論文の概要: BioinfoMCP: A Unified Platform Enabling MCP Interfaces in Agentic Bioinformatics

• arxiv url: http://arxiv.org/abs/2510.02139v1
• Date: Thu, 02 Oct 2025 15:47:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:21.192567
• Title: BioinfoMCP: A Unified Platform Enabling MCP Interfaces in Agentic Bioinformatics
• Title（参考訳）: BioinfoMCP: エージェントバイオインフォマティクスにおけるMCPインターフェースの統一プラットフォーム
• Authors: Florensia Widjaja, Zhangtianyi Chen, Juexiao Zhou,
• Abstract要約: BioinfoMCPは、高度なバイオインフォマティクス解析と自然言語による対話を可能にする。 MCP変換バイオインフォマティクスツール38のプラットフォームを提案し、94.7%が広く使用されている3つのAIエージェントプラットフォームで複雑なインターフェースの実行に成功したことを示す。
• 参考スコア（独自算出の注目度）: 0.4500306327865278
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Bioinformatics tools are essential for complex computational biology tasks, yet their integration with emerging AI-agent frameworks is hindered by incompatible interfaces, heterogeneous input-output formats, and inconsistent parameter conventions. The Model Context Protocol (MCP) provides a standardized framework for tool-AI communication, but manually converting hundreds of existing and rapidly growing specialized bioinformatics tools into MCP-compliant servers is labor-intensive and unsustainable. Here, we present BioinfoMCP, a unified platform comprising two components: BioinfoMCP Converter, which automatically generates robust MCP servers from tool documentation using large language models, and BioinfoMCP Benchmark, which systematically validates the reliability and versatility of converted tools across diverse computational tasks. We present a platform of 38 MCP-converted bioinformatics tools, extensively validated to show that 94.7% successfully executed complex workflows across three widely used AI-agent platforms. By removing technical barriers to AI automation, BioinfoMCP enables natural-language interaction with sophisticated bioinformatics analyses without requiring extensive programming expertise, offering a scalable path to intelligent, interoperable computational biology.
• Abstract（参考訳）: バイオインフォマティクスツールは複雑な計算生物学のタスクには不可欠だが、新たなAIエージェントフレームワークとの統合は、互換性のないインターフェース、異種入力出力フォーマット、一貫性のないパラメータ規則によって妨げられている。 Model Context Protocol(MCP)は、ツール-AI通信のための標準化されたフレームワークを提供するが、何百もの既存の、急速に成長しているバイオインフォマティクスツールをMSP準拠のサーバに手動で変換することは、労働集約的で持続不可能である。 本稿では,大規模な言語モデルを用いたツールドキュメンテーションから,堅牢なMPPサーバを自動的に生成するBioinfoMCP Converterと,さまざまな計算タスクにまたがる変換ツールの信頼性と汎用性を体系的に検証するBioinfoMCPベンチマークという,2つのコンポーネントからなる統合プラットフォームを提案する。 MCP変換バイオインフォマティクスツール38のプラットフォームを提案し、94.7%が広く使用されている3つのAIエージェントプラットフォームで複雑なワークフローの実行に成功したことを示す。 AI自動化の技術的障壁を取り除くことによって、BioinfoMCPは、高度なバイオインフォマティクス分析と自然言語による対話を、広範なプログラミングの専門知識を必要とせずに実現し、インテリジェントで相互運用可能な計算生物学へのスケーラブルなパスを提供する。

