multicycgt MCP

Multi_CycGT MCP

使用图卷积网络和Transformer架构进行环肽计算分析的MCP工具

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

Multi_CycGT MCP为分析环肽提供了计算工具，特别是使用结合图卷积网络（GCN）和Transformer架构的深度学习模型进行膜通透性预测。此MCP服务器可通过Claude Code和其他MCP兼容客户端与复杂的环肽分析工作流程进行自然语言交互。

特性

• PAMPA渗透率预测：使用SMILES字符串或氨基酸序列预测环肽的膜通透性值
• 深度学习模型训练：使用GCN-Transformer架构在您的数据集上训练自定义Multi_CycGT模型
• 综合性能分析：计算分子描述符、序列属性，并生成统计可视化
• 批处理：处理虚拟筛查工作流程的大型数据集
• 作业管理：提交具有进度跟踪和结果检索功能的长时间运行的任务

目录结构

./
├── README.md               # This file
├── env/                    # Main conda environment (Python 3.10)
├── env_py39/               # Legacy environment (Python 3.9)
├── src/
│   ├── mcp_server.py       # FastMCP-compatible MCP server
│   ├── server.py           # CLI server interface
│   └── jobs/               # Job management system
├── scripts/
│   ├── predict_membrane_permeability.py    # PAMPA prediction
│   ├── train_multicycgt_model.py          # Model training
│   ├── analyze_peptide_properties.py      # Property analysis
│   └── lib/                # Shared utilities
├── examples/
│   └── data/               # Demo data
│       ├── sample_peptides.csv        # Full CycPeptMPDB dataset (12MB, 3000+ peptides)
│       ├── sample_small.csv           # Small test dataset (19 peptides)
│       ├── sequences/      # Sample cyclic peptide sequences
│       └── structures/     # Sample 3D structures
├── configs/                # Configuration files
│   ├── predict_membrane_permeability.json
│   ├── train_multicycgt_model.json
│   └── analyze_peptide_properties.json
└── repo/                   # Original Multi_CycGT repository

______________________________________________________________________

安装

快速设置

运行自动安装脚本：

./quick_setup.sh

这将创建环境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）
• Python 3.10+
• Linux/macOS（在Ubuntu 20.04+上测试）
• RDKit（自动安装）

创建环境

请遵循以下信息 reports/step3_environment.md 详细设置。下面显示了一个示例工作流。

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

# Check available 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 conda environment (use mamba if available)
mamba create -p ./env python=3.10 -y
# or: conda create -p ./env python=3.10 -y

# Activate environment
mamba activate ./env
# or: conda activate ./env

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

# Install PyTorch (CPU version for broader compatibility)
mamba install pytorch torchvision cpuonly -c pytorch -y

# Install RDKit from conda-forge (recommended)
mamba install -c conda-forge rdkit -y

# Install additional ML dependencies
mamba install scikit-learn matplotlib seaborn scipy -y

______________________________________________________________________

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

预测PAMPA渗透率

# Activate environment
mamba activate ./env

# Single SMILES prediction
python scripts/predict_membrane_permeability.py \
  --smiles "CC(C)C[C@@H]1NC(=O)[C@H](Cc2ccccc2)N(C)C(=O)[C@H]2CCCN2C(=O)[C@H](CC(C)C)NC(=O)[C@H](C)N(C)C(=O)[C@H](CC(C)C)NC(=O)[C@H](Cc2ccccc2)N(C)C(=O)[C@H]2CCCN2C(=O)[C@H]([C@@H](C)O)NC(=O)[C@H](C)N(C)C1=O"

# Batch prediction
python scripts/predict_membrane_permeability.py \
  --input examples/data/sample_small.csv \
  --output results/predictions.csv

# With custom configuration
python scripts/predict_membrane_permeability.py \
  --input examples/data/sample_small.csv \
  --config configs/predict_membrane_permeability.json \
  --output results/custom_predictions.csv

参数：

• --smiles, -s：环肽SMILES字符串（单次预测所需）
• --input, -i：输入带SMILES列的CSV文件（批量预测所需）
• --output, -o：输出文件路径（默认值：results/）
• --sequence：可选氨基酸序列（SMILES的替代品）
• --config：JSON配置文件

列车Multi_CycGT模型

# Quick training for testing (5 epochs)
python scripts/train_multicycgt_model.py \
  --input examples/data/sample_small.csv \
  --epochs 5 \
  --batch_size 4 \
  --output_dir models/test/

# Production training
python scripts/train_multicycgt_model.py \
  --input examples/data/sample_peptides.csv \
  --epochs 100 \
  --batch_size 32 \
  --learning_rate 0.001 \
  --output_dir models/production/

