吉莫尔纳MCP
使用神经结构进行治疗性mRNA序列设计的生成性mRNA优化
目录
概述
GEMORNA MCP为治疗开发提供AI驱动的mRNA序列设计和优化工具。该模型上下文协议（MCP）服务器集成了GEMORNA的深度学习模型，以生成和分析包括编码序列（CDS）、非翻译区（UTR）在内的mRNA成分，并预测其功能特性。
特性
- CDS生成：将蛋白质序列转化为优化的编码序列
- 5’UTR世代：创建翻译优化的上游监管区域
- 3'UTR世代：设计稳定性增强下游监管区域
- UTR性能预测：分析翻译效率和mRNA稳定性
- 批处理：通过异步作业管理高效处理多个序列
- GPU加速：CUDA支持更快的处理速度
目录结构
./
├── README.md # This file
├── env/ # Conda environment (147 packages)
├── src/
│ └── server.py # MCP server
├── scripts/
│ ├── cds_generation.py # CDS generation from proteins
│ ├── utr5_generation.py # 5' UTR sequence generation
│ ├── utr3_generation.py # 3' UTR sequence generation
│ ├── utr5_prediction.py # 5' UTR property analysis
│ ├── utr3_prediction.py # 3' UTR property analysis
│ └── lib/ # Shared utilities
├── examples/
│ └── data/ # Demo data
├── configs/ # Configuration files
└── repo/ # Original GEMORNA repository______________________________________________________________________
安装
先决条件
- Conda或Mamba（建议使用曼巴以加快安装速度）
- Python 3.10+
- ~2GB RAM用于模型加载
- 约500MB存储空间（适用于型号）
- 可选：支持CUDA的GPU用于加速
创建环境
# Navigate to the MCP directory
cd /home/xux/Desktop/NucleicMCP/NucleicMCP/tool-mcps/gemorna_mcp
# Create conda environment from specification (use mamba if available)
mamba env create -f repo/GEMORNA/environment.yaml -p ./env
# or: conda env create -f repo/GEMORNA/environment.yaml -p ./env
# Initialize shell for activation
eval "$(mamba shell hook --shell bash)"
# or: eval "$(conda shell hook --shell bash)"
# Activate environment
mamba activate ./env
# or: conda activate ./env
# Install MCP dependencies
pip install fastmcp loguru --ignore-installed______________________________________________________________________
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 | 描述 | 运行时 | 示例 |
|---|---|---|---|
scripts/cds_generation.py | 从蛋白质生成编码序列 | ~2.5s | 见下文 |
scripts/utr5_generation.py | 生成5'UTR序列 | ~1.8s | 见下文 |
scripts/utr3_generation.py | 生成3'UTR序列 | ~1.9秒 | 见下文 |
scripts/utr5_prediction.py | 预测5'UTR属性 | ~1.5s | 见下文 |
scripts/utr3_prediction.py | 预测3'UTR属性 | ~1.6s | 见下文 |
脚本示例
CDS生成
# Activate environment
mamba activate ./env
# Run script with protein sequence
python scripts/cds_generation.py \
--protein_seq "MVSKGEELFTGVVPILVELDGDVNGHKFSVSGEGEGDATYGKLTLKFICTTGKLPVPWPTLVTTLTYGVQCFSRYPDHMKQHDFFKSAMPEGYVQERTIF" \
--output_file results/cds_output.fasta \
--device auto参数：
--protein_seq, -p：蛋白质序列字符串（必填）--input_file, -i：蛋白质序列文件路径（可选）--output_file, -o：输出FASTA文件路径（可选）--device, -d：计算设备（“auto”、“cuda”、“cpu”）（默认：auto）
5’UTR世代
python scripts/utr5_generation.py \
--utr_length medium \
--num_variants 5 \
--output_file results/5utr_sequences.fasta参数：
--utr_length, -l：长度类别-“短”（25nt）、“中”（50nt）、（长）（75nt）（默认值：中）--num_variants, -n：要生成的序列变体数量（默认值：1）--output_file, -o：输出FASTA文件路径（可选）--device, -d：计算设备（默认：自动）
3'UTR世代
python scripts/utr3_generation.py \
--utr_length long \
--num_variants 3 \
--output_file results/3utr_sequences.fasta参数：
--utr_length, -l：长度类别-“短”（45nt）、“中”（75nt）、”长”（105nt）（默认值：中）--num_variants, -n：要生成的序列变体数量（默认值：1）--output_file, -o：输出FASTA文件路径（可选）--device, -d：计算设备（默认：自动）
5'UTR预测
python scripts/utr5_prediction.py \
--sequence "TACGTTTTGACCTTCGTTCATTTTG" \
--output_file results/5utr_analysis.txt参数：
--sequence, -s：5'UTR序列字符串（必填）--input_file, -i：包含UTR序列的文件路径（可选）--output_file, -o：输出分析文件路径（可选）--device, -d：计算设备（默认：自动）
3'UTR预测
python scripts/utr3_prediction.py \
--sequence "TGTCCCCGGGTCTTCCGGTCCCCAAAGGGGT" \
--output_file results/3utr_analysis.txt参数：
--sequence, -s：3'UTR序列字符串（必填）--input_file, -i：包含UTR序列的文件路径（可选）--output_file, -o：输出分析文件路径（可选）--device, -d：计算设备（默认：自动）
