关键词

单细胞RNA测序CellRank细胞命运预测生物信息分析数据可视化

项目简介

Cellrank MCP 服务器是一个基于 Model Context Protocol (MCP) 构建的后端服务，专门用于通过自然语言或结构化请求执行单细胞 RNA 测序数据的分析任务，特别是利用 CellRank 库进行细胞命运预测和轨迹分析。它使得大型语言模型 (LLM) 或支持 MCP 的客户端能够访问强大的生物信息学分析能力，而无需直接处理复杂的命令行工具和代码。

主要功能点

  • 数据输入输出 (IO): 能够读取和写入单细胞 RNA 测序数据文件（如 AnnData 格式）。
  • 数据预处理 (Preprocessing): 提供数据过滤、质量控制、归一化、缩放、高变基因选择、主成分分析 (PCA)、构建邻居图等常用的预处理步骤。
  • 分析工具 (Tools): 集成了 CellRank 的核心分析功能，例如计算转置矩阵、预测细胞初始状态和终端状态、计算细胞命运概率等。
  • 数据可视化 (Plotting): 支持生成各种图表来可视化分析结果，如基于嵌入空间的轨迹图、命运概率的环状投影图等。

安装步骤

要安装 Cellrank MCP 服务器，您可以使用 pip 包管理器：

pip install cellrank-mcp

安装完成后，您可以在终端通过 'cellrank-mcp run' 命令启动服务器进行测试。

服务器配置

Cellrank MCP 服务器由支持 MCP 协议的客户端进行管理和连接。在您的 MCP 客户端中，需要配置 Cellrank MCP 服务器的启动方式。通常需要提供服务器名称、启动命令和参数。

以下是两种常见的配置方式示例（具体配置界面和格式取决于您使用的 MCP 客户端）：

1. 本地运行配置

当 Cellrank MCP 服务器安装在客户端所在的同一台机器上时，可以直接通过命令行启动：

{
  "mcpServers": {
    "cellrank-mcp": {
      "command": "/path/to/cellrank-mcp",
      "args": [
        "run"
      ],
      "description": "本地运行的 Cellrank MCP 服务器"
    }
  }
}

说明：

  • '"cellrank-mcp"': 您为这个服务器实例定义的名称。
  • '"command"': 'cellrank-mcp' 可执行文件在您系统中的完整路径。您可以在终端运行 'which cellrank-mcp' 来查找此路径。
  • '"args"': 传递给 'command' 的参数列表。'"run"' 参数告诉服务器启动。
  • '"description"': 可选的描述信息。

2. 远程运行配置

当 Cellrank MCP 服务器运行在另一台机器上，并通过 HTTP (shttp) 或 WebSocket 等协议提供服务时，客户端通过 URL 连接：

首先，在服务器机器上启动 Cellrank MCP 服务器，指定传输协议和端口：

cellrank-mcp run --transport shttp --port 8000

然后，在本地 MCP 客户端中进行配置：

{
  "mcpServers": {
    "cellrank-mcp-remote": {
      "url": "http://remote_server_address:8000/mcp",
      "description": "远程运行的 Cellrank MCP 服务器"
    }
  }
}

说明：

  • '"cellrank-mcp-remote"': 您为这个远程服务器实例定义的名称。
  • '"url"': 远程服务器的地址和端口，以及 MCP 服务的路径（通常是 '/mcp'）。请将 'remote_server_address' 替换为实际的服务器 IP 地址或域名。
  • '"description"': 可选的描述信息。

配置完成后，您的 MCP 客户端应该能够发现并连接到 Cellrank MCP 服务器，从而可以使用其提供的单细胞分析功能。

基本使用方法

一旦 MCP 客户端成功连接到 Cellrank MCP 服务器，LLM 或客户端用户就可以通过发送符合 MCP 规范的请求来调用服务器提供的工具。例如，客户端可以发送请求来：

  1. 加载单细胞数据文件。
  2. 调用预处理工具对数据进行过滤和归一化。
  3. 创建 CellRank 内核（如基于 RNA 速率或伪时间）。
  4. 计算细胞间的转置矩阵。
  5. 利用 GPCCA 方法预测细胞的终端状态。
  6. 计算细胞到预测终端状态的命运概率。
  7. 生成命运概率的环状投影图进行可视化。

具体的请求细节由 MCP 客户端根据用户的输入或预设的工作流自动生成。服务器接收请求、执行相应的 CellRank 或 Scanpy/Scvelo 操作，并将结果（如更新的数据对象信息、图表文件路径、计算结果）通过 MCP 响应返回给客户端。

信息

分类

AI与计算

访问项目