber）
• 分子指纹图谱（Morgan、RDKit、MACCS）

示例2：序列到结构的转换

目标： 将氨基酸序列转化为环肽SMILES

使用脚本：

python scripts/sequence_to_structure.py \
  --sequence "GRGDSP" \
  --visualize \
  --output grgdsp_structure.smi

使用MCP（克劳德代码）：

Convert the peptide sequence GRGDSP to a cyclic peptide SMILES structure with visualization

预期产量：

• SMILES：生成的环肽结构
• SVG可视化
• 质量评估得分
• 分子元数据

示例3：虚拟筛选流程

目标： 筛选环肽库以寻找药物相似性

使用MCP（克劳德代码）：

I want to screen cyclic peptides for oral bioavailability using the file @examples/data/smiles.txt

Calculate properties for all structures and identify which ones have:
- Molecular weight ', tail=0))"

问题： 任务失败

Use get_job_log tool with job_id and tail=100 to see detailed error information

问题： 属性计算警告

RDKit deprecation warnings are expected and do not affect functionality.
Results are still accurate despite fingerprint calculation warnings.

性能问题

问题： 性能计算缓慢

# Skip fingerprints for faster processing
python scripts/calculate_properties.py --smiles "SMILES" --no-fingerprints

问题： 大文件的内存问题

# Process in smaller batches
split -l 100 large_file.txt batch_
for file in batch_*; do python scripts/calculate_properties.py --input $file; done

______________________________________________________________________

发展

运行测试

# Activate environment
mamba activate ./env

# Test scripts individually
python scripts/sequence_to_structure.py --sequence APG --output test_output/
python scripts/calculate_properties.py --smiles "C[C@@H]1NC(=O)CNC(=O)[C@@H]2CCCN2C1=O" --format json

# Test MCP server
./env/bin/python src/server.py &

正在启动开发服务器

# Run MCP server in dev mode
fastmcp dev src/server.py

验证命令

# Test core functionality
./env/bin/python -c "from cyclicpeptide import PropertyAnalysis, Sequence2Structure, Structure2Sequence; print('All modules imported successfully')"

# Test RDKit
./env/bin/python -c "import rdkit; from rdkit import Chem; print('RDKit working')"

# Test basic functionality
./env/bin/python -c "from cyclicpeptide import Sequence2Structure; smiles, peptide = Sequence2Structure.seq2stru_essentialAA(sequence='APG', cyclic=True); print('SMILES:', smiles)"

______________________________________________________________________

许可证

基于 环肽 仓库

积分

• 原始存储库: dfwlab/环肽
• MCP框架：FastMCP 2.0+
• 化学计算：RDKit 2025.09.3
• 集成测试：具有全面验证的Claude Code