参数：

• --input, -i：包含SMILES和PAMPA列的CSV文件（必填）
• --epochs, -e：训练周期数（默认值：100）
• --batch_size, -b：训练批大小（默认值：32）
• --learning_rate, -lr：学习率（默认值：0.001）
• --test_split：测试数据分数（默认值：0.2）
• --val_split：验证数据分数（默认值：0.2）
• --output_dir, -o：模型输出目录（默认：models/）

分析肽特性

# Full analysis with default settings
python scripts/analyze_peptide_properties.py \
  --input examples/data/sample_small.csv \
  --output_dir analysis/

# Custom target column analysis
python scripts/analyze_peptide_properties.py \
  --input examples/data/sample_peptides.csv \
  --target_column Permeability \
  --output_dir analysis/custom/

生成的输出：

1. property_distributions.png -分子性质直方图
2. correlation_heatmap.png -特征相关矩阵
3. target_correlations.png -目标与属性图
4. pca_analysis.png -PCA载荷图
5. pca_scatter.png -PCA散点图
6. permeability_analysis.png -渗透率特定分析
7. analysis_report.md -统计汇总报告
8. processed_peptide_data.csv -具有计算属性的增强数据集

______________________________________________________________________

MCP服务器安装

选项1：使用fastmcp（推荐）

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

选项2:Claude代码的手动安装

# Add MCP server to Claude Code
claude mcp add cycpep-tools -- \
  /home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/multicycgt_mcp/env/bin/python \
  /home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/multicycgt_mcp/src/mcp_server.py

# Verify installation
claude mcp list  # Should show "✓ 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/multicycgt_mcp/env/bin/python",
      "args": ["/home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/multicycgt_mcp/src/mcp_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?

单肽分析（快速）

Calculate membrane permeability for this cyclic peptide SMILES:
CC(C)C[C@@H]1NC(=O)[C@H](Cc2ccccc2)N(C)C(=O)[C@H]2CCCN2C(=O)[C@H](CC(C)C)NC(=O)[C@H](C)N(C)C(=O)[C@H](CC(C)C)NC(=O)[C@H](Cc2ccccc2)N(C)C(=O)[C@H]2CCCN2C(=O)[C@H]([C@@H](C)O)NC(=O)[C@H](C)N(C)C1=O

综合分析（提交API）

Submit a comprehensive analysis job for @examples/data/sample_small.csv with job name "small_dataset_analysis"

模型培训（提交API）

Submit a model training job for @examples/data/sample_small.csv with 10 epochs and batch size 4, name it "test_training"

检查作业状态

Check the status of job abc12345

批处理

Calculate PAMPA permeability for all peptides in @examples/data/sample_small.csv and save results to @results/batch_predictions.csv

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/multicycgt_mcp/env/bin/python",
      "args": ["/home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/multicycgt_mcp/src/mcp_server.py"]
    }
  }
}

示例提示

# Start Gemini CLI
gemini

# Example prompts (same as Claude Code)
> What tools are available?
> Calculate permeability for cyclic peptide cyclo(GRGDSP)

______________________________________________________________________

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：快速渗透率预测

目标： 计算环肽的PAMPA渗透性

使用脚本：

mamba activate ./env
python scripts/predict_membrane_permeability.py \
  --smiles "CC(C)C[C@@H]1NC(=O)[C@H](Cc2ccccc2)N(C)C(=O)[C@H]2CCCN2C(=O)[C@H](CC(C)C)NC(=O)[C@H](C)N(C)C(=O)[C@H](CC(C)C)NC(=O)[C@H](Cc2ccccc2)N(C)C(=O)[C@H]2CCCN2C(=O)[C@H]([C@@H](C)O)NC(=O)[C@H](C)N(C)C1=O"

使用MCP（克劳德代码）：

Calculate membrane permeability for cyclic peptide SMILES: CC(C)C[C@@H]1NC(=O)[C@H](Cc2ccccc2)...

预期产量：

• PAMPA值：约-3.9（范围：-6.0至-3.0）
• 较低的值表示渗透率较低

示例2：综合数据集分析

目标： 通过可视化分析分子和序列特性

使用脚本：

mamba activate ./env
python scripts/analyze_peptide_properties.py \
  --input examples/data/sample_small.csv \
  --output_dir analysis/sample_analysis/

使用MCP（克劳德代码）：

Submit comprehensive analysis for @examples/data/sample_small.csv with output directory "analysis_results" and job name "sample_analysis"

When the job completes, show me the generated files and key findings from the analysis report.

