BRaVa MCP

Biobank Rare Variant Analysis (BRaVa)コンソーシアムの関連解析結果のためのMCPサーバー。約120万人（10の国際バイオバンク、44の調和化された形質、7つの祖先層）を対象にメタ解析された、稀なコーディングバリアント、遺伝子ベースの検定結果。

要約統計量のみ。臨床用途には使用不可。

テーブルそのものを提供し、ラッパーではない

遺伝子レベルの結果は単一のフラットなファクトテーブルであり、モデルは既に専門家レベルでSQLを記述するため、queryはそのまま引き渡す：61,791,444行、ローカル、ネットワーク不要。あらゆる質問はクエリであり、固定されたツールセットでは決して想定できなかった質問も含む。

-- what does this gene do
SELECT trait, mask, p_skato, beta FROM results
WHERE gene='PCSK9' AND ancestry='All' AND mask<>'synonymous'
ORDER BY p_skato LIMIT 20

-- most pleiotropic genes
SELECT gene, count(DISTINCT trait) traits FROM results
WHERE ancestry='All' AND p_skato < 1.39e-7 GROUP BY gene ORDER BY traits DESC

-- what a European-only study would have missed
SELECT a.gene, a.trait, a.p_skato FROM results a
WHERE a.ancestry='AFR' AND a.p_skato < 2.5e-6 AND NOT EXISTS (
  SELECT 1 FROM results e WHERE e.ancestry='EUR'
  AND e.gene_idx=a.gene_idx AND e.pheno=a.pheno AND e.p_skato < 2.5e-6)

Related MCP server: gwas-mcp

ツール

クエリ以外の3つのツールは、SQLでは対応できないものをカバーする。

gene_phenotype_detail：一致カウントからはAllとnon_EURを除外する必要があるため。これらはカウント対象の層と同じ個体をプールしており、単純なSQLでは二重計上となり、完全に妥当に見える。

variants：バリアントレベルのリリースは別の上流フォーマットであり、一桁規模が大きく、頻繁に再構築されるため、ローカルコピーは1週間以内に古くなる。

schema()：構文的に完全なクエリでも、ここでは科学的に間違っている可能性があるため。効果量は隣のp値とは異なる検定に属し、あるマスクは生物学的カテゴリではなく較正コントロールであり、祖先層は重複し、p値が正確にゼロは欠損ではなく最も強い結果である。これらのいくつかは回答を劣化させるのではなく反転させるため、READMEに書くのではなくカラムと共に提供される。

データベース

873 MB、リリースアセットとして公開され、初回使用時に~/.cache/brava-mcp/に一度ダウンロードされる。意図的にコミットされていない：デプロイメントはスポーンごとにクローンをリセットするため、内部にギガバイトがあると永遠に再取得されることになる。このリポジトリのクローンは3.9 MB。

公開されている280個のphenotype/{P}.{ANC}.jsonファイルからetl/build_db.pyによって構築。これらは19,541個の遺伝子ごとのファイルと同じデータを持つため、ピボットは礼儀のために選択されている：同一のカバレッジに対して280リクエスト対19,541リクエスト、一度だけ、遺伝子ごとに1つずつ永遠に参照されることはない。上流の無料ティアではクラスB操作が希少リソースであり、R2からのエグレスは無料。

低カーディナリティのキーカラムでソートされ、ARTインデックスなしで構築：インデックスありで2.49 GB、インデックスなしで1.75 GB、ソート状態で0.87 GB。欠落するインデックスはない。なぜならこれらはフィルタリングスキャンであり、DuckDBのゾーンマップが既にそれらを提供するから。上記のすべてのクエリは70 ms未満で返る。

実行方法

make sync                 # install
make db                   # download the published database (873 MB, once)
make test                 # offline suite
make test-all             # + live-data checks
make eval                 # 14 benchmark questions, answers derived independently
make serve                # HTTP daemon on :3163
uv run python server.py   # stdio

上流からデータベースを再構築するにはuv run python etl/build_db.py（約200秒：ダウンロード120秒、ロード76秒、その後ソート圧縮）。

結果の読み方

• beta > 0 はリスク（二値形質）または形質値（量的形質）を増加させる。 betaとseは常に逆分散重み付けBurdenメタ解析に由来し、p_skatoを読む行でも同様。SKAT-Oの効果量は存在しない。

• SKAT-O は主要な包括的検定。Burden は遺伝子のバリアントが同じ方向を示す場合に最も強力であり、SKAT は混合している場合に強力。

• synonymousマスクは較正コントロールである。有意な同義結果は、生物学ではなく残差検定の膨張を示す。

• 旗艦論文からの閾値：遺伝子×マスク Bonferroni 1.39e-7、遺伝子レベル Cauchy 2.5e-6、バリアントレベル 1.82e-8。

• BRaVa はアレル頻度も共通バリアントGWASも保持しない。バリアント行は前者についてはgnomADにリンクする。

schema()はこれらすべてと、さらに5つの落とし穴をカラムと共に返す。

評価

evals/questions.jsonには14の質問が含まれ、そのすべてがevals/resolve_golds.pyによって上流の生ファイルから直接解決される。このスクリプトはbravaから何もインポートしないため、ベンチマークがデコードのバグと一致することはなく、上流のドリフト検出器としても機能する。

evals/selfcheck.pyは各質問をツールを通じて実行する：現在14/14、質問あたりの中央値は1回の呼び出し、セット全体で発信HTTPリクエストはゼロ。各質問のevidence（ツールが返すべき値）をチェックし、answerは決してチェックしない。なぜなら、いくつかの回答は文字列マッチで検証できない結論だからである。したがって、データに到達可能であり、そのコストがどれほどかを証明するものであり、モデルが正しい結論に達するかどうかを証明するものではない。後者の半分にはモデルインザループのランナーが必要であり、まだ欠落している。

トラフィック

遺伝子レベルの質問はローカルであるため、上流プロジェクトにはまったくコストがかからない。variantsのみがフェッチを行い、各ファイルは恒久的にキャッシュされる。データベースの構築には280リクエストが一度かかる。上流の作者との会話についてはnikbaya/brava_browser#1を参照。

引用

Palmer, Hill, Hodgson, et al. Rare variant association analyses across 10 global biobanks. medRxiv (2026). doi:10.64898/2026.05.21.26353759

データベースはBRaVaブラウザの公開ファイルを介してそのリリースから派生したものであり、ブラウザのMITライセンスの下で再配布される。

ライセンス

MIT.