cycpeptmp MCP

CycPeptMP MCP

环肽计算工具-MCP服务器，用于环肽分析、性质计算和膜渗透性预测

目录

• 概述
• 安装
• 本地使用（脚本）
• MCP服务器安装
• 使用Claude代码
• 与Gemini CLI一起使用
• 可用工具
• 例子
• 故障排除

概述

CycPeptMP MCP为环肽研究和药物发现提供了全面的计算工具。它基于CycPeptMP（环肽膜渗透性）框架构建，通过直观的MCP界面提供快速的属性计算和先进的机器学习预测。

特性

• 分子性质计算：计算药物样性质、分子描述符和Lipinski的五规则依从性
• SMILES验证：通过环性检测验证和规范化环肽SMILES结构
• 膜渗透性预测：使用具有多级分子特征的深度学习模型进行基于ML的渗透率预测
• 批次分析：通过化学多样性评估进行虚拟筛选的高通量分析
• 三维结构预测：生成多个具有能量优化的3D形状（计划中）
• 数据库相似性搜索：使用分子指纹与环肽数据库进行比较

目录结构

./
├── README.md               # This file
├── env/                    # Conda environment (Python 3.10)
├── env_py39/              # Legacy environment (Python 3.9, for CycPeptMP)
├── src/
│   ├── server.py          # MCP server with 13 tools
│   ├── utils.py           # Shared utilities and helpers
│   └── jobs/              # Job management for async operations
├── scripts/
│   ├── validate_peptide.py           # SMILES validation and properties
│   ├── batch_analysis.py             # Comprehensive batch analysis
│   ├── predict_membrane_permeability.py  # ML-based permeability prediction
│   └── lib/                          # Shared utilities
│       ├── molecules.py              # RDKit molecular operations
│       ├── io.py                     # File I/O functions
│       └── validation.py             # Input validation
├── examples/
│   └── data/               # Demo data
│       ├── sequences/      # Sample cyclic peptide SMILES
│       │   └── new_data.csv           # Anidulafungin & Pasireotide samples
│       ├── models/         # Pre-trained CycPeptMP model weights
│       └── CycPeptMP.json  # Model configuration
├── configs/                # Configuration files
│   ├── default_config.json            # Default settings
│   ├── validate_peptide_config.json   # Validation configuration
│   ├── batch_analysis_config.json     # Analysis configuration
│   └── predict_membrane_permeability_config.json  # ML pipeline config
└── jobs/                   # Job storage (created at runtime)

______________________________________________________________________

安装

快速设置

运行自动安装脚本：

./quick_setup.sh

这将创建两个环境（MCP服务器的Python 3.10和CycPeptMP核心的Python 3.9），并自动安装所有依赖项。

手动设置（高级）

对于手动安装或自定义，请执行以下步骤。

先决条件

• Conda或Mamba（建议使用曼巴以加快安装速度）
• MCP服务器的Python 3.10+
• Python 3.9提供完整的CycPeptMP功能
• RDKit（自动安装）

创建环境

遵循双环境设置 reports/step3_environment.md:

# Navigate to the MCP directory
cd /home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/cycpeptmp_mcp

# Detect package manager (prefer mamba over conda)
if command -v mamba &> /dev/null; then
    PKG_MGR="mamba"
else
    PKG_MGR="conda"
fi
echo "Using package manager: $PKG_MGR"

# Create main MCP environment (Python 3.10)
$PKG_MGR create -p ./env python=3.10 pip -y

# Activate main environment
$PKG_MGR activate ./env

# Install MCP dependencies
pip install fastmcp loguru click pandas numpy tqdm

# Install RDKit from conda-forge
$PKG_MGR install -c conda-forge rdkit matplotlib-base pillow sqlalchemy

# Force reinstall FastMCP for clean installation
pip install --force-reinstall --no-cache-dir fastmcp

# Create legacy environment for CycPeptMP (Python 3.9)
$PKG_MGR create -p ./env_py39 python=3.9 pip -y

# Activate legacy environment
$PKG_MGR activate ./env_py39

# Install CycPeptMP dependencies with exact versions
pip install numpy==1.25.0 pandas==1.4.4 torch==2.0.0

# Install RDKit and Mordred
$PKG_MGR install -c conda-forge rdkit
pip install mordred

# Return to main environment for MCP server
$PKG_MGR activate ./env

______________________________________________________________________

本地使用（脚本）

您可以在没有MCP的情况下直接使用脚本进行本地处理。

可用脚本

脚本示例

验证环肽

# Activate environment
mamba activate ./env

# Validate single SMILES
python scripts/validate_peptide.py \
  --smiles "NCCCC[C@@H]1NC(=O)[C@@H](Cc2c[nH]c3ccccc23)NC(=O)[C@H](c2ccccc2)NC(=O)[C@@H]2C[C@@H](OC(=O)NCCN)CN2C(=O)[C@H](Cc2ccccc2)NC(=O)[C@H](Cc2ccc(OCc3ccccc3)cc2)NC1=O" \
  --output results/validation.csv