関連論文リスト

• MCP-Orchestrated Multi-Agent System for Automated Disinformation Detection [84.75972919995398]
  本稿では,関係抽出を用いてニュース記事の偽情報を検出するマルチエージェントシステムを提案する。 提案したエージェントAIシステムは、(i)機械学習エージェント(ロジスティック回帰)、(ii)Wikipedia知識チェックエージェント、(iv)Webスクラッドデータアナライザの4つのエージェントを組み合わせる。 その結果、マルチエージェントアンサンブルはF1スコア0.964で95.3%の精度を達成し、個々のエージェントや従来のアプローチよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2025-08-13T19:14:48Z)
• BioMARS: A Multi-Agent Robotic System for Autonomous Biological Experiments [8.317138109309967]
  大規模言語モデル(LLM)と視覚言語モデル(VLM)は、自律的な実験を可能にすることによって生物学的研究を変革する可能性がある。 ここでは、LLM、VLM、モジュールロボットを統合し、自律的に設計、計画、実行を行うインテリジェントプラットフォームであるBioMARSを紹介する。 Webインターフェースはリアルタイムの人間とAIのコラボレーションを可能にし、モジュール化されたバックエンドは実験室のハードウェアとのスケーラブルな統合を可能にする。
  論文  参考訳（メタデータ） (2025-07-02T08:47:02Z)
• A Large-Scale Evolvable Dataset for Model Context Protocol Ecosystem and Security Analysis [8.943261888363622]
  約14KのMPPサーバと300のMPPクライアントを含む大規模データセットであるMCPCorpusを紹介する。 各アーティファクトには、アイデンティティ、インターフェース設定、GitHubアクティビティ、メタデータをキャプチャする20以上の正規化された属性がアノテートされている。 MCPCorpusは、実世界のMCPエコシステムの再現可能なスナップショットを提供し、採用トレンド、エコシステムの健全性、実装の多様性の研究を可能にする。
  論文  参考訳（メタデータ） (2025-06-30T02:37:27Z)
• PyTDC: A multimodal machine learning training, evaluation, and inference platform for biomedical foundation models [59.17570021208177]
  PyTDCは、マルチモーダルな生物学的AIモデルのための合理化されたトレーニング、評価、推論ソフトウェアを提供する機械学習プラットフォームである。 本稿では、PyTDCのアーキテクチャの構成要素と、我々の知る限り、導入したシングルセルドラッグターゲットMLタスクにおける第一種ケーススタディについて論じる。
  論文  参考訳（メタデータ） (2025-05-08T18:15:38Z)
• BioAgents: Democratizing Bioinformatics Analysis with Multi-Agent Systems [6.668992155393883]
  我々は,小言語モデルに基づくマルチエージェントシステムを提案し,バイオインフォマティクスデータに基づいて微調整し,検索拡張生成(RAG)により拡張した。 当社のシステムであるBioAgentsは,プロプライエタリなデータを用いたローカル操作とパーソナライズを可能にする。 我々は、概念ゲノミクスのタスクにおいて、人間の専門家に匹敵するパフォーマンスを観察し、コード生成能力を高めるための次のステップを提案する。
  論文  参考訳（メタデータ） (2025-01-10T19:30:59Z)
• Language Model Powered Digital Biology with BRAD [5.309032614374711]
  大規模言語モデル(LLM)は構造化されていない統合に適しています。 バイオインフォマティクス検索デジタルアシスタント(BRAD)の試作について紹介する。
  論文  参考訳（メタデータ） (2024-09-04T16:43:14Z)
• Diversifying Knowledge Enhancement of Biomedical Language Models using Adapter Modules and Knowledge Graphs [54.223394825528665]
  我々は、軽量なアダプターモジュールを用いて、構造化された生体医学的知識を事前訓練された言語モデルに注入するアプローチを開発した。 バイオメディカル知識システムUMLSと新しいバイオケミカルOntoChemの2つの大きなKGと、PubMedBERTとBioLinkBERTの2つの著名なバイオメディカルPLMを使用している。 計算能力の要件を低く保ちながら,本手法がいくつかの事例において性能改善につながることを示す。
  論文  参考訳（メタデータ） (2023-12-21T14:26:57Z)
• BiomedGPT: A Generalist Vision-Language Foundation Model for Diverse Biomedical Tasks [68.39821375903591]
  汎用AIは、さまざまなデータ型を解釈する汎用性のために、制限に対処する可能性を秘めている。 本稿では,最初のオープンソースかつ軽量な視覚言語基盤モデルであるBiomedGPTを提案する。
  論文  参考訳（メタデータ） (2023-05-26T17:14:43Z)
• When Bioprocess Engineering Meets Machine Learning: A Survey from the Perspective of Automated Bioprocess Development [3.687740185234604]
  機械学習(ML)はバイオプロセス工学の発展に大きく貢献しているが、その応用は限られている。 このレビューでは、バイオプロセス開発におけるMLベースの自動化の概要について概観する。
  論文  参考訳（メタデータ） (2022-09-02T14:30:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。