NCBI Literature Search

Pesquise em bancos de dados do NCBI, incluindo PubMed, por literatura científica. Adaptado para pesquisadores em ciências da vida, biologia evolutiva e biologia computacional.

GitHub

Documentação

NCBI Literature Search MCP Server

Um servidor Model Context Protocol (MCP) para pesquisar bancos de dados do NCBI, projetado para pesquisadores de todas as áreas das ciências da vida e biomédicas. Este servidor fornece acesso contínuo ao vasto acervo de mais de 35 milhões de artigos científicos do PubMed por meio de consultas em linguagem natural, permitindo que assistentes de IA ajudem em revisões de literatura, descoberta de pesquisas e análise científica.

Recursos

🔬 Pesquisa Abrangente: Pesquise mais de 35 milhões de artigos do PubMed em todas as disciplinas biológicas 📊 Consultas Avançadas: Suporte para buscas complexas com operadores booleanos, tags de campo e filtros
🧬 Pesquisa em Ciências da Vida: Cobre todos os campos biológicos e biomédicos, incluindo genética, ecologia, medicina e biotecnologia 💻 Biologia Computacional: Perfeito para encontrar métodos de bioinformática, algoritmos e ferramentas computacionais 🔬 Aplicações de Pesquisa: Revisões de literatura, geração de hipóteses, descoberta de métodos e atualização sobre avanços científicos 📚 Detalhes Completos de Artigos: Obtenha resumos, listas de autores, termos MeSH, DOIs e informações de publicação 🔗 Artigos Relacionados: Descubra pesquisas relevantes através dos algoritmos de relacionamento do NCBI 📖 Integração MeSH: Pesquise e utilize Medical Subject Headings para terminologia precisa

Início Rápido

Pré-requisitos

Python 3.8 ou superior
Poetry (recomendado) - Instalar Poetry

Configuração (5 minutos)

Crie e inicialize o projeto
```
mkdir ncbi-mcp-server && cd ncbi-mcp-server
poetry init
```
Durante a inicialização, adicione as dependências: mcp, httpx, typing-extensions

Crie a estrutura do projeto

mkdir -p src/ncbi_mcp_server
# Save server.py code as src/ncbi_mcp_server/server.py

Instale as dependências
```
poetry install
```

Teste o servidor

poetry run python src/ncbi_mcp_server/server.py

Configure o Claude Desktop

Edite o arquivo de configuração do Claude Desktop:
- macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
- Windows: %APPDATA%/Claude/claude_desktop_config.json
- Linux: ~/.config/claude/claude_desktop_config.json
Adicione esta configuração:
```
{
  "mcpServers": {
    "ncbi-literature": {
      "command": "poetry",
      "args": ["run", "python", "src/ncbi_mcp_server/server.py"],
      "cwd": "/FULL/PATH/TO/YOUR/ncbi-mcp-server"
    }
  }
}
```
Reinicie o Claude Desktop e comece a pesquisar!

Métodos Alternativos de Configuração

Clique para expandir métodos alternativos de instalação

Ambiente Conda

conda env create -f environment.yml
conda activate ncbi-mcp
python server.py

pip + venv padrão

python -m venv venv
source venv/bin/activate  # Linux/macOS
pip install -r requirements.txt
python server.py

Exemplos de Uso

Para Pesquisa em Biologia Evolutiva

Pesquise estudos filogenéticos:

"Search for recent phylogenetic analysis papers on mammalian evolution"
→ Uses: search_pubmed with query "phylogenetic analysis[ti] AND mammalian[ti] AND evolution"

Encontre métodos computacionais de filogenética:

"Find papers about maximum likelihood methods for phylogenetic reconstruction"
→ Uses: search_pubmed with query "maximum likelihood[ti] AND phylogenetic reconstruction"

Pesquise por organismo específico:

"Find recent papers on Drosophila comparative genomics"
→ Uses: search_pubmed with query "Drosophila[ti] AND comparative genomics[ti]"

Para Pesquisa em Biologia Computacional

Artigos sobre algoritmos e métodos:

"Search for machine learning applications in genomics from the last 2 years"
→ Uses: search_pubmed with date_range="730" and query "machine learning AND genomics"

Artigos sobre software e bancos de dados:

"Find papers about new bioinformatics tools for sequence analysis"
→ Uses: search_pubmed with query "bioinformatics[ti] AND software[ti] AND sequence analysis"

Exemplos de Busca Avançada

Busca com múltiplos critérios:

"Find review articles about CRISPR applications in evolutionary studies published in Nature or Science"
→ Uses: advanced_search with terms=["CRISPR", "evolution"], publication_types=["Review"], journals=["Nature", "Science"]

Buscas específicas por autor:

"Find recent papers by researchers working on ancient DNA and phylogenomics"
→ Uses: search_pubmed with query "ancient DNA[ti] AND phylogenomics[ti]"

Referência de Ferramentas

`search_pubmed`

Ferramenta principal de pesquisa no banco de dados PubMed

query: Termos de busca (suporta tags de campo como [ti] para título, [au] para autor, [mh] para termos MeSH)
max_results: Número de resultados (1-100, padrão: 20)
sort: Ordenar por "relevance", "pub_date", "author" ou "journal"
date_range: Limitar a artigos recentes ("30", "90", "365", "1095" dias)

