lineardesign MCP

LinearDesign MCP服务器

🧬 基于LinearDesign算法的mRNA优化模型上下文协议服务器

提供同步（快速）和异步（背景）API，用于密码子使用和RNA结构约束下的蛋白质到mRNA优化。

目录

• 特性
• 快速开始
• 用法
• 可用工具
• 工作流示例
• 支持的生物体
• 性能指南
• 错误处理
• 发展
• 故障排除
• 算法详细信息

特性

✨ API双重设计

• 同步工具：快速操作（\5个λ值，>10个序列|

| submit_codon_optimization |多生物比较|>3个生物，>20个序列| | submit_batch_processing |大数据集处理|>100个序列| | submit_comprehensive_analysis |完整的分析流程|研究工作流程|

🔧 作业管理

跟踪和管理后台操作：

🛠️ 公用事业

用于验证和发现的辅助工具：

工作流示例

1.快速单体优化

Use optimize_single_sequence with protein "MNDTEAI" and verbose true

退货：即时mRNA优化结果

{
  "result": {
    "mRNA": "AUGAACGAUACGGAGGCGAUC",
    "MFE": -1.1,
    "CAI": 0.695
  }
}

2.参数探索

Use optimize_lambda_tuning with sequences "MNDTEAI,MLDQVNKLKYPEVSLT" and lambda_value 3.0

退货：显示MFE与CAI权衡的比较分析

3.多生物比较

Use optimize_codon_usage with protein "MNDTEAI", organism "yeast", and compare_organisms true

退货：跨多个生物体的优化结果

4.大规模分析（背景）

# 1. Submit analysis
Use submit_comprehensive_analysis with input_data "@examples/data/test_sequences.fasta"
→ Returns: {"job_id": "abc123", "status": "submitted"}

# 2. Monitor progress
Use get_job_status with job_id "abc123"
→ Returns: {"status": "running", "progress": 45}

# 3. Check logs
Use get_job_log with job_id "abc123" and tail 20
→ Returns: Recent execution logs

# 4. Get results (when completed)
Use get_job_result with job_id "abc123"
→ Returns: Complete analysis with all optimization strategies

5.批处理工作流程

# Small batch (immediate)
Use batch_process_small with input_data "@examples/data/small_proteins.fasta" and output_format "csv"

# Large batch (background)
Use submit_batch_processing with input_data "@examples/data/multiple_proteins.fasta" and output_format "all"

支持的生物体

*自定义密码子表可以通过CSV文件提供*

演示数据

这 examples/data/ 目录包含用于测试的示例数据集：

示例用法

# View demo data
ls -la @examples/data/

# Use specific demo files in Claude Code
"Use optimize_single_sequence with @examples/data/single_protein.txt"
"Process @examples/data/small_proteins.fasta using batch_process_small"
"Optimize @examples/data/test_sequences.fasta for organism yeast"

性能指南

何时使用同步API

• 单序列：任何尺寸，即时结果
• 小参数扫描：\5个lambda值
• 多生物分析：>3个生物体
• 大型数据集：>100个序列
• 研究管道：综合分析
• 长时间运行的任务：预计>30秒

性能估算

Single optimization:    ~0.003s per sequence
Lambda tuning:         ~0.045s per sequence per lambda
Codon optimization:    ~0.05s per sequence per organism
Batch processing:      ~21.65 sequences/second (with analysis)

错误处理

服务器提供结构化错误响应：

{
  "status": "error",
  "error": "File not found: sequences.fasta",
  "error_type": "FileNotFoundError"
}

常见问题

1. 缺失的文件：检查输入文件路径
2. 无效序列：使用 validate_protein_sequence 第一
3. 未找到二进制文件：确保安装了LinearDesign
4. 大型数据集：对于>100个序列，使用submit API