# Validate batch file
python scripts/validate_peptide.py \
  --input examples/data/sequences/new_data.csv \
  --output results/batch_validation.csv

参数：

• --smiles, -s：环肽SMILES字符串（单次验证所需）
• --input, -i：输入带SMILES列的CSV文件（批量处理所需）
• --output, -o：输出CSV文件路径（可选）
• --config：配置文件路径（可选）

计算属性并分析多样性

# Comprehensive batch analysis
python scripts/batch_analysis.py \
  --input examples/data/sequences/new_data.csv \
  --output results/analysis \
  --similarity-threshold 0.8

# With database comparison (if available)
python scripts/batch_analysis.py \
  --input examples/data/sequences/new_data.csv \
  --output results/analysis \
  --database-path database/cycpeptmpdb.csv

参数：

• --input, -i：输入带SMILES列的CSV文件（必填）
• --output, -o：输出文件前缀（默认：“analysis”）
• --database-path：用于相似性比较的CSV数据库（可选）
• --similarity-threshold：谷本相似性阈值（默认值：0.7）

预测膜渗透性

# Activate legacy environment (requires CycPeptMP repository)
mamba activate ./env_py39

# Predict permeability for single peptide
python scripts/predict_membrane_permeability.py \
  --smiles "NCCCC[C@@H]1NC(=O)..." \
  --output results/permeability.csv

# Predict for batch
python scripts/predict_membrane_permeability.py \
  --input examples/data/sequences/new_data.csv \
  --output results/batch_permeability.csv

注： 此脚本需要完整的CycPeptMP存储库和预训练的模型。

______________________________________________________________________

MCP服务器安装

选项1：使用fastmcp（推荐）

# Activate main environment
mamba activate ./env

# Install MCP server for Claude Code
fastmcp install src/server.py --name cycpep-tools

# Verify installation
fastmcp list

选项2:Claude代码的手动安装

# Add MCP server to Claude Code
claude mcp add cycpep-tools -- $(pwd)/env/bin/python $(pwd)/src/server.py

# Verify installation
claude mcp list
# Should show: cycpep-tools: ... - ✓ Connected

选项3：在settings.json中配置

增添 ~/.claude/settings.json:

{
  "mcpServers": {
    "cycpep-tools": {
      "command": "/home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/cycpeptmp_mcp/env/bin/python",
      "args": ["/home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/cycpeptmp_mcp/src/server.py"]
    }
  }
}

______________________________________________________________________

使用Claude代码

安装MCP服务器后，您可以直接在Claude Code中使用它。

快速开始

# Start Claude Code
claude

示例提示

工具发现

What tools are available from cycpep-tools?

属性计算（快速同步API）

Calculate molecular properties for this cyclic peptide: NCCCC[C@@H]1NC(=O)[C@@H](Cc2c[nH]c3ccccc23)NC(=O)[C@H](c2ccccc2)NC(=O)[C@@H]2C[C@@H](OC(=O)NCCN)CN2C(=O)[C@H](Cc2ccccc2)NC(=O)[C@H](Cc2ccc(OCc3ccccc3)cc2)NC1=O

结构验证

Validate this cyclic peptide SMILES and tell me if it's drug-like: CCCCCOc1ccc(-c2ccc(-c3ccc(C(=O)N[C@H]4C[C@@H](O)[C@@H](O)NC(=O)[C@@H]5[C@@H](O)[C@@H](C)CN5C(=O)[C@H]([C@@H](C)O)NC(=O)[C@H]([C@H](O)[C@@H](O)c5ccc(O)cc5)NC(=O)[C@@H]5C[C@@H](O)CN5C(=O)[C@H]([C@@H](C)O)NC4=O)cc3)cc2)cc1

