OmicClaw: executable and reproducible natural-language multi-omics analysis over the unified OmicVerse ecosystem.

OmicClaw ist ein ausführbares Framework für natürliche Sprache, das auf dem einheitlichen OmicVerse-Ökosystem und der J.A.R.V.I.S.-Laufzeitumgebung basiert, um reproduzierbare Multi-Omics-Analysen über eine standardisierte Schnittstelle und einen agentengesteuerten Workflow zu ermöglichen.

Das Wesentliche

🧬 Die große Verwirrung im Labor

Stell dir vor, du bist ein Detektiv, der ein riesiges, komplexes Verbrechen aufklären muss. Deine Beweise sind nicht Fingerabdrücke, sondern Millionen von Datenpunkten aus der DNA und den Zellen (das nennt man „Omics").

Das Problem bisher war: Das Werkzeugkasten-Regal im Labor war ein absolutes Chaos.

• Um Zellen zu zählen, brauchtest du einen Hammer von Firma A.
• Um Muster zu erkennen, einen Schraubenschlüssel von Firma B.
• Um die Ergebnisse zu verbinden, einen Akkumulator von Firma C.

Alle diese Werkzeuge passten nicht zusammen. Die Griffe waren unterschiedlich geformt, die Schrauben unterschiedlich groß. Wenn du einen Schritt machen wolltest, musstest du erst das eine Werkzeug ablegen, ein anderes suchen, es umständlich anpassen und hoffen, dass es funktioniert. Das war langsam, nervig und führte oft zu Fehlern.

🦾 Die Lösung: OmicClaw – Der „Roboter-Assistent"

Die Forscher haben jetzt OmicClaw entwickelt. Stell dir das wie einen super-intelligenten, roboterhaften Assistenten vor, der dir hilft, dieses Chaos zu ordnen.

OmicClaw besteht aus zwei Hauptteilen, die wie ein perfektes Team zusammenarbeiten:

1. OmicVerse: Der riesige, einheitliche Werkzeugkasten

Stell dir vor, OmicVerse ist ein riesiges, modernes Lagerhaus. Aber im Gegensatz zum alten Chaos hier sind alle Werkzeuge perfekt angepasst.

• Alle Schraubenschlüssel haben den gleichen Griff.
• Alle Hämmer passen in die gleiche Box.
• Es gibt über 100 verschiedene Werkzeuge für alles: von der ersten Zählung bis zur Analyse von räumlichen Mustern im Gewebe.

Das Wichtigste: Alles ist in einer einzigen Sprache geschrieben (genannt AnnData). Wenn du ein Werkzeug nimmst, weißt du genau, wie es funktioniert und was es mit dem nächsten Werkzeug macht.

2. J.A.R.V.I.S.: Der kluge Manager (wie im Iron-Man-Film)

Das ist der eigentliche „Claw" (Klaue) im Namen. J.A.R.V.I.S. ist die intelligente Software, die du ansprichst.

• Früher: Du musstest dem Computer sagen: „Schreibe mir jetzt Code für Schritt 1, dann warte, bis er fertig ist, und schreibe dann Code für Schritt 2." Das war wie ein blindes Glücksspiel. Der Computer hat oft Dinge erfunden, die nicht existierten (Halluzinationen), oder war verwirrt.
• Mit J.A.R.V.I.S.: Du sagst einfach in normaler Sprache: „Hey, finde heraus, welche Zellen krank sind und wie sie sich entwickeln."

J.A.R.V.I.S. macht dann Folgendes:

1. Er prüft den Werkzeugkasten: Er schaut in OmicVerse und sieht genau, welche Werkzeuge verfügbar sind. Er weiß: „Oh, für diesen Schritt brauchen wir erst das Skalier-Werkzeug, bevor wir das Muster-Werkzeug nehmen können."
2. Er plant den Weg: Er baut eine sichere Brücke aus Schritten, die garantiert funktionieren.
3. Er repariert Fehler: Wenn etwas schiefgeht (z. B. ein Werkzeug klemmt), weiß er sofort, wie man es repariert, ohne dass du eingreifen musst. Er ist wie ein erfahrener Mechaniker, der nicht aufgibt, sondern das Problem löst.

🗣️ Das Gespräch mit dem Computer

Das Schönste an OmicClaw ist, dass du nicht mehr programmieren musst. Du kannst einfach mit dem Computer sprechen, wie mit einem Kollegen.

• Du: „Zeig mir die Zellen, die im Gehirn aktiv sind."
• OmicClaw: „Alles klar. Ich lade die Daten, filtere die schlechten Zellen heraus, suche nach den aktiven Genen und zeichne dir eine Karte."
• Ergebnis: Der Computer führt die Schritte aus, erstellt die Grafiken und gibt dir die fertige Analyse zurück. Er hinterlässt sogar eine „Spur" (ein Protokoll), damit du später genau nachvollziehen kannst, wie er zu dem Ergebnis kam. Das macht die Wissenschaft wiederholbar und sicher.

🌍 Warum ist das wichtig?

Früher mussten Biologen erst Jahre lang lernen, wie man mit diesen komplizierten Computerprogrammen umgeht. Viele haben aufgegeben, weil es zu frustrierend war.

Mit OmicClaw wird es wie das Fahren mit einem autonomen Auto:

• Du musst nicht wissen, wie der Motor funktioniert oder wie man die Gänge schaltet.
• Du sagst einfach das Ziel („Ich möchte nach Hause") und das Auto (OmicClaw) kümmert sich um die Straße, die Ampeln und die Kurven.

Dadurch können sich mehr Wissenschaftler auf das Entdecken neuer Geheimnisse des Lebens konzentrieren, anstatt sich mit dem Computer zu streiten. Es macht die Forschung schneller, genauer und für jeden zugänglich, der eine Frage an die Biologie hat.

Zusammengefasst: OmicClaw ist der Übersetzer und Organisator, der das Chaos der biologischen Daten in eine klare, verständliche und fehlerfreie Geschichte verwandelt.

Technische Zusammenfassung

Titel: OmicClaw: Ausführbare und reproduzierbare Multi-Omics-Analyse über natürliche Sprache im vereinheitlichten OmicVerse-Ökosystem

1. Problemstellung

Die Fortschritte in der Bulk-, Einzelzell- (scRNA-seq) und räumlichen Omics haben die biologische Entdeckung revolutioniert. Dennoch bleibt die Datenanalyse fragmentiert:