Proteomics MCP

蛋白质组学MCP（注：MCP在此处可能代表某个特定的蛋白质组学方法、平台或研究项目，但具体含义需根据上下文确定，因此直接保留为“MCP”）

通过模型上下文协议查询CPTAC蛋白质组学数据的MCP服务器。

安装

1. 安装Python依赖项：

pip install cptac pandas numpy scipy mcp

1. 克隆或下载此仓库到您的本地机器。

1. 将 Claude Desktop 配置为使用此 MCP 服务器：

编辑您的Claude桌面配置文件：

• Windows： %APPDATA%\Claude\claude_desktop_config.json
• macOS： ~/Library/Application Support/Claude/claude_desktop_config.json
• Linux: ~/.config/Claude/claude_desktop_config.json

添加以下配置（请将路径替换为您实际的绝对路径）：

{
  "mcpServers": {
    "cptac": {
      "command": "/absolute/path/to/python",
      "args": ["/absolute/path/to/ProteomicsMCP/cptac_proteomics.py"],
      "cwd": "/absolute/path/to/ProteomicsMCP"
    }
  }
}

重要提示： 你必须为Python可执行文件和脚本都使用绝对路径。

查找你的Python路径

使用虚拟环境（推荐）：

# Create and activate a virtual environment
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# Install dependencies
pip install cptac pandas numpy scipy mcp

# Find the Python executable path
which python  # On Windows: where python

使用 conda：

conda create -n proteomics python=3.11
conda activate proteomics
pip install cptac pandas numpy scipy mcp
which python  # On Windows: where python

示例配置：

使用 Conda 的 Windows 环境：

{
  "mcpServers": {
    "cptac": {
      "command": "C:\\Users\\YourName\\anaconda3\\envs\\proteomics\\python.exe",
      "args": ["C:\\Users\\YourName\\Repos\\ProteomicsMCP\\cptac_proteomics.py"],
      "cwd": "C:\\Users\\YourName\\Repos\\ProteomicsMCP"
    }
  }
}

在 macOS/Linux 上使用 venv：

{
  "mcpServers": {
    "cptac": {
      "command": "/home/yourname/ProteomicsMCP/venv/bin/python",
      "args": ["/home/yourname/ProteomicsMCP/cptac_proteomics.py"],
      "cwd": "/home/yourname/ProteomicsMCP"
    }
  }
}

1. 重启Claude桌面版 以便更改生效。

使用方法

配置完成后，CPTAC MCP服务器将在Claude Desktop中提供以下工具：

• get_cancer_types()列出可用的癌症数据集
• phospho_tumor_vs_normal(cancer, query, normalized)查询肿瘤与正常组织的磷酸化蛋白质组学数据统计

- 返回每个磷酸化位点的log2倍数变化、p值以及FDR校正后的p值 - 对肿瘤样本和正常样本进行配对t检验

• protein_tumor_vs_normal(cancer, query)查询全细胞蛋白质组学数据，比较肿瘤与正常组织的统计差异

- 返回每个蛋白质的log2倍数变化、p值以及FDR校正后的p值 - 对肿瘤样本和正常样本进行配对t检验

示例查询

问克劳德：

• CPTAC中有哪些可用的癌症类型
• 获取乳腺癌中AKT1_S473的磷酸化蛋白质组学数据
• “展示肺腺癌中TP53的所有磷酸化位点，并进行标准化处理”
• 卵巢癌中肿瘤组织与正常组织间AKT1和EGFR蛋白水平的比较
• “在结直肠癌中，MAPK1的哪些磷酸化位点发生了最显著的变化？”

支持的癌症类型

• brca 乳腺癌
• coad - 结肠腺癌
• hnscc - 头颈部鳞状细胞癌
• luad - 肺腺癌
• ovarian 卵巢癌
• ccrcc - 清亮细胞肾细胞癌（或称为透明细胞肾细胞癌）
• gbm - 胶质母细胞瘤
• lscc - 肺鳞状细胞癌
• pdac - 胰腺导管腺癌