膜渗透性预测（提交API）

Submit a membrane permeability prediction job for the cyclic peptide Pasireotide with this SMILES: NCCCC[C@@H]1NC(=O)[C@@H](Cc2c[nH]c3ccccc23)NC(=O)[C@H](c2ccccc2)NC(=O)[C@@H]2C[C@@H](OC(=O)NCCN)CN2C(=O)[C@H](Cc2ccccc2)NC(=O)[C@H](Cc2ccc(OCc3ccccc3)cc2)NC1=O

检查作业状态

Check the status of job abc12345

批处理

Process the cyclic peptides in @examples/data/sequences/new_data.csv and generate a comprehensive analysis including molecular properties and diversity metrics

使用@引用

在克劳德代码中，使用 @ 引用文件和目录：

______________________________________________________________________

与Gemini CLI一起使用

配置

增添 ~/.gemini/settings.json:

{
  "mcpServers": {
    "cycpep-tools": {
      "command": "/home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/cycpeptmp_mcp/env/bin/python",
      "args": ["/home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/cycpeptmp_mcp/src/server.py"]
    }
  }
}

示例提示

# Start Gemini CLI
gemini

# Example prompts (same as Claude Code)
> What tools are available from cycpep-tools?
> Calculate properties for cyclic peptide with SMILES "NCCCC[C@@H]1NC(=O)..."
> Submit batch analysis for my peptide library

______________________________________________________________________

可用工具

快速操作（同步API）

这些工具会立即返回结果（\10分钟）：

作业管理工具

______________________________________________________________________

例子

示例1：快速属性计算

目标： 计算环肽的类药物性质

使用脚本：

mamba activate ./env
python scripts/validate_peptide.py \
  --smiles "NCCCC[C@@H]1NC(=O)[C@@H](Cc2c[nH]c3ccccc23)NC(=O)[C@H](c2ccccc2)NC(=O)[C@@H]2C[C@@H](OC(=O)NCCN)CN2C(=O)[C@H](Cc2ccccc2)NC(=O)[C@H](Cc2ccc(OCc3ccccc3)cc2)NC1=O" \
  --output results/properties.csv

使用MCP（克劳德代码）：

Calculate molecular properties for Pasireotide: NCCCC[C@@H]1NC(=O)[C@@H](Cc2c[nH]c3ccccc23)NC(=O)[C@H](c2ccccc2)NC(=O)[C@@H]2C[C@@H](OC(=O)NCCN)CN2C(=O)[C@H](Cc2ccccc2)NC(=O)[C@H](Cc2ccc(OCc3ccccc3)cc2)NC1=O

Tell me the molecular weight, LogP, TPSA, and whether it's drug-like according to Lipinski's Rule of Five.

预期产量：

• 分子量：1047.23道尔顿
• 对数：3.37
• TPSA：281.2度
• Lipinski依从性：部分（分子量>500，但环肽可接受）
• 周期性：正确

示例2：批量虚拟筛选

目标： 筛选环肽库以了解药物相似性和多样性

使用脚本：

mamba activate ./env
python scripts/batch_analysis.py \
  --input examples/data/sequences/new_data.csv \
  --output results/virtual_screen \
  --similarity-threshold 0.7

使用MCP（克劳德代码）：

I want to screen these cyclic peptides for oral bioavailability using @examples/data/sequences/new_data.csv:

Calculate properties for all peptides and identify which ones have:
- Molecular weight  0.5

Also generate a diversity analysis and summary statistics.

预期产量：

• 每种肽的MW、LogP、TPSA特性表
• 每种肽的药物相似性评估
• 多样性得分：~0.77（高多样性）
• 汇总统计：平均分子量=1093.7 Da，Lipinski依从性25%

示例3：膜渗透性预测

目标： 使用深度学习预测膜渗透性

使用脚本：

# Requires CycPeptMP repository and ./env_py39
mamba activate ./env_py39
python scripts/predict_membrane_permeability.py \
  --smiles "NCCCC[C@@H]1NC(=O)[C@@H](Cc2c[nH]c3ccccc23)..." \
  --output results/permeability.csv

使用MCP（克劳德代码）：

Submit membrane permeability prediction for Pasireotide with job name "pasireotide_permeability":

SMILES: NCCCC[C@@H]1NC(=O)[C@@H](Cc2c[nH]c3ccccc23)NC(=O)[C@H](c2ccccc2)NC(=O)[C@@H]2C[C@@H](OC(=O)NCCN)CN2C(=O)[C@H](Cc2ccccc2)NC(=O)[C@H](Cc2ccc(OCc3ccccc3)cc2)NC1=O

Check the job status every minute and show me the results when complete.

