trrosettarna MCP

trRosettaRNA v1.1 MCP

使用变压器网络和Rosetta能量最小化从多序列比对中预测RNA 3D结构

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
• 演示数据
• 配置文件
• 故障排除

概述

trRosettaRNA v1.1 MCP通过独立脚本和模型控制协议（MCP）工具提供RNA结构预测功能。该实现将用于接触预测的基于变压器的神经网络与用于3D结构生成的Rosetta能量最小化相结合。

特性

• 基于MSA的预测：利用多序列比对提高准确性
• 二级结构约束：支持点括号、CT和SPOT-RNA概率格式
• 几何预测：无需3D折叠的快速接触图和距离预测
• 后台处理：具有进度跟踪功能的长期运行作业
• 批处理：并行处理多个RNA序列
• 双重环境：针对MCP集成和遗留依赖性进行了优化

目录结构

./
├── README.md               # This file
├── env/                    # Main conda environment (Python 3.10, MCP server)
├── env_py3.8/             # Legacy environment (Python 3.8, PyTorch 1.11.0)
├── src/
│   └── server.py           # MCP server with 12 tools
├── scripts/
│   ├── rna_geometry_prediction.py      # Basic RNA geometry prediction
│   ├── rna_msa_prediction.py          # MSA-based prediction with constraints
│   ├── rna_setup_verification.py      # Environment verification
│   └── lib/                           # Shared utilities
├── examples/
│   └── data/               # Demo data (seq.a3m, seq.dbn, etc.)
├── configs/                # Configuration templates
├── jobs/                   # Background job execution
└── repo/                   # Original trRosettaRNA repository

______________________________________________________________________

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+（用于MCP服务器）
• Python 3.8（用于trRosettaRNA脚本）
• CUDA 11.3+（可选，用于GPU加速）

创建环境

按照环境设置进行操作 reports/step3_environment.md。该设置需要双重环境：

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

# Create main MCP environment (Python 3.10)
mamba create -p ./env python=3.10 pip -y
# or: conda create -p ./env python=3.10 pip -y

# Activate and install MCP dependencies
mamba activate ./env
# or: conda activate ./env

pip install fastmcp loguru click pandas numpy tqdm

# Create legacy environment for trRosettaRNA (Python 3.8)
mamba env create -f repo/trRosettaRNA_v1.1/linux.yml -p ./env_py3.8
# or: conda env create -f repo/trRosettaRNA_v1.1/linux.yml -p ./env_py3.8

# Install additional dependencies in legacy environment
mamba run -p ./env_py3.8 pip install einops

______________________________________________________________________

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

RNA几何预测

# Activate legacy environment
mamba activate ./env_py3.8

# Run geometry prediction
python scripts/rna_geometry_prediction.py \
  --input examples/data/seq.a3m \
  --output results/geometries.npz

参数：

• --input, -i：MSA文件的路径（.a3m格式）（必填）
• --output, -o：输出文件路径（.npz格式）（可选）

基于MSA的约束预测

python scripts/rna_msa_prediction.py \
  --input examples/data/seq.a3m \
  --ss_file examples/data/seq_fixed.dbn \
  --output results/predictions.npz

参数：

• --input, -i：MSA文件的路径（.a3m格式）（必填）
• --ss_file, -ss：辅助结构文件（.dbn/.ct/.prob）的路径（必需）
• --output, -o：输出文件路径（.npz格式）（可选）

设置验证

python scripts/rna_setup_verification.py \
  --test_model_loading \
  --verbose

参数：

• --test_model_loading：是否测试加载ML模型（可选）
• --verbose：启用详细输出（可选）

______________________________________________________________________

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 trRosettaRNA_v1_1

选项2:Claude代码的手动安装

# Add MCP server to Claude Code
claude mcp add trRosettaRNA_v1_1 -- $(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": {
    "trRosettaRNA_v1_1": {
      "command": "/home/xux/Desktop/NucleicMCP/NucleicMCP/tool-mcps/trrosettarna_mcp/env/bin/python",
      "args": ["/home/xux/Desktop/NucleicMCP/NucleicMCP/tool-mcps/trrosettarna_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 trRosettaRNA_v1_1?

基本用法

Use predict_rna_geometry with input file @examples/data/seq.a3m

具有二级结构约束

Run predict_rna_with_msa on @examples/data/seq.a3m using structure @examples/data/seq_fixed.dbn

长期运行任务（提交API）

Submit rna_geometry_prediction for @examples/data/seq.a3m
Then check the job status

批处理

Process these files in batch:
- @examples/data/seq.a3m (with geometry prediction)

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": {
    "trRosettaRNA_v1_1": {
      "command": "/home/xux/Desktop/NucleicMCP/NucleicMCP/tool-mcps/trrosettarna_mcp/env/bin/python",
      "args": ["/home/xux/Desktop/NucleicMCP/NucleicMCP/tool-mcps/trrosettarna_mcp/src/server.py"]
    }
  }
}

