ev onehot MCP

EV+OneHot MCP服务器

通过Docker结合进化耦合和单热编码的健身预测

用于蛋白质适应度预测的MCP（模型上下文协议）服务器，具有2个核心工具：

• 结合进化（EV）特征和单热编码训练Ridge回归适应度模型
• 使用训练好的模型预测新蛋白质序列的适用性

Docker快速入门

方法1：从GitHub中提取预构建映像

最快的开始方式。每次发布时，预构建的Docker镜像都会自动发布到GitHub容器注册表。

# Pull the latest image
docker pull ghcr.io/macromnex/ev_onehot_mcp:latest

# Register with Claude Code (runs as current user to avoid permission issues)
claude mcp add ev_onehot -- docker run -i --rm --user `id -u`:`id -g` -v `pwd`:`pwd` ghcr.io/macromnex/ev_onehot_mcp:latest

注： 从项目目录运行。 ` pwd ` 展开到当前工作目录。

要求：

• 码头工人
• 已安装克劳德代码

就是这样！EV+OneHot MCP服务器现在可以在Claude Code中使用。

______________________________________________________________________

方法2：在本地构建Docker镜像

自己构建映像并将其安装到Claude Code中。适用于自定义或离线环境。

# Clone the repository
git clone https://github.com/MacromNex/ev_onehot_mcp.git
cd ev_onehot_mcp

# Build the Docker image
docker build -t ev_onehot_mcp:latest .

# Register with Claude Code (runs as current user to avoid permission issues)
claude mcp add ev_onehot -- docker run -i --rm --user `id -u`:`id -g` -v `pwd`:`pwd` ev_onehot_mcp:latest

注： 从项目目录运行。 ` pwd ` 展开到当前工作目录。

要求：

• 码头工人
• 已安装克劳德代码
• Git（克隆存储库）

关于Docker标志：

• -i --Claude Code的交互模式
• --rm --退出后自动移除容器
• ` --user id -u:id -g ` --以当前用户身份运行容器，因此输出文件归您所有（不是root）
• -v --装载您的项目目录，以便容器可以访问您的数据

______________________________________________________________________

验证安装

添加MCP服务器后，您可以验证它是否正常工作：

# List registered MCP servers
claude mcp list

# You should see 'ev_onehot' in the output

在Claude Code中，您现在可以使用所有2个EV+OneHot工具：

• ev_onehot_train_fitness_predictor
• ev_onehot_predict_fitness

______________________________________________________________________

后续步骤

• 详细文件：参见 detail.md 有关以下内容的全面指南：

- 可用的MCP工具和参数 - 本地Python环境设置（Docker的替代方案） - 数据格式要求 - 示例工作流和用例 - 模型架构详细信息

______________________________________________________________________

使用示例

注册后，您可以直接在Claude Code中使用EV+OneHot工具。以下是一些常见的工作流程：

示例1：训练健身模型

I have a PLMC model in /path/to/plmc/ directory and training data at /path/to/data.csv with wild-type sequence /path/to/wt.fasta. Can you train an ev+onehot fitness model using ev_onehot_train_fitness_predictor with 5-fold cross-validation and save to /path/to/model/?

示例2：预测新序列的适用性

I have a trained ev+onehot model in /path/to/model/ and new sequences in /path/to/new_sequences.csv. Can you predict fitness for all sequences using ev_onehot_predict_fitness and save the predictions to /path/to/predictions/?

示例3：全健身建模工作流程

I have experimental fitness data for subtilisin variants at /path/to/subtilisin/data.csv, wild-type at /path/to/subtilisin/wt.fasta, and a PLMC model at /path/to/subtilisin/plmc/. Please train an ev+onehot model with cross-validation and report the Spearman correlation performance.

______________________________________________________________________

故障排除

找不到Docker？

docker --version  # Install Docker if missing

未找到克劳德代码？

# Install Claude Code
npm install -g @anthropic-ai/claude-code

是否需要PLMC模型？

• 此工具需要模型目录中的预训练PLMC模型
• 使用 plmc_mcp 从MSA文件生成PLMC模型

______________________________________________________________________

许可证

研究用途——详见原始存储库