Exemplos:

"CRISPR[ti] AND evolution" - CRISPR no título E evolução em qualquer lugar
"phylogenetic analysis[mh]" - Usando termo MeSH para análise filogenética
"computational biology AND machine learning" - Busca booleana

`get_article_details`

Busca informações completas de artigos específicos

pmids: Lista de IDs do PubMed (até 50)

Retorna resumos completos, listas de autores, termos MeSH, DOI, detalhes de publicação

`search_mesh_terms`

Encontra Medical Subject Headings padronizados

term: Termo para pesquisar no banco de dados MeSH

Ajuda a descobrir conceitos relacionados e melhorar a precisão da busca

`get_related_articles`

Descobre artigos relacionados a um artigo específico

pmid: ID do PubMed do artigo de referência
max_results: Número de artigos relacionados (1-50, padrão: 10)

Perfeito para revisões de literatura e para encontrar pesquisas relevantes

`advanced_search`

Buscas complexas com múltiplos critérios

terms: Lista de termos de busca para combinar
operator: "AND", "OR" ou "NOT" para combinar termos
authors: Lista de nomes de autores
journals: Lista de nomes de periódicos
publication_types: "Research Article", "Review", "Meta-Analysis", etc.
date_from/date_to: Intervalo de datas no formato YYYY/MM/DD
max_results: Número de resultados (1-100, padrão: 20)

Analytics e Monitoramento de Desempenho

O NCBI MCP Server inclui analytics abrangentes para ajudar você a entender seus padrões de pesquisa e otimizar o desempenho.

Ferramentas de Analytics

`get_analytics_summary`

Obtenha uma visão geral abrangente de analytics

"Show me my research analytics summary"

Retorna:

Total de solicitações e tempo de atividade
Detalhamento por operação (buscas, buscas de detalhes, etc.)
Métricas de desempenho de cache
Atividade recente e taxas de erro
Indicadores de saúde do sistema

`get_detailed_metrics`

Métricas detalhadas de desempenho para períodos específicos

"Get detailed metrics for the last 24 hours"

hours: Período de tempo para analisar (padrão: 24)
Dados de desempenho por operação
Análise de linha do tempo com detalhamento por hora
Taxas de erro e tempos de resposta por operação

`reset_analytics`

Redefine dados de analytics (use com cautela)

"Reset all analytics data"

Nota: Isso limpa permanentemente todas as métricas coletadas.

O Que É Monitorado

Padrões de Uso:

Consultas de busca e frequência
Operações mais utilizadas
Consultas únicas vs. repetidas
Períodos de pico de uso

Métricas de Desempenho:

Tempos de resposta para cada operação
Taxas de acerto/erro de cache
Taxas e tipos de erro
Eficiência de limitação de taxa

Insights de Pesquisa:

Termos e padrões de busca populares
Análise de fluxo de trabalho de pesquisa
Padrões de acesso à literatura
Periódicos e tópicos mais acessados

Implantação

Início Rápido

Configure as credenciais:

cp .env.example .env
# Edit .env with your NCBI email and API key

Escolha o método de implantação:

# Local development
./deploy.sh local

# Docker deployment
./deploy.sh docker

# Production deployment
./deploy.sh production

Opções de Implantação

1. Desenvolvimento Local

Perfeito para desenvolvimento e testes:

poetry install
poetry run python -m src.ncbi_mcp_server.server

2. Implantação com Docker

Recomendado para a maioria dos usuários, com duas opções:

Configuração completa com Redis (recomendada):

# Copy and configure environment
cp .env.example .env
# Edit .env with your NCBI email and API key

# Start all services
docker-compose up -d

Configuração simples sem Redis:

# For basic usage without Redis dependencies
cp .env.example .env
# Edit .env with your NCBI email

docker-compose -f docker-compose.simple.yml up -d

A configuração completa inclui:

Container do NCBI MCP Server
Cache Redis para desempenho
Interface Redis Commander (http://localhost:8081)

A configuração simples inclui:

Apenas o container do NCBI MCP Server
Cache em memória (sem persistência)

3. Implantação em Produção

Para ambientes de produção:

# Configure production settings
cp .env.production .env
# Edit with production values

# Deploy
./deploy.sh production

Monitoramento

Logs do Docker:

docker-compose logs -f ncbi-mcp-server

Monitoramento de cache:

Redis Commander: http://localhost:8081
Estatísticas de cache via ferramenta MCP: cache_stats()

Verificações de saúde:

# Test server health
curl http://localhost:8000/health

# Test via MCP
python -c "from src.ncbi_mcp_server.server import cache_stats; import asyncio; print(asyncio.run(cache_stats()))"

Configuração

Chave de API do NCBI (Opcional, mas Recomendada)

Para limites de taxa mais altos e melhor desempenho:

Registre-se no NCBI: https://www.ncbi.nlm.nih.gov/account/
Obtenha a chave de API: https://www.ncbi.nlm.nih.gov/account/settings/
Adicione ao código do servidor em src/ncbi_mcp_server/server.py:

# Replace the line: ncbi_client = NCBIClient()
# With:
ncbi_client = NCBIClient(
    email="your.email@university.edu",
    api_key="your_api_key_here"
)

Limites de Taxa

Sem chave de API: 3 solicitações/segundo
Com chave de API: 10 solicitações/segundo
Com chave de API + email: Limites mais altos para solicitações em massa

Fluxo de Trabalho de Desenvolvimento

Comandos Poetry

poetry shell              # Activate virtual environment
poetry add package        # Add new dependency
poetry remove package     # Remove dependency
poetry update            # Update all dependencies
poetry run python ...    # Run commands in environment
poetry build             # Create distribution packages

Qualidade de Código (se você adicionou dependências de desenvolvimento)

poetry add --group dev black mypy pytest isort flake8
poetry run black .       # Format code
poetry run mypy .        # Type checking  
poetry run pytest       # Run tests
poetry run isort .       # Sort imports

Compartilhando com Colegas

# They just need:
git clone your-repo
cd ncbi-mcp-server  
poetry install
# Everything works identically!

Tags de Campo para Buscas Avançadas

O PubMed suporta muitas tags de campo para busca precisa:

[ti] - Título
[tiab] - Título e Resumo
[au] - Autor
[mh] - Termos MeSH
[journal] - Nome do Periódico
[pdat] - Data de Publicação
[pt] - Tipo de Publicação
[lang] - Idioma
[sb] - Subconjunto (ex.: medline, pubmed)

Exemplos de Consultas Avançadas:

"machine learning"[ti] AND "phylogen*"[tiab] AND "2020"[pdat]:"2024"[pdat]
evolutionary[mh] AND computational[ti] AND (genomics[tiab] OR proteomics[tiab])
"ancient DNA"[ti] AND (paleogenomics[mh] OR phylogenomics[tiab])

Exemplos de Fluxo de Trabalho de Pesquisa

Fluxo de Trabalho de Revisão de Literatura

Comece amplo: search_pubmed("computational phylogenetics")
Refine com MeSH: search_mesh_terms("phylogenetics")
Encontre artigos-chave: Use datas de publicação e filtros de periódicos
Explore conexões: get_related_articles(pmid="key_paper_id")
Aprofunde-se: get_article_details(pmids=["12345", "67890"])

Mantendo-se Atualizado

Métodos recentes: search_pubmed("new methods", date_range="90")
Siga autores-chave: search_pubmed("author_name[au]", sort="pub_date")
Acompanhe tópicos específicos: advanced_search com suas palavras-chave de pesquisa

Descoberta de Métodos

Artigos sobre algoritmos: search_pubmed("algorithm[ti] AND your_field")
Ferramentas de software: search_pubmed("software[ti] OR tool[ti] AND bioinformatics")
Benchmarking: search_pubmed("comparison[ti] OR benchmark[ti]")

Solução de Problemas

Problemas Comuns

O servidor não inicia:

Verifique a versão do Python (3.8+ necessária)
Instale as dependências: pip install -r requirements.txt
Verifique as permissões de arquivo

Sem resultados de busca:

Verifique a sintaxe da consulta (use tags de campo adequadas)
Tente termos de busca mais amplos
Verifique a conexão com a internet

Erros de limite de taxa:

Adicione atrasos entre as solicitações
Obtenha uma chave de API do NCBI para limites mais altos
Considere buscar menos resultados por consulta

Erros de análise XML:

Geralmente são problemas temporários do servidor do NCBI
Tente novamente após alguns segundos
Verifique o status do NCBI: https://www.ncbi.nlm.nih.gov/

Obtendo Ajuda

Documentação de E-utilities do NCBI: https://www.ncbi.nlm.nih.gov/books/NBK25499/
Dicas de busca no PubMed: https://pubmed.ncbi.nlm.nih.gov/help/
Banco de dados MeSH: https://www.ncbi.nlm.nih.gov/mesh/

Contribuindo

Este servidor MCP foi projetado para crescer com a comunidade de pesquisa. Ideias para aprimoramento:

Bancos de dados adicionais: PMC, BioRxiv, bancos de dados além do NCBI
Análise de citações: Acompanhe o impacto de artigos e redes de citações
Formatos de exportação: BibTeX, EndNote, RIS para gerenciadores de referências
Buscas salvas: Perfis de pesquisa persistentes e alertas
Integração de texto completo: Quando disponível através do PMC

Licença

Este projeto é de código aberto. Sinta-se à vontade para modificar e distribuir de acordo com as políticas da sua instituição.

Perfeito para pesquisadores em:

Biologia Evolutiva e Filogenética
Biologia Computacional e Bioinformática
Evolução Molecular e Genética de Populações
Genômica Comparativa e Proteômica
Biologia de Sistemas e Análise de Redes
Bioestatística e Biologia Matemática
DNA Antigo e Paleogenômica
Genética da Conservação e Ecologia

Comece a explorar o vasto mundo da literatura biológica com buscas poderosas e precisas!