EV+OneHot MCP 服务器

通过 Docker 结合进化耦合与独热编码的适应性预测

一款用于蛋白质适应性预测的 MCP（模型上下文协议）服务器，包含 2 个核心工具：

• 训练结合进化（EV）特征和独热编码的 Ridge 回归适应性模型
• 使用训练好的模型预测新蛋白质序列的适应性

Docker 快速开始

方法 1：从 GitHub 拉取预构建镜像

这是最快的入门方式。每次发布时，预构建的 Docker 镜像都会自动发布到 GitHub 容器注册表。

# Pull the latest image
docker pull ghcr.io/macromnex/ev_onehot_mcp:latest

# Register with Claude Code (runs as current user to avoid permission issues)
claude mcp add ev_onehot -- docker run -i --rm --user `id -u`:`id -g` -v `pwd`:`pwd` ghcr.io/macromnex/ev_onehot_mcp:latest

注意： 请从您的项目目录运行。`pwd` 会展开为当前工作目录。

要求：

• Docker
• 已安装 Claude Code

就是这样！EV+OneHot MCP 服务器现已在 Claude Code 中可用。

---

方法 2：本地构建 Docker 镜像

自行构建镜像并将其安装到 Claude Code 中。这在需要自定义或离线环境时非常有用。

# Clone the repository
git clone https://github.com/MacromNex/ev_onehot_mcp.git
cd ev_onehot_mcp

# Build the Docker image
docker build -t ev_onehot_mcp:latest .

# Register with Claude Code (runs as current user to avoid permission issues)
claude mcp add ev_onehot -- docker run -i --rm --user `id -u`:`id -g` -v `pwd`:`pwd` ev_onehot_mcp:latest

注意： 请从您的项目目录运行。`pwd` 会展开为当前工作目录。

要求：

• Docker
• Claude Code 已安装
• Git（用于克隆仓库）

关于 Docker 标志：

• -i — Claude Code 的交互模式
• --rm — 退出后自动删除容器
• --user `id -u`:`id -g` — 以当前用户身份运行容器，确保输出文件归您所有（而非 root）
• -v — 挂载项目目录，使容器能够访问您的数据

---

验证安装

添加 MCP 服务器后，您可以验证其是否正常工作：

# List registered MCP servers
claude mcp list

# You should see 'ev_onehot' in the output

在 Claude Code 中，您现在可以使用全部 2 个 EV+OneHot 工具：

• ev_onehot_train_fitness_predictor
• ev_onehot_predict_fitness

---

后续步骤

• 详细文档：请参阅 detail.md 获取全面指南，内容包括：
  • 可用的 MCP 工具和参数
  • 本地 Python 环境设置（Docker 的替代方案）
  • 数据格式要求
  • 示例工作流程和使用场景
  • 模型架构详情

---

使用示例

注册后，您可以在 Claude Code 中直接使用 EV+OneHot 工具。以下是一些常见工作流程：

示例 1：训练适应度模型

I have a PLMC model in /path/to/plmc/ directory and training data at /path/to/data.csv with wild-type sequence /path/to/wt.fasta. Can you train an ev+onehot fitness model using ev_onehot_train_fitness_predictor with 5-fold cross-validation and save to /path/to/model/?

示例 2：预测新序列的适配度

I have a trained ev+onehot model in /path/to/model/ and new sequences in /path/to/new_sequences.csv. Can you predict fitness for all sequences using ev_onehot_predict_fitness and save the predictions to /path/to/predictions/?

示例 3：完整适应度建模工作流程

I have experimental fitness data for subtilisin variants at /path/to/subtilisin/data.csv, wild-type at /path/to/subtilisin/wt.fasta, and a PLMC model at /path/to/subtilisin/plmc/. Please train an ev+onehot model with cross-validation and report the Spearman correlation performance.

---

故障排除

未找到 Docker？

docker --version  # Install Docker if missing

Claude 代码未找到？

# Install Claude Code
npm install -g @anthropic-ai/claude-code

是否需要 PLMC 模型？

• 本工具要求模型目录中存在预训练的 PLMC 模型
• 使用 plmc_mcp 从 MSA 文件生成 PLMC 模型

---

许可证

研究用途——详情请参见原始仓库