预期产量：

• 生成8个文件：6个可视化+报告+增强数据集
• 分析包括分子性质（MolWt、LogP、TPSA）、序列性质、相关性、PCA
• 运行时间：19种肽约20-45秒

示例3：模型训练管道

目标： 在样本数据上训练自定义Multi_CycGT模型

使用脚本：

mamba activate ./env
python scripts/train_multicycgt_model.py \
  --input examples/data/sample_small.csv \
  --epochs 10 \
  --batch_size 4 \
  --output_dir models/sample_model/

使用MCP（克劳德代码）：

Submit model training for @examples/data/sample_small.csv with these parameters:
- epochs: 10
- batch_size: 4
- learning_rate: 0.001
- job_name: "sample_model_training"

Monitor the training progress and show me the final metrics when complete.

预期产量：

• PyTorch模型文件（~1.8MB）： multicycgt_final.pth
• 训练历史CSV，包含每个历元的损失和指标
• 测试集评估：RMSE和R²分数

示例4：虚拟放映工作流程

目标： 筛选膜通透性环肽库

使用MCP（克劳德代码）：

I want to screen these cyclic peptides for oral bioavailability potential:

First, predict PAMPA permeability for all peptides in @examples/data/sample_small.csv

Then, identify peptides with:
- PAMPA > -4.0 (better permeability)
- Show me the top 5 candidates with their SMILES and predicted values

Finally, submit a detailed analysis for these top candidates.

______________________________________________________________________

演示数据

这 examples/data/ 目录包含用于测试的示例数据：

示例数据格式

CSV文件包含以下关键列：

• SMILES：环肽的化学结构符号
• Sequence：氨基酸序列（例如。， ['L', 'meA', 'L', 'dP', 'meF'])
• PAMPA：膜渗透性目标值（-6.0至-3.0范围）
• MolWt, LogP, TPSA：分子描述符
• 100+额外的分子描述符用于分析

______________________________________________________________________

配置文件

这 configs/ 目录包含配置模板：

配置示例

{
  "amino_acid_properties": {
    "A": {"logp": 0.31, "tpsa": 43.09},
    "F": {"logp": 1.79, "tpsa": 43.09},
    "meA": {"logp": 0.1354, "tpsa": 20.31}
  },
  "heuristic_weights": {
    "mol_wt": -0.001,
    "tpsa": -0.01,
    "logp": 0.5,
    "base": -2.0
  }
}

______________________________________________________________________

故障排除

环境问题

问题： 未找到环境

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

问题： RDKit导入错误

# Install RDKit from conda-forge (recommended)
mamba install -c conda-forge rdkit -y

# Alternative: install via pip (less reliable)
pip install rdkit

问题： 未找到PyTorch

# Install CPU version of PyTorch
mamba install pytorch cpuonly -c pytorch -y

问题： 导入错误

# Verify installation
python -c "import rdkit; import torch; import pandas; import numpy; print('All dependencies available')"

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 -- \
  /home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/multicycgt_mcp/env/bin/python \
  /home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/multicycgt_mcp/src/mcp_server.py

问题： 无效的SMILES错误

Ensure your SMILES string is valid for cyclic peptides.
Example valid SMILES: CC(C)C[C@@H]1NC(=O)...
The SMILES should represent a properly closed ring structure.

问题： 工具不工作

# Test server directly
python src/server.py --list-tools
# Should show 8 tools

# Test a simple prediction
python src/server.py --tool predict_membrane_permeability \
  --args '{"smiles": "CC(=O)NC1CCCC1C(=O)O"}'

工作问题

问题： 作业挂起

# Check job directory
ls -la jobs/

# View job log
python src/server.py --tool get_job_log --args '{"job_id": "JOB_ID"}'

问题： 任务失败

Use get_job_log with job_id "JOB_ID" and tail 100 to see error details
Check that input files exist and are properly formatted

问题： 训练时失忆

# Reduce batch size in training
python scripts/train_multicycgt_model.py --batch_size 4 --epochs 10

# Or use smaller dataset
python scripts/train_multicycgt_model.py \
  --input examples/data/sample_small.csv

数据问题

问题： 未找到CSV文件

# Verify file exists
ls -la examples/data/sample_small.csv

# Check file format
head examples/data/sample_small.csv

问题： 缺少SMILES列

Ensure your CSV file has a column named 'SMILES' with valid SMILES strings
Example format: CycPeptMPDB_ID,SMILES,PAMPA,...

______________________________________________________________________

发展

运行测试

# Activate environment
mamba activate ./env

# Test individual scripts
python scripts/predict_membrane_permeability.py \
  --input examples/data/sample_small.csv

# Test MCP server
python src/server.py --list-tools

正在启动开发服务器

# Run MCP server in development mode
python src/mcp_server.py

性能监控

______________________________________________________________________

许可证

基于 Multi_CycGT -基于DL的环肽膜通透性预测多模态模型

积分

• 原始模型：春花实验室Multi_CycGT
• 数据集：CycPeptMPDB（环肽膜通透性数据库）
• 建筑：图卷积网络+变压器
• MCP实施：克劳德代码兼容服务器