Hugging Face's logo

Spaces:
kabuda777
/
Code2MCP-alphagenome
Sleeping

App Files Community
Code2MCP-alphagenome
File size: 4,117 Bytes
e13f27a
 
 
 
 
 
 
 
 
 
 
f73536b
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
---
title: AlphaGenome MCP Service
emoji: 🧬
colorFrom: blue
colorTo: purple
sdk: docker
sdk_version: "4.26.0"
app_file: app.py
pinned: false
---

# AlphaGenome MCP Service

基于 AlphaGenome AI 模型的基因组数据解释 MCP 服务，支持遗传变异效应预测和可视化。

## 功能特性

### 核心工具
- **`predict_sequence`** - 分析原始 DNA 序列
- **`predict_interval`** - 预测基因组区间属性
- **`predict_variant`** - 比较参考序列和变异序列
- **`score_variant`** - 计算单个变异效应评分
- **`score_variants`** - 批量变异评分
- **`plot_predictions`** - 可视化基因组预测

### 高级工具（论文中提到的四个核心工具）
- **`score_variant_effect`** - 预测变异在多个模态中的功能后果
- **`visualize_variant_effects`** - 生成变异效应的模态特异性可视化
- **`score_variant_batch`** - 批量预测变异功能效应
- **`visualize_tf_binding`** - 可视化转录因子结合

## 支持的模态

- **基因表达** (gene_expression) - 使用 GeneMaskLFCScorer
- **剪接** (splicing) - 使用 SpliceJunctionScorer  
- **染色质可及性** (chromatin_accessibility) - 使用 CenterMaskScorer

## 支持的组织类型

- 人类 (human)
- 小鼠 (mouse)

## 部署到 Hugging Face Spaces

### 1. 克隆仓库
```bash
git clone https://huggingface.co/spaces/kabuda777/Code2MCP-alphagenome
cd Code2MCP-alphagenome
```

### 2. 本地运行
```bash
# 安装依赖
pip install -r requirements.txt

# 检查环境变量配置
python check_env.py

# 设置 API 密钥
export ALPHAGENOME_API_KEY="your_actual_api_key"

# 运行 MCP 服务
python alphagenome/mcp_output/start_mcp.py

# 或运行 FastAPI 应用
python app.py
```

### 3. Docker 部署
```bash
# 构建镜像
docker build -t alphagenome-mcp .

# 运行容器
docker run -p 7860:7860 alphagenome-mcp
```

## 使用示例

### 变异效应评分
```python
# 单个变异评分
result = score_variant_effect(
    chromosome="chr1",
    position=109274968,
    reference_bases="G",
    alternate_bases="T",
    modalities=["gene_expression", "splicing"],
    organism="human"
)

# 批量变异评分
variants = [
    {"chromosome": "chr1", "position": 109274968, "reference_bases": "G", "alternate_bases": "T"},
    {"chromosome": "chr19", "position": 8134523, "reference_bases": "G", "alternate_bases": "A"}
]
result = score_variant_batch(
    variants=variants,
    modalities=["gene_expression", "chromatin_accessibility"],
    organism="human"
)
```

### 变异效应可视化
```python
# 生成变异效应可视化
result = visualize_variant_effects(
    chromosome="chr1",
    position=109274968,
    reference_bases="G",
    alternate_bases="T",
    modalities=["gene_expression", "splicing", "chromatin_accessibility"],
    organism="human",
    context_length=2048
)
```

### 转录因子结合可视化
```python
# 可视化转录因子结合
result = visualize_tf_binding(
    chromosome="chr1",
    start=109270000,
    end=109280000,
    transcription_factors=["CTCF", "SP1", "GATA1"],
    organism="human"
)
```

## API 密钥配置

### 方法 1: 环境变量（推荐）

```bash
# 设置环境变量
export ALPHAGENOME_API_KEY="your_actual_api_key_here"

# 或创建 .env 文件
cp config.env.example .env
# 编辑 .env 文件，填入您的 API 密钥
```

### 方法 2: Hugging Face Spaces 环境变量

在 Hugging Face Spaces 设置中添加环境变量：
- 变量名：`ALPHAGENOME_API_KEY`
- 变量值：您的 AlphaGenome API 密钥

### 方法 3: Docker 环境变量

```bash
# 运行容器时设置环境变量
docker run -e ALPHAGENOME_API_KEY="your_api_key" -p 7860:7860 alphagenome-mcp
```

## 技术架构

- **FastMCP** - MCP 服务框架
- **AlphaGenome** - Google DeepMind 的基因组 AI 模型
- **FastAPI** - Web API 框架
- **Matplotlib** - 可视化库
- **TensorFlow** - 深度学习框架

## 许可证

本项目基于 Apache 2.0 许可证开源。

## 参考

- [AlphaGenome GitHub](https://github.com/google-deepmind/alphagenome)
- [Hugging Face Spaces](https://huggingface.co/spaces/kabuda777/Code2MCP-alphagenome)