Infercnv-MCP

Inferir Variações no Número de Cópias (CNVs) a partir de dados de RNA-Seq de célula única usando uma interface de linguagem natural.

Documentação

Infercnv-MCP

Interface em linguagem natural para inferência de variação do número de cópias (CNV) a partir de dados scRNA-Seq com infercnvpy através do MCP.

🪩 O que pode fazer?

  • Módulo de IO para leitura e escrita de dados scRNA-Seq, carregar posição de genes
  • Módulo de pré-processamento para cálculo de vizinhos e preparação de dados
  • Módulo de ferramentas para inferência de CNV, escore de CNV
  • Módulo de plotagem para mapas de calor de cromossomos, UMAP e visualizações t-SNE

❓ Para quem é?

  • Pesquisadores que desejam inferir CNVs a partir de dados scRNA-Seq usando linguagem natural
  • Desenvolvedores de agentes que desejam integrar análise de CNV em suas aplicações

🌐 Onde usar?

Você pode usar infercnv-mcp na maioria dos clientes de IA, plugins ou frameworks de agentes que suportam MCP:

  • Clientes de IA, como Cherry Studio
  • Plugins, como Cline
  • Frameworks de agentes, como Agno

📚 Documentação

A documentação completa do scmcphub está disponível em https://docs.scmcphub.org

🏎️ Início rápido

Instalação

Instale a partir do PyPI

pip install infercnv-mcp

você pode testar executando

infercnv-mcp run

executar infercnv-mcp localmente

Consulte a seguinte configuração no seu cliente MCP:

verificar caminho

$ which infercnv 
/home/test/bin/infercnv-mcp
"mcpServers": {
  "infercnv-mcp": {
    "command": "/home/test/bin/infercnv-mcp",
    "args": [
      "run"
    ]
  }
}

Executar infercnv-server remotamente

Consulte a seguinte configuração no seu cliente MCP:

Execute no seu servidor

infercnv-mcp run --transport shttp --port 8000

Em seguida, configure seu cliente MCP, assim:

http://localhost:8000/mcp

🤝 Contribuindo

Se você tiver alguma dúvida, sinta-se à vontade para abrir uma issue ou entrar em contato comigo (hsh-me@outlook.com). Contribuições para o código também são bem-vindas!

Citação

Se você usar infercnv-mcp em sua pesquisa, considere citar o seguinte trabalho:

https://github.com/icbi-lab/infercnvpy