______________________________________________________________________
MCP服务器安装
选项1：使用fastmcp（推荐）
# Install MCP server for Claude Code
fastmcp install src/server.py --name GEMORNA选项2:Claude代码的手动安装
# Add MCP server to Claude Code
claude mcp add GEMORNA -- $(pwd)/env/bin/python $(pwd)/src/server.py
# Verify installation
claude mcp list选项3：在settings.json中配置
增添 ~/.claude/settings.json:
{
"mcpServers": {
"GEMORNA": {
"command": "/home/xux/Desktop/NucleicMCP/NucleicMCP/tool-mcps/gemorna_mcp/env/bin/python",
"args": ["/home/xux/Desktop/NucleicMCP/NucleicMCP/tool-mcps/gemorna_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 GEMORNA?基本CDS生成
Use generate_cds_sequence with protein_seq "MVSKGEELFTG" and output_file "results/cds.fasta"带配置的UTR生成
Use generate_utr5_sequence with utr_length "long" and num_variants 5 and output_file "results/5utr.fasta"UTR属性分析
Use predict_utr5_properties with sequence "TACGTTTTGACCTTCGTTCATTTTG"长期运行任务（提交API）
Submit batch CDS generation using submit_cds_generation with protein_sequences ["MVSKGEEL", "MALWMRLL", "MGKLHIPFAE"] and job_name "batch_cds"
Then check the job status with get_job_status批处理
Process these protein sequences in batch:
- MVSKGEELFTG
- MALWMRLLQETGLEIPEQEYTWLLKPAG
- MGKLHIPFAESQTVSCLRKLNGHIPFSE
Save results to results/batch_output/使用@引用
在克劳德代码中，使用 @ 引用文件和目录：
| 参考 | 说明 |
|---|---|
@examples/data/sample_protein_sequences.txt | 参考蛋白质输入文件 |
@examples/data/sample_5utr_sequences.txt | 参考5'UTR输入文件 |
@examples/data/sample_3utr_sequences.txt | 参考3'UTR输入文件 |
@configs/master_config.json | 参考主配置文件 |
@results/ | 参考输出目录 |
______________________________________________________________________
与Gemini CLI一起使用
配置
增添 ~/.gemini/settings.json:
{
"mcpServers": {
"GEMORNA": {
"command": "/home/xux/Desktop/NucleicMCP/NucleicMCP/tool-mcps/gemorna_mcp/env/bin/python",
"args": ["/home/xux/Desktop/NucleicMCP/NucleicMCP/tool-mcps/gemorna_mcp/src/server.py"]
}
}
}示例提示
# Start Gemini CLI
gemini
# Example prompts (same as Claude Code)
> What GEMORNA tools are available?
> Generate CDS from protein MVSKGEELFTG
> Create 5 variants of medium-length 5' UTR sequences______________________________________________________________________
可用工具
快速操作（同步API）
这些工具会立即返回结果（\/job.log
**问题：** 作业失败
Use get_job_log with job_id "" and tail 100 to see error details
### 性能问题
**问题：** 缓慢的一代
Force GPU usage
python scripts/cds_generation.py --protein_seq "MVSK..." --device cuda
Check GPU memory
nvidia-smi
______________________________________________________________________
## 发展
### 运行测试
Activate environment
mamba activate ./env
Test server functionality
python src/test_server.py
Test individual scripts
python scripts/cds_generation.py --help
### 正在启动开发服务器
Run MCP server in dev mode
fastmcp dev src/server.py
______________________________________________________________________
## 性能特征
### 处理速度
- **CDS生成**：每蛋白质约0.31秒（GPU加速）
- **UTR生成**：每个序列变体约1.8-1.9秒
- **UTR预测**：每个序列分析约1.5-1.6秒
- **批处理**：3.2蛋白质/秒吞吐量
### 内存使用
- **基本内存**：~50MB用于服务器启动
- **模型加载**：所有GEMORNA型号约2GB
- **按序列**：处理过程中额外增加约10MB
- **GPU 内存**：基于批量大小的变量
### 资源需求
- **中央处理器**：建议批量处理多核
- **图形处理器**：可选CUDA，可将生成任务的速度提高5倍
- **存储**：型号约500MB，序列约50MB
- **网络**：不需要（完全本地处理）
______________________________________________________________________
## 许可证
此项目基于GEMORNA框架。有关许可证信息，请参阅原始存储库。
## 学分
基于 [德国](https://github.com/Kuanhao-Liu/GEMORNA) -基于神经结构的mRNA生成优化
______________________________________________________________________
**状态**: ✅ 生产就绪-所有17个工具都经过测试和验证
**最后更新**：2025年12月25日
**测试覆盖率**：100%（23/23个测试场景通过）