rnaelem MCP

RNAelem MCP

用于RNAelem-RNA基序发现、分析和机器学习工具包的模型完成协议（MCP）服务器

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

RNAelem MCP提供命令行脚本和MCP服务器集成，用于RNA基序发现和分析。基于强大的RNAelem C++工具包，它提供了从基本基序发现到RNA序列高级机器学习分析的完整工作流程。

特性

• 模体识别：用于发现RNA结构基序的完整RNAelem管道
• 图案扫描：应用训练好的模型扫描新序列以寻找已知的基序
• 机器学习：使用集成方法（随机森林、梯度增强）增强主题分析
• 批处理：高效处理多个文件和大型数据集
• 异步操作：长时间运行的任务在后台运行，并具有进度跟踪功能
• 灵活的API：同步（快速）和异步（提交）操作模式

目录结构

./
├── README.md               # This file
├── env/                    # Conda environment
├── src/
│   └── server.py           # MCP server
│   └── jobs/               # Job management system
├── scripts/
│   ├── simple_pipeline.py  # RNAelem motif discovery pipeline
│   ├── motif_scanning.py   # Motif scanning with trained models
│   ├── ml_analysis.py      # Machine learning analysis
│   └── lib/                # Shared utilities
├── examples/
│   └── data/               # Demo data (tRNA sequences, patterns)
├── configs/                # Configuration files
├── repo/                   # Original RNAelem repository
└── reports/                # Setup and analysis reports

______________________________________________________________________

安装

先决条件

• Conda或Mamba（建议使用曼巴以加快安装速度）
• Python 3.10+
• 支持C++14的C++编译器
• 系统软件包：pkg-config，freetype2-dev

创建环境

# Navigate to the MCP directory
cd /home/xux/Desktop/NucleicMCP/NucleicMCP/tool-mcps/rnaelem_mcp

# Create conda environment (use mamba if available)
mamba create -p ./env python=3.10 -y
# or: conda create -p ./env python=3.10 -y

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

# Install Python dependencies
pip install numpy scipy pandas scikit-learn loguru click tqdm

# Install MCP dependencies
pip install fastmcp loguru --ignore-installed

# Build RNAelem C++ binaries (already done during setup)
# cd repo/RNAelem && ./waf configure --prefix=$HOME/local && ./waf build

验证安装

# Activate environment
mamba activate ./env

# Test Python imports
python -c "import numpy; import scipy; import pandas; import sklearn; import fastmcp; print('✅ All imports successful')"

# Test RNAelem binaries
elem --help
RNAelem --help

______________________________________________________________________

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

简单管道（主题发现）

# Activate environment
mamba activate ./env

# Run complete RNAelem pipeline
python scripts/simple_pipeline.py \
  --input examples/data/positive.fa \
  --pattern examples/data/simple_pattern.txt \
  --output results/pipeline_demo \
  --verbose

参数：

• --input, -i：带有阳性RNA序列的FASTA文件（必填）
• --pattern, -p：用点括号表示的图案文件（必填）
• --output, -o：模型和结果的输出目录（默认：自动生成）
• --force：覆盖现有输出目录
• --verbose：启用详细的进度输出

图案扫描

# Scan sequences with a trained model
python scripts/motif_scanning.py \
  --input examples/data/positive.fa \
  --model results/pipeline_demo/model-1/train.model \
  --threshold 0.7 \
  --format json \
  --output results/scanning_demo.json

参数：

• --input, -i：包含要扫描的RNA序列的FASTA文件（必填）
• --model, -m：经过培训的RNAelem模型文件（.model）（必填）
• --threshold, -t：主题存在概率阈值（默认值：0.5）
• --format, -f：输出格式-“json”或“csv”（默认：json）
• --output, -o：输出文件路径（默认：自动生成）

机器学习分析

# ML analysis with automatic negative sequence generation
python scripts/ml_analysis.py \
  --positive examples/data/positive.fa \
  --model-type gradient_boost \
  --n-estimators 200 \
  --output results/ml_demo

参数：

• --positive：带有阳性RNA序列的FASTA文件（必填）
• --negative：带负序列的FASTA文件（可选，如果未提供则生成）
• --model-type：ML算法-“random_forest”或“gradient_boost”（默认值：random_freest）
• --test-size：列车/试验分流比（默认值：0.3）
• --n-estimators：集合中的树数（默认值：100）
• --output：模型和结果的输出目录

______________________________________________________________________

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 RNAelem

选项2:Claude代码的手动安装

# Add MCP server to Claude Code
claude mcp add RNAelem -- $(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": {
    "RNAelem": {
      "command": "/home/xux/Desktop/NucleicMCP/NucleicMCP/tool-mcps/rnaelem_mcp/env/bin/python",
      "args": ["/home/xux/Desktop/NucleicMCP/NucleicMCP/tool-mcps/rnaelem_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 RNAelem?

