SCMCP

Una interfaz de lenguaje natural para el análisis de secuenciación de ARN de células individuales (scRNA-Seq), que admite varios módulos desde IO hasta enriquecimiento.

GitHub

Prueba este MCPPatrocinado

Documentación

SCMCP

Un servidor MCP para análisis de scRNA-Seq con lenguaje natural.

🪩 ¿Qué puede hacer?

Módulo IO: Leer y escribir datos de scRNA-Seq con lenguaje natural
Módulo de preprocesamiento: Filtrado, control de calidad, normalización, escalado, genes altamente variables, PCA, Vecinos,...
Módulo de herramientas: Agrupamiento, expresión diferencial, etc.
Módulo de trazado: Diagramas de violín, mapas de calor, diagramas de puntos
Análisis de comunicación célula-célula
Análisis de pseudotiempo
Análisis de enriquecimiento

❓ ¿Para quién es esto?

Cualquier persona que quiera hacer análisis de scRNA-Seq usando lenguaje natural.
Desarrolladores de agentes que quieran llamar a las funciones de scanpy para sus aplicaciones.

🌐 ¿Dónde usarlo?

Puedes usar scmcp en la mayoría de clientes de IA, plugins o marcos de agentes que soporten MCP:

Clientes de IA, como Cherry Studio
Plugins, como Cline
Marcos de agentes, como Agno

📚 Documentación

La documentación completa de scmcphub está disponible en https://docs.scmcphub.org

🎬 Demo

Una demo que muestra el análisis de agrupamiento celular de scRNA-Seq en un cliente de IA Cherry Studio usando lenguaje natural basado en scmcp:

https://github.com/user-attachments/assets/93a8fcd8-aa38-4875-a147-a5eeff22a559

🏎️ Inicio rápido

Instalación

Instalar desde PyPI:

pip install scmcp

Puedes probarlo ejecutando:

scmcp run

🚀 Modos de ejecución

SCMCP proporciona dos modos de ejecución distintos para adaptarse a las diferentes necesidades y preferencias de los usuarios:

1. Modo de herramientas

En el modo de herramientas, SCMCP proporciona un conjunto seleccionado de funciones predefinidas que el LLM puede seleccionar y ejecutar.

Ventajas:

Estable: Las funciones predefinidas aseguran una ejecución consistente y fiable.
Predecible: Comportamiento conocido y salidas esperadas.
Seguro: Entorno controlado con operaciones validadas.

Desventajas:

Flexibilidad limitada: Restringido a las funciones predefinidas disponibles; necesitas definir nuevas herramientas cuando necesitas funciones personalizadas.

Uso

Ejecutar en terminal:

scmcp run --run-mode tool

Configurar el cliente MCP:

{
  "mcpServers": {
    "scmcp": {
      "command": "/home/test/bin/scmcp",
      "args": ["run", "--run-mode", "tool"]
    }
  }
}

Ejemplos:

2. Modo de código

En el modo de código, SCMCP proporciona un backend de Jupyter que permite al LLM generar y ejecutar código personalizado. Además, puede generar cuadernos de Jupyter completos que contienen código ejecutable, resultados de análisis y visualizaciones.

Este modo se basa en el proyecto: https://github.com/huang-sh/abcoder

Ventajas:

Altamente flexible: Puede crear flujos de trabajo personalizados y combinar operaciones libremente.
Extensible: Soporta cualquier código de Python y bibliotecas externas.
Interactivo: Ejecución de código en tiempo real y capacidades de depuración.

Desventajas:

Menos estable: La generación de código puede variar cada vez.

Uso

Ejecutar en terminal:

scmcp run --run-mode code

Configurar el cliente MCP:

{
  "mcpServers": {
    "scmcp": {
      "command": "/home/test/bin/scmcp",
      "args": ["run", "--run-mode", "code"]
    }
  }
}

Ejemplo: https://youtu.be/3jtXIeapslI

📝 Comparación de modos

Característica	Modo de herramientas	Modo de código
Método de ejecución	Funciones predefinidas	Generación de código personalizado
Estabilidad	Alta (consistente)	Baja (variable)
Flexibilidad	Limitada a las herramientas disponibles	Altamente flexible
Seguridad	Entorno controlado	Ejecución completa de Python
Caso de uso	Flujos de trabajo estándar	Análisis personalizado
Curva de aprendizaje	Fácil de usar	Requiere conocimiento de Python

🌐 Despliegue remoto

Para ambos modos, también puedes ejecutar SCMCP de forma remota:

Configuración remota

Iniciar el servidor:

# Tool mode
scmcp run --transport shttp --port 8000 --run-mode tool

# Code mode
scmcp run --transport shttp --port 8000 --run-mode code

Configura tu cliente MCP:

{
  "mcpServers": {
    "scmcp": {
      "url": "http://localhost:8000/mcp"
    }
  }
}

🤝 Contribuciones

Si tienes alguna pregunta, eres bienvenido a enviar un issue, o contactarme (hsh-me@outlook.com). ¡Las contribuciones al código también son bienvenidas!

Cómo citar

Si usas scmcp en tu investigación, por favor considera citar los siguientes trabajos:

Wolf, F., Angerer, P. & Theis, F. SCANPY: large-scale single-cell gene expression data analysis. Genome Biol 19, 15 (2018). https://doi.org/10.1186/s13059-017-1382-0

Dimitrov D., Schäfer P.S.L, Farr E., Rodriguez Mier P., Lobentanzer S., Badia-i-Mompel P., Dugourd A., Tanevski J., Ramirez Flores R.O. and Saez-Rodriguez J. LIANA+ provides an all-in-one framework for cell–cell communication inference. Nat Cell Biol (2024). https://doi.org/10.1038/s41556-024-01469-w

Badia-i-Mompel P., Vélez Santiago J., Braunger J., Geiss C., Dimitrov D., Müller-Dott S., Taus P., Dugourd A., Holland C.H., Ramirez Flores R.O. and Saez-Rodriguez J. 2022. decoupleR: ensemble of computational methods to infer biological activities from omics data. Bioinformatics Advances. https://doi.org/10.1093/bioadv/vbac016

Weiler, P., Lange, M., Klein, M. et al. CellRank 2: unified fate mapping in multiview single-cell data. Nat Methods 21, 1196–1205 (2024). https://doi.org/10.1038/s41592-024-02303-9