注： 这需要具有预训练模型的完整CycPeptMP存储库。

______________________________________________________________________

演示数据

这 examples/data/ 目录包含用于测试的示例数据：

示例数据详细信息

new_data.csv包含：

• 阿尼芬净：分子量=1140.22 Da，对数P=0.93，抗真菌环肽
• 帕西雷肽：分子量=1047.23 Da，对数P=0.37，生长抑素类似物

______________________________________________________________________

配置文件

这 configs/ 目录包含配置模板：

配置示例

{
  "molecular_weight": {
    "min_warning": 500,
    "max_warning": 2000
  },
  "validation": {
    "check_cyclicity": true,
    "check_peptide_elements": true
  },
  "similarity": {
    "threshold": 0.7,
    "fingerprint": { "radius": 2, "n_bits": 1024 }
  }
}

______________________________________________________________________

故障排除

环境问题

问题： 未找到环境

# Recreate main environment
mamba create -p ./env python=3.10 -y
mamba activate ./env
pip install fastmcp loguru pandas numpy
mamba install -c conda-forge rdkit

# Recreate legacy environment
mamba create -p ./env_py39 python=3.9 -y
mamba activate ./env_py39
pip install numpy==1.25.0 pandas==1.4.4 torch==2.0.0
mamba install -c conda-forge rdkit
pip install mordred

问题： RDKit导入错误

# Install RDKit from conda-forge (not pip)
mamba install -c conda-forge rdkit -y

问题： FastMCP导入错误

# Force reinstall FastMCP
pip install --force-reinstall --no-cache-dir fastmcp

MCP问题

问题： 在Claude代码中找不到服务器

# Check MCP registration
claude mcp list

# Re-add if needed
claude mcp remove cycpep-tools
claude mcp add cycpep-tools -- $(pwd)/env/bin/python $(pwd)/src/server.py

# Verify connection
# Should show: cycpep-tools: ... - ✓ Connected

问题： 使用工具时权限被拒绝

This is normal security behavior. Claude Code will prompt for permission
before executing MCP tools. Click "Allow" to use the tools.

问题： 无效的SMILES错误

Ensure your SMILES string is valid. For cyclic peptides, use proper ring
closure notation. The validation tool can help identify issues:

python scripts/validate_peptide.py --smiles "YOUR_SMILES"

存储库依赖关系

问题： 膜渗透性预测失败

# Check if repo is available
python -c "from src.utils import check_repo_availability; print(check_repo_availability())"

# Expected: False (repo not included in MCP distribution)
# Solution: This is expected - membrane permeability requires the full CycPeptMP repository

问题： 未找到模型

The membrane permeability prediction requires:
1. Full CycPeptMP repository
2. Pre-trained model weights in examples/data/models/
3. Python 3.9 environment with PyTorch

Use the basic tools (validate_cyclic_peptide, calculate_peptide_properties)
for property calculations without repository dependencies.

性能问题

问题： 性能计算缓慢

# Check if using correct environment
mamba activate ./env  # Use main environment for basic tools

问题： 作业挂起

# Check job directory permissions
mkdir -p jobs
ls -la jobs/

# View job logs
python -c "
from src.server import mcp
status = mcp.list_jobs()
print(status)
"

问题： ML预测期间内存不足

The membrane permeability prediction requires 2-3GB RAM.
Close other applications or use a machine with more memory.

______________________________________________________________________

发展

运行测试

# Activate environment
mamba activate ./env

# Test individual scripts
python scripts/validate_peptide.py --help
python scripts/batch_analysis.py --help

# Test MCP server
python -c "from src.server import mcp; print('Server OK')"

# Run integration tests (if available)
python tests/run_integration_tests.py

正在启动开发服务器

# Run MCP server in dev mode with auto-reload
mamba activate ./env
fastmcp dev src/server.py

# Test server directly
python src/server.py

添加新工具

# Add to src/server.py
@mcp.tool()
def my_new_tool(param: str) -> dict:
    """Description for the LLM."""
    try:
        # Your tool logic here
        return {"status": "success", "result": "data"}
    except Exception as e:
        return format_error_response(e, "Tool failed")

______________________________________________________________________

性能指标

测试性能

环境尺寸

• 主环境（./env）：约1.2 GB（包括RDKit和FastMCP）
• 遗留环境（./env_py39）：~4.8 GB（包括带CUDA的PyTorch）

______________________________________________________________________

许可证

基于CycPeptMP框架，用于环肽膜通透性预测。

积分

基于 CycPeptMP -环肽膜通透性数据库及预测器