基本主题发现

Use submit_motif_discovery with input file @examples/data/positive.fa and pattern file @examples/data/simple_pattern.txt

快速图案扫描（需要经过训练的模型）

Use scan_motifs to scan @examples/data/positive.fa with a trained model, threshold 0.8

机器学习分析

Run analyze_sequences_ml on @examples/data/positive.fa using gradient_boost with 200 estimators

长期运行任务（提交API）

Submit motif discovery for @examples/data/positive.fa with pattern @examples/data/simple_pattern.txt
Then check the job status

批处理

Process these files in batch using submit_batch_motif_scanning:
- @examples/data/positive.fa
- @results/new_sequences.fa

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": {
    "RNAelem": {
      "command": "/home/xux/Desktop/NucleicMCP/NucleicMCP/tool-mcps/rnaelem_mcp/env/bin/python",
      "args": ["/home/xux/Desktop/NucleicMCP/NucleicMCP/tool-mcps/rnaelem_mcp/src/server.py"]
    }
  }
}

示例提示

# Start Gemini CLI
gemini

# Example prompts (same as Claude Code)
> What tools are available?
> Use scan_motifs with file examples/data/positive.fa and threshold 0.7

______________________________________________________________________

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）：

批处理工具

作业管理工具

______________________________________________________________________

例子

示例1：基本主题发现

目标： 使用简单的发夹模式从tRNA序列中发现RNA基序

使用脚本：

python scripts/simple_pipeline.py \
  --input examples/data/positive.fa \
  --pattern examples/data/simple_pattern.txt \
  --output results/basic_discovery/

使用MCP（克劳德代码）：

Use submit_motif_discovery to process @examples/data/positive.fa with pattern @examples/data/simple_pattern.txt and save results to results/basic_discovery/

预期产量：

• 训练有素的模特 results/basic_discovery/model-*/
• 交叉验证结果
• 模型选择统计

示例2：图案扫描

目标： 使用训练好的模型扫描已知图案的序列

使用脚本：

python scripts/motif_scanning.py \
  --input examples/data/positive.fa \
  --model results/basic_discovery/model-1/train.model \
  --threshold 0.8 \
  --format csv \
  --output results/scanning.csv

使用MCP（克劳德代码）：

Run scan_motifs on @examples/data/positive.fa using model @results/basic_discovery/model-1/train.model with threshold 0.8 and csv format

预期产量：

• 每个序列的主题存在概率
• 主题对齐和位置
• 统计摘要

示例3：机器学习分析

目标： 使用集成机器学习增强基序分析

使用脚本：

python scripts/ml_analysis.py \
  --positive examples/data/positive.fa \
  --model-type gradient_boost \
  --n-estimators 500 \
  --output results/ml_enhanced/

使用MCP（克劳德代码）：

Submit analyze_sequences_ml for @examples/data/positive.fa using gradient_boost with 500 estimators, save to results/ml_enhanced/

预期产量：

• 经过训练的具有特征重要性的机器学习模型
• 绩效指标（准确性、精确度、召回率）
• 交叉验证结果

示例4：批处理

目标： 使用相同的训练模型处理多个序列文件

使用MCP（克劳德代码）：

Submit batch motif scanning for multiple files:
- @examples/data/positive.fa
- @results/new_sequences_1.fa
- @results/new_sequences_2.fa
Use model @results/basic_discovery/model-1/train.model with threshold 0.7

预期产量：

• 扫描每个输入文件的结果
• 所有文件的综合统计数据
• 批处理作业的进度跟踪

______________________________________________________________________

演示数据

这 examples/data/ 目录包含用于测试的示例数据：

______________________________________________________________________

配置文件

这 configs/ 目录包含配置模板：

配置示例

{
  "model_type": "gradient_boost",
  "n_estimators": 200,
  "test_size": 0.3,
  "cross_validation": 5
}

______________________________________________________________________

故障排除

环境问题

问题： 未找到环境

# Recreate environment
mamba create -p ./env python=3.10 -y
mamba activate ./env
pip install numpy scipy pandas scikit-learn loguru click tqdm fastmcp

问题： 导入错误

# Verify installation
python -c "from src.server import mcp; print('✅ Server imports work')"

问题： 未找到RNAelem二进制文件

# Check binaries are available
elem --help
RNAelem --help

# If missing, rebuild
cd repo/RNAelem
./waf configure --prefix=$HOME/local
./waf build
./waf install

MCP问题

问题： 在Claude代码中找不到服务器

# Check MCP registration
claude mcp list

# Re-add if needed
claude mcp remove RNAelem
claude mcp add RNAelem -- $(pwd)/env/bin/python $(pwd)/src/server.py

问题： 工具不工作

# Test server directly
python -c "
from src.server import mcp
print(list(mcp.list_tools().keys()))
"

工作问题

问题： 作业挂起

# Check job directory
ls -la jobs/

# View job log
cat jobs//job.log

问题： 作业失败

Use get_job_log with job_id "" and tail 100 to see error details

文件格式问题

问题： FASTA格式错误

# Validate file format
python -c "
from Bio import SeqIO
try:
    records = list(SeqIO.parse('examples/data/positive.fa', 'fasta'))
    print(f'✅ Found {len(records)} sequences')
except Exception as e:
    print(f'❌ FASTA error: {e}')
"

问题： 图案文件格式错误

# Check pattern file
cat examples/data/simple_pattern.txt
# Should show: (.....

______________________________________________________________________

发展

运行测试

# Activate environment
mamba activate ./env

# Run basic validation
python -c "
from src.server import mcp
from src.jobs.manager import job_manager
print('✅ All components imported successfully')
"

正在启动开发服务器

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

______________________________________________________________________

业绩说明

• 同步工具：最适合小文件（\10分钟）需要
• 批处理工具：最适合具有相同参数的多个文件
• 内存使用：完整环境约500MB，因数据集大小而异

______________________________________________________________________

许可证

此MCP服务器实现是在与原始RNAelem软件相同的许可条款下提供的。

学分

基于 RNAelem 福永实验室。 为NucleicMCP工具包开发的MCP集成。