Protein Lab — 本地优先的蛋白研究流程平台

本地运行的蛋白质实验管理系统：从蛋白建库、浓度计算、BLI 梯度、酶活分析到实验归档，一条链管理湿实验里真正会用到的数据。Flask + 纯 SQLite，无需网络，数据完全本地。

给实验室自己用的数据管理——不追求通用，只覆盖你做实验那天真的需要的东西。

它解决什么问题

数据散落在各处是湿实验最常见的隐性成本：浓度算在 Excel、酶活画在临时脚本、结果记在笔记里，下次要用找不回。Protein Lab 把这条链收拢进一个本地应用，每个环节的结果都能一键存档、随时回溯。

Related MCP server: ChEMBL MCP Server

功能

• 蛋白库 — 手动添加 / FASTA 批量导入 / 搜索匹配 / 标签筛选与编辑 / 批量改标签（选中多条添加/移除标签）/ 点击表头按 MW、消光系数排序

• 计算工具（7 个标签页）：

  • 蛋白浓度 — Beer-Lambert 计算（Biopython ProtParam 消光系数，与 Expasy 一致）；浓度单位切换（M/uM/nM/mg/mL/ug/mL/ng/uL）

  • BLI 浓度梯度 — 递推稀释 + 统一体积 + 整百微升取整；单位切换

  • BLI 分析（v0.0.8）— 上传 ForteBio CSV：传感器图（SG 平滑 + 拟合虚线 + 每样本出图）+ 5 方法 KD 拟合 + 保存为实验（原始曲线落 experiment_raw 快照 + results 带分析版本）

  • AKTA 峰图（v0.0.9）— 上传 AKTA Unicorn zip 原生解析（无 pycorn 依赖）：通道列表 + Fraction 事件 → 峰检测/标注 + 峰表 Excel 导出 → 保存为实验（原始曲线落快照）

  • Weblogo — 勾选蛋白生成序列标识图；长序列自动分块换行（每块 50 位，编号连续）；可选位点区间和多聚体裁剪；结果服务端缓存 + 切页自动恢复

  • 酶活计算 — TECAN Spark xlsx 解析 + 96 孔板 UI + 动力学拟合（ΔOD/min、R²）+ Michaelis-Menten + 阴性扣除（信号级归零 + 速率级校正）+ 时间点筛选 + 一键导出作图 Excel

  • 从实验复制 — 卡片式浏览历史实验，按类型过滤/搜索，一键加载到对应工具

• BLI 模块（v0.0.5）— ForteBio CSV 解析 + 传感器图（Savitzky-Golay 平滑 + 拟合虚线）+ 五方法 KD 拟合内核（standard / split / joint / steady / mixed，含死曲线过滤与 NS 扣除）

• BLI 原始数据拟合（v0.0.8）— 上传 ForteBio CSV 一键分析：传感器图 / 5 方法 KD / 保存为实验（原始曲线落 experiment_raw 快照 + results 带分析版本）

• AKTA 峰图整理（v0.0.9）— 上传 AKTA Unicorn zip 原生解析（无 pycorn 依赖，标准库实现）：通道列表（UV/Cond/压力…）+ Fraction 事件 → 峰检测/标注/峰表导出 Excel → 保存为实验（原始曲线落快照）

• 实验自动命名 — {日期}_{实验类型}_{序号}，同一天同类型自动递增；导出文件也遵循命名

• 实验归档 — 一键保存 / Excel 导出 / 详情页 / 批量删除 + 撤销；启动自动备份数据库（保留最近 10 份）

• MCP 服务器 — 8 个工具，供 Claude 等 AI 通过 MCP 协议调用

• 测试 — test_models.py（14 节：JSON 往返 / 迁移框架 / 原始数据不可变 / MCP 读写契约）+ test_bli.py（BLI 解析/绘图/KD 拟合 + 酶活绘图 + BLI 分析 API）+ test_akta.py（AKTA 原生解析/峰检测/峰图 + API，用真实样例 zip）；CI 每次构建前自动运行