发展

项目结构

src/
├── server.py              # Main MCP server
├── utils.py               # Shared utilities
├── jobs/
│   ├── manager.py         # Job management system
│   └── __init__.py
└── tools/                 # Tool organization
    └── __init__.py

scripts/                   # Clean optimization scripts
├── single_optimization.py
├── lambda_optimization.py
├── codon_usage_optimization.py
├── batch_processing.py
└── lib/                   # Shared libraries
    ├── io.py
    └── utils.py

configs/                   # Configuration files
├── single_optimization_config.json
├── lambda_optimization_config.json
├── codon_usage_optimization_config.json
└── batch_processing_config.json

examples/data/             # Example datasets

测试

# Run comprehensive integration tests
python tests/direct_tool_tests.py

# Run individual tool tests
python tests/run_integration_tests.py

# Test individual scripts
python scripts/single_optimization.py --input MNDTEAI --verbose

# Test server startup (will timeout - this is normal)
timeout 10 python src/server.py

故障排除

常见问题

服务器无法启动

# Check Python environment
which python
python --version

# Test basic imports
python -c "from src.server import mcp"

# Check dependencies
pip list | grep -E "fastmcp|loguru"

未找到工具

# List available tools directly
python -c "
import sys, asyncio
sys.path.insert(0, '.')
from src.server import mcp
async def show_tools():
    tools = await mcp.get_tools()
    print(f'Found {len(tools)} tools:')
    for name in tools:
        print(f'  - {name}')
asyncio.run(show_tools())
"

工作悬而未决

# Check job directory
ls -la jobs/

# View recent job logs
tail -50 jobs/*/job.log

# Check job status directly
python -c "
from src.jobs.manager import job_manager
print(job_manager.list_jobs())
"

Claude代码连接问题

# Remove and re-add server
claude mcp remove LinearDesign
claude mcp add LinearDesign -- $(which python) $(pwd)/src/server.py

# Check server health
claude mcp list

# Test in isolation
fastmcp dev src/server.py

权限错误

# Check file permissions
ls -la src/server.py
chmod +x src/server.py

# Check directory permissions
ls -la jobs/
mkdir -p jobs && chmod 755 jobs

性能问题

工作耗时太长

• 对小型数据集（＜100个序列）使用同步API
• 在批处理过程中检查系统资源
• 监控日志以查找瓶颈

内存问题

• 在batch_process_small中减少批量大小
• 对大型数据集使用submit API
• 定期清除旧作业数据

整合问题

MCP服务器未连接

1. 验证Python路径： which python
2. 检查服务器导入： python -c "from src.server import mcp"
3. 测试服务器启动： fastmcp dev src/server.py
4. 检查克劳德代码日志以了解详细错误

工具调用失败

1. 直接测试工具： python tests/direct_tool_tests.py
2. 检查路径解析问题
3. 验证示例数据是否存在： ls examples/data/
4. 使用绝对路径而不是相对路径进行测试

添加新工具

1. 创建脚本 在 scripts/ 目录
2. 导入功能 在 src/server.py
3. 添加MCP工具 随着 @mcp.tool() 装饰器
4. 添加提交版本 用于长时间运行的任务
5. 更新文档

算法详细信息

线性设计 通过以下方式优化mRNA序列：

1. 鳕鱼选择：根据以下因素选择最佳密码子：

- 生物体特定密码子使用频率 - tRNA丰度和充电水平 - 翻译效率指标

1. 结构约束：考虑RNA二级结构：

- 最小自由能（MFE）计算 - 发夹和环状结构 - 核糖体结合的可及性

1. 参数平衡：使用lambda参数（λ）：

- λ=0：专注于密码子优化 - λ>0：密码子使用和结构之间的平衡 - 更高的λ：优先考虑结构而不是密码子使用

关键指标

• 鳕鱼适应指数：翻译效率得分（0-1）
• MFE（最小自由能）：RNA结构稳定性（kcal/mol）
• 结构：显示碱基对的点括号符号
• GC含量：G+C核苷酸百分比

引用

如果您在研究中使用LinearDesign MCP，请引用：

• 线性设计算法：\[原始线性设计论文\]
• MCP实施：此工具和存储库

许可证

此项目遵循与原始LinearDesign工具相同的许可证。有关详细信息，请参阅存储库许可证。

支持

• 文档：参见 reports/step6_mcp_tools.md API详细文档
• 问题：通过GitHub问题报告错误和功能请求
• 例子：检查 examples/data/ 用于样本数据集

______________________________________________________________________

🧬 准备好优化您的mRNA序列了！ 从开始 optimize_single_sequence 对于快速测试，然后扩展到 submit_comprehensive_analysis 用于研究工作流程。