タンパク質溶解性最適化

分野: タンパク質工学 | 使用ツール: 4 | サーバー: 3

説明

タンパク質の溶解性を最適化します：特性を計算し、溶解性を予測し、親水性を予測し、変異を提案します。

使用ツール

• calculate_protein_sequence_properties from server-2 (streamable-http) - https://scp.intern-ai.org.cn/api/v1/mcp/2/DrugSDA-Tool
• predict_protein_function from server-1 (sse) - https://scp.intern-ai.org.cn/api/v1/mcp/1/VenusFactory
• ComputeHydrophilicity from server-29 (sse) - https://scp.intern-ai.org.cn/api/v1/mcp/29/SciToolAgent-Bio
• zero_shot_sequence_prediction from server-1 (sse) - https://scp.intern-ai.org.cn/api/v1/mcp/1/VenusFactory

ワークフロー

1. 物理化学的特性を計算します
2. 溶解性を予測します
3. 親水性プロファイルを計算します
4. 溶解性向上のための有益な変異を予測します

テストケース

入力

{
    "sequence": "MKTIIALSYIFCLVFAGKRDEFPSTWYV"
}

期待されるステップ

1. 物理化学的特性を計算します
2. 溶解性を予測します
3. 親水性プロファイルを計算します
4. 溶解性向上のための有益な変異を予測します

使用例

注意: sk-b04409a1-b32b-4511-9aeb-22980abdc05c をあなた自身の SCP Hub API キーに置き換えてください。SCP Platform から取得できます。

import asyncio
import json
from contextlib import AsyncExitStack
from mcp import ClientSession
from mcp.client.streamable_http import streamablehttp_client
from mcp.client.sse import sse_client

SERVERS = {
    "server-2": "https://scp.intern-ai.org.cn/api/v1/mcp/2/DrugSDA-Tool",
    "server-1": "https://scp.intern-ai.org.cn/api/v1/mcp/1/VenusFactory",
    "server-29": "https://scp.intern-ai.org.cn/api/v1/mcp/29/SciToolAgent-Bio"
}

async def connect(url, stack):
    transport = streamablehttp_client(url=url, headers={"SCP-HUB-API-KEY": "sk-b04409a1-b32b-4511-9aeb-22980abdc05c"})
    read, write, _ = await stack.enter_async_context(transport)
    ctx = ClientSession(read, write)
    session = await stack.enter_async_context(ctx)
    await session.initialize()
    return session

def parse(result):
    try:
        if hasattr(result, 'content') and result.content:
            c = result.content[0]
            if hasattr(c, 'text'):
                try: return json.loads(c.text)
                except: return c.text
        return str(result)
    except: return str(result)

async def main():
    async with AsyncExitStack() as stack:
        # 必要なサーバーに接続します
        sessions = {}
        sessions["server-2"] = await connect("https://scp.intern-ai.org.cn/api/v1/mcp/2/DrugSDA-Tool", stack)
        sessions["server-1"] = await connect("https://scp.intern-ai.org.cn/api/v1/mcp/1/VenusFactory", stack)
        sessions["server-29"] = await connect("https://scp.intern-ai.org.cn/api/v1/mcp/29/SciToolAgent-Bio", stack)

        # ワークフローステップを実行します
        # ステップ 1: 物理化学的特性を計算します
        result_1 = await sessions["server-2"].call_tool("calculate_protein_sequence_properties", arguments={})
        data_1 = parse(result_1)
        print(f"ステップ 1 の結果: {json.dumps(data_1, indent=2, ensure_ascii=False)[:500]}")

        # ステップ 2: 溶解性を予測します
        result_2 = await sessions["server-1"].call_tool("predict_protein_function", arguments={})
        data_2 = parse(result_2)
        print(f"ステップ 2 の結果: {json.dumps(data_2, indent=2, ensure_ascii=False)[:500]}")

        # ステップ 3: 親水性プロファイルを計算します
        result_3 = await sessions["server-29"].call_tool("ComputeHydrophilicity", arguments={})
        data_3 = parse(result_3)
        print(f"ステップ 3 の結果: {json.dumps(data_3, indent=2, ensure_ascii=False)[:500]}")

        # ステップ 4: 溶解性向上のための有益な変異を予測します
        result_4 = await sessions["server-1"].call_tool("zero_shot_sequence_prediction", arguments={})
        data_4 = parse(result_4)
        print(f"ステップ 4 の結果: {json.dumps(data_4, indent=2, ensure_ascii=False)[:500]}")

        # クリーンアップ
        print("ワークフローが完了しました！")

if __name__ == "__main__":
    asyncio.run(main())