数据完整性（v0.0.7）

湿实验数据丢了就再也补不回来。数据层围绕 8 条完整性规则设计：

运行方式

方式一：源码 + venv（开发 / 无打包需求）

• Windows 双击 启动.bat，macOS 双击 启动.command，浏览器自动打开 http://127.0.0.1:5000。

• 首次运行自动创建 .venv 并安装依赖。关闭窗口即停止服务。

• 启动时自动备份数据库到 backups/（保留最近 10 份）。

方式二：打包版（v0.0.5，无需 Python）

• 从 GitHub Release 下载 protein-lab-windows.zip 或 protein-lab-macos.zip，解压后进入 protein_lab/ 目录，双击 protein_lab.exe（Windows）/ 运行 protein_lab（macOS）即可。放在可写目录（如桌面/下载，不要放 C:\Program Files）。

• 打包采用 onedir 目录形态（非单文件）：免启动解压、秒开、杀毒误报低。

• 后端用生产 WSGI 服务器（waitress）：启动无"开发服务器"警告、不刷访问日志，控制台只显示产品 banner。

• 默认端口 5000，被占用时自动顺延（5001、5002…）不冲突；需固定端口用 --port：

  protein_lab.exe --port 8080

• 数据库 protein_lab.db 与 backups/ 自动创建在程序同目录。首次运行是空库，想带现有数据，用 --import-db：

  protein_lab.exe --import-db <旧 protein_lab.db 路径>

• macOS 首次打开如提示"无法验证开发者"：右键 → 打开；或终端执行 xattr -d com.apple.quarantine /路径/protein_lab/protein_lab。

打包与发布

• 本地构建（Windows）：.venv\Scripts\pip install -r requirements-build.txt → .venv\Scripts\pyinstaller protein_lab.spec --noconfirm → 产物在 dist/protein_lab/ 目录。

• CI 自动构建：推送 v* tag 时，GitHub Actions 在 windows-latest + macos-latest 分别构建 Windows / macOS 的 onedir 目录，压缩为 protein-lab-windows.zip / protein-lab-macos.zip 自动附加到该 tag 的 Release。无需自购 Mac。

• macOS 构建产物在 Mac 上运行，Mac 的 .venv/bin/python 同理（路径不同）。

配置 MCP（可选）

方式 A（推荐，打包版） — 直接用二进制 + --mcp：

{
  "mcpServers": {
    "protein-lab": {
      "type": "stdio",
      "command": "C:/路径/protein_lab/protein_lab.exe",
      "args": ["--mcp"]
    }
  }
}

macOS 把 command 换成二进制路径（如 /Applications/protein_lab/protein_lab）。

方式 B（源码 + venv） — 注意用 venv 的 python（MCP 需要 biopython）：

{
  "mcpServers": {
    "protein-lab": {
      "type": "stdio",
      "command": "/路径/protein_lab/.venv/Scripts/python.exe",
      "args": ["/路径/protein_lab/mcp_server.py"]
    }
  }
}

macOS 下 venv 路径为 .venv/bin/python。

目录结构

protein_lab/
├── app.py              Flask 主应用（含 --mcp / --import-db 入口分发）
├── calculators.py      计算核心纯函数（MW / ε / 浓度 / 稀释 / 酶活拟合）
├── bli.py              BLI 内核（ForteBio 解析 / 传感器图 / 五方法 KD 拟合）
├── akta.py             AKTA 内核（Unicorn zip 原生解析 / 峰检测 / 峰图 / 峰表，v0.0.9）
├── models.py           SQLite 模型：CRUD + JSON 往返 + schema 迁移框架 + experiment_raw
├── services.py         统一实验写入入口（自动命名 / 校验 / 未来 audit·lineage 插桩点）
├── mcp_server.py       MCP stdio 服务器（读写契约：唯一写工具 save_experiment）
├── paths.py            路径解析（PyInstaller 打包与 dev 双模式）
├── fonts.py            CJK 字体解析 + matplotlib 中文配置
├── protein_lab.spec    PyInstaller 打包配置
├── requirements.txt    运行时依赖
├── requirements-build.txt  打包依赖（pyinstaller）
├── 启动.bat            一键启动（Windows）
├── 启动.command        一键启动（macOS）
├── templates/          Jinja2 页面模板
├── static/             JS + CSS
├── fonts/              Noto Sans SC（OFL，打包进二进制）
├── fixtures/           AKTA 测试样例 zip（git 跟踪，CI 用）
├── .github/workflows/  CI 双平台构建 + 测试步
├── backups/            数据库自动备份（例行 10 份 + 迁移前 pre-migration 5 份）
└── protein_lab.db     自动生成，首次运行创建

版本历史