做生物信息学分析的MCP

🎯 这是什么？

BioNext-MCP 是为 Cursor 设计的智能生物信息学分析工具，允许您通过自然语言对话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：

• 🗣️ 用自然语言告诉 Cursor 您要分析的数据
• 🤖 Cursor 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 并自动安装所需包（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

系统要求

• Python: >= 3.9
• Node.js: >= 16.0.0
• 操作系统: Windows, macOS, Linux

安装步骤

1. 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！

2. 安装 BioNext-MCP

下载项目
bash
git clone https://github.com/Cherine0205/BioNext-mcp.git
cd BioNext-mcp

安装依赖
bash
npm install
npm run build

3. 配置 Cursor

找到配置文件

• Windows: %APPDATA%\Cursor\User\settings.json
• macOS: ~/Library/Application Support/Cursor/User/settings.json
• Linux: ~/.config/Cursor/User/settings.json

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",
"PYTHON_PATH": "/usr/bin/python3"
}
}
}
}

重要提示：

• 将路径替换为您实际的安装路径
• 设置分析目录为您希望保存结果的位置
• 重启 Cursor

💡 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，并希望进行细胞聚类分析和差异表达分析

1. Cursor 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## 🎨 精美报告

HTML 报告功能

• 📊 可视化图库 - 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

• 分析完成后，报告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

与 Python 相关的问题

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

与分析相关的问题

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
• 查看错误日志以获取详细信息

Q: 未生成 HTML 报告？
A: 只有当所有脚本成功执行时才会生成 HTML 报告，首先修复执行错误

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

✅ 良好的描述：
"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），为每个聚类找到标记基因"

❌ 模糊的描述：
"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，将结果保存到 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

🔧 Cursor 集成

集成功能

该项目针对 Cursor IDE 进行了优化，具有以下功能：

• MCP 服务器支持 - 完整的模型上下文协议服务器实现
• 环境变量配置 - 完整的 Python 和 Node.js 环境配置
• 自动依赖管理 - 自动安装所需的 Python 包和 Node.js 模块
• 错误处理机制 - 全面的错误诊断和解决方案

系统要求

• Python: >= 3.9
• Node.js: >= 16.0.0
• 内存: >= 2GB RAM
• 存储空间: >= 1GB 可用空间

环境变量

• PROJECT_PATH: 分析结果输出路径
• PYTHON_PATH: Python 解释器路径
• NODE_ENV: Node.js 运行时环境
• PYTHON_VERSION: Python 版本要求

🎉 开启您的生物信息学之旅

现在您已经准备好了！打开 Cursor，告诉它您要分析的数据，让 AI 为您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: 用自然语言描述您的分析需求，Cursor 会为您处理所有的技术细节！🚀

📄 许可证

该项目根据 MIT 许可证发布 - 详情请参阅 LICENSE 文件。

🤝 贡献

欢迎提交 Issues 和 Pull Requests 来改进此项目！

BioNext-MCP 团队 - 让生物信息学分析变得简单易用！