BioNext-MCP: 智能生物信息学分析助手

通过Claude Desktop进行生物信息学分析的最简单方法 - 只需用自然语言聊天，无需编程！

中文版 | English

🎯 这是什么？

BioNext-MCP允许您通过与Claude Desktop进行自然语言对话来执行复杂的生物信息学分析，而无需编写任何代码！

简而言之：

• 🗣️ 用简单的英语告诉Claude您要分析的数据
• 🤖 Claude自动生成专业的Python分析脚本
• ⚡ 系统自动执行脚本并显示结果
• 📊 获取美观的HTML报告和可视化图表

✨ 主要功能

🧬 支持的分析类型

• 单细胞RNA测序 (scRNA-seq) - 细胞聚类、差异表达、轨迹分析
• 基因组学 - 变异分析、注释、功能富集
• 转录组学 - 差异表达、通路分析、共表达网络
• 蛋白质组学 - 蛋白质鉴定、定量分析
• 多组学整合 - 数据融合、相关性分析

🎨 智能特性

• 自动环境设置 - 检测Python，自动安装所需包（pandas, numpy, matplotlib等）
• UTF-8编码支持 - 完美支持国际字符
• 可视化优先 - 自动生成图表并在HTML报告中显示
• 质量保证 - 专注于代码完整性和分析准确性
• 错误处理 - 智能诊断问题并提供解决方案建议

🚀 快速开始

第一步：安装Python环境

推荐：官方网站安装

1. 访问 https://www.python.org/downloads/
2. 下载Python 3.9或更高版本
3. 在安装过程中务必勾选“Add Python to PATH”

验证安装

打开命令提示符并输入：
bash
python --version

如果看到版本信息，则安装成功！

第二步：安装BioNext-MCP

1. 下载项目
   bash
   git clone https://github.com/your-username/BioNext-mcp.git
   cd BioNext-mcp

2. 安装依赖
   bash
   npm install
   npm run build

第三步：配置Claude Desktop

1. 找到配置文件

   • Windows: %APPDATA%\Claude\claude_desktop_config.json

2. 添加配置
   json
   {
   "mcpServers": {
   "bioinformatics-workflow": {
   "command": "node",
   "args": ["D:\path\to\BioNext-mcp\dist\index.js"],
   "cwd": "D:\path\to\BioNext-mcp",
   "env": {
   "PROJECT_PATH": "D:\path\to\your\analysis\directory"
   }
   }
   }
   }

重要：

• 将路径替换为您的实际安装路径
• 设置分析目录为您希望保存结果的位置

1. 重启Claude Desktop

💡 如何使用

基本对话流程

1. 描述您的分析需求

我有一个单细胞RNA测序数据文件data.h5ad，我想进行细胞聚类分析和差异表达分析

1. Claude将自动生成分析脚本并自动执行
2. 获取详细的HTML报告，包括：
   • 执行结果和统计信息
   • 生成的图表和可视化
   • 完整的分析日志

实际示例

🧪 单细胞分析

请帮我分析这个scRNA-seq数据：

• 文件: C:\data\pbmc3k.h5ad
• 需求: 质量控制、归一化、聚类、标记基因识别
• 输出: UMAP图、聚类热图、差异表达基因列表#### 🧬 基因表达分析

我有来自两个组的RNA-seq表达矩阵：

• 对照组：control_samples.csv
• 处理组：treatment_samples.csv
• 分析：差异表达、GO富集、KEGG通路分析
• 可视化：火山图、热图、通路图

📊 数据探索

请帮我探索这个基因表达数据集：

• 文件：gene_expression.csv
• 需求：数据概览、相关性分析、PCA分析
• 生成：统计摘要、相关性热图、PCA图

🎨 精美的报告

HTML报告特性

• 📊 可视化画廊 - 自动检测并显示生成的图像
• 🔍 交互式查看 - 单击图像以放大和查看
• 📝 详细日志 - 完整的执行过程记录
• 📈 统计摘要 - 脚本执行状态和性能指标

自动打开浏览器

• 报告在分析完成后会自动在浏览器中打开
• 如果未自动打开，请手动打开生成的HTML文件

🛠️ 常见问题

Python相关

Q: 出现“Python not found”错误？
A: 确保已安装Python并将其添加到PATH环境变量中

Q: 包安装失败？
A: 系统将自动重试，或者手动运行pip install package_name

分析相关

Q: 脚本执行失败？
A:

• 检查数据文件路径是否正确
• 确认数据格式符合要求
• 查看错误日志获取详细信息

Q: 未生成HTML报告？
A: 仅当所有脚本成功执行时才会生成HTML报告，首先解决执行错误

数据格式

Q: 支持哪些数据格式？
A:

• CSV、TSV、Excel文件
• HDF5格式（.h5, .h5ad）
• FASTA、FASTQ序列文件
• VCF变异文件
• 其他常见的生物信息学格式

🎯 使用技巧

1. 清晰描述需求

✅ 好的描述：
"分析单细胞数据，进行质量控制（过滤低质量细胞）、归一化、降维（PCA+UMAP）、聚类（leiden算法），找到每个簇的标记基因"

❌ 含糊的描述：
"分析这些数据"

2. 提供完整的文件路径

✅ 使用绝对路径：
"C:\Users\username\data\sample.h5ad"

❌ 相对路径可能会失败：
"./data/sample.h5ad"

3. 明确输出要求

✅ 明确的输出：
"生成UMAP图、热图，将结果保存为CSV文件"

❌ 不明确：
"做一些可视化"

4. 分步分析

对于复杂的分析，可以分多次对话进行：

1. 第一步：数据加载和质量控制
2. 第二步：归一化和降维
3. 第三步：聚类和可视化
4. 第四步：差异分析

🎉 开始你的生物信息学之旅

你现在准备好了！打开Claude Desktop，告诉它你想分析的数据，让AI为你处理复杂的生物信息学分析！

📞 获取帮助

• GitHub Issues：报告问题或提出改进建议
• 文档：查看详细的使用文档
• 示例：参考示例分析案例

记住： 用自然语言描述你的分析需求，Claude将为你处理所有的技术细节！🚀