示例提示

# Start Gemini CLI
gemini

# Example prompts (same as Claude Code)
> What tools are available?
> Use predict_rna_geometry with file examples/data/seq.a3m

______________________________________________________________________

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

实用工具

______________________________________________________________________

例子

示例1：基本RNA几何预测

目标： 从MSA预测RNA接触图和距离几何

使用脚本：

python scripts/rna_geometry_prediction.py \
  --input examples/data/seq.a3m \
  --output results/geometry.npz

使用MCP（克劳德代码）：

Use predict_rna_geometry to process @examples/data/seq.a3m and save results to results/geometry.npz

预期产量：

• NPZ文件（~2.3MB），包含联系地图和距离预测
• 包含输入文件信息和处理统计信息的元数据

示例2：基于MSA的结构约束预测

目标： 利用进化信息和二级结构增强预测

使用脚本：

python scripts/rna_msa_prediction.py \
  --input examples/data/seq.a3m \
  --ss_file examples/data/seq_fixed.dbn \
  --output results/constrained.npz

使用MCP（克劳德代码）：

Run predict_rna_with_msa on @examples/data/seq.a3m with structure @examples/data/seq_fixed.dbn

预期产量：

• 具有增强联系人预测功能的NPZ文件
• 二级结构验证和处理元数据

示例3：批处理

目标： 一次处理多个RNA序列

使用脚本：

for f in examples/data/*.a3m; do
  python scripts/rna_geometry_prediction.py --input "$f" --output results/batch/
done

使用MCP（克劳德代码）：

Submit batch processing for geometry prediction on these files:
- @examples/data/seq.a3m

示例4：设置验证

目标： 验证环境和模型加载

使用脚本：

python scripts/rna_setup_verification.py --test_model_loading --verbose

使用MCP（克劳德代码）：

Use verify_rna_setup with test_model_loading=true and verbose=true

预期产量：

• 环境状态（Python版本、CUDA、软件包）
• 模型加载试验结果
• 所有组件的通过/失败摘要

______________________________________________________________________

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": {
    "dir": "examples/params/model_1",
    "architecture": "DistPredictor"
  },
  "processing": {
    "max_msa_rows": 1000,
    "gpu_id": "-1",
    "batch_size": 1
  },
  "prediction": {
    "contact_threshold": 0.5,
    "geometry_only": true
  }
}

______________________________________________________________________

故障排除

环境问题

问题： 未找到环境

# Recreate environments
mamba create -p ./env python=3.10 -y
mamba create -p ./env_py3.8 python=3.8 -y
mamba activate ./env
pip install fastmcp loguru

问题： 脚本中的PyTorch导入错误

# Verify legacy environment
mamba activate ./env_py3.8
python -c "import torch; print(torch.__version__)"
# Should print: 1.11.0+cu113

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 trRosettaRNA_v1_1
claude mcp add trRosettaRNA_v1_1 -- $(pwd)/env/bin/python $(pwd)/src/server.py

问题： 工具不工作

# Test server directly
./env/bin/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 metadata
cat jobs//metadata.json

问题： 作业失败

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

脚本问题

问题： 模型加载错误

# Verify model files exist
ls -la examples/params/model_1/models/model_1.pth.tar
ls -la examples/params/model_1/config/model_1.json

# Test model loading
mamba run -p ./env_py3.8 python scripts/rna_setup_verification.py --test_model_loading

问题： 文件格式错误

# Validate input files
python -c "
from scripts.lib.utils import validate_a3m_file
print(validate_a3m_file('examples/data/seq.a3m'))
"

______________________________________________________________________

发展

运行测试

# Activate main environment for MCP tests
mamba activate ./env
pytest tests/ -v

# Activate legacy environment for script tests
mamba activate ./env_py3.8
python tests/test_integration.py

正在启动开发服务器

# Run MCP server in development mode
mamba run -p ./env fastmcp dev src/server.py

MCP检验员测试

# Install MCP inspector (if not already installed)
npm install -g @anthropic/mcp-inspector

# Test server
npx @anthropic/mcp-inspector src/server.py

______________________________________________________________________

性能特征

同步工具性能

*注：时间假定CPU处理。GPU加速可以减少2-5倍的时间。*

______________________________________________________________________

许可证

基于 trRosettaRNA v1.1 -有关许可证信息，请参阅原始存储库。

学分

• 软件：trRosettaRNA v1.1，华盛顿大学蛋白质设计研究所
• MCP集成：为NucleicMCP项目创建
• 依赖项：PyTorch、NumPy、einops、FastMCP

引用

如果您使用此MCP实现，请引用trRosettaRNA的原始论文：

@article{trrosettarna2021,
  title={Improved RNA secondary structure and tertiary base-pairing prediction using evolutionary profile, mutational coupling and two-dimensional transfer learning},
  journal={Bioinformatics},
  year={2021}
}