Hugging Face's logo

Spaces:
kabuda777
/
Code2MCP-alphagenome
Sleeping

App Files Community
Code2MCP-alphagenome / README.md
kabudadada
fix: Add Hugging Face Spaces configuration
e13f27a
preview code
|
raw
history blame contribute delete
4.12 kB
metadata 
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 

git clone https://huggingface.co/spaces/kabuda777/Code2MCP-alphagenome
cd Code2MCP-alphagenome

2. 本地运行 

# 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 

# 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 

# 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 

# 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 

# 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） 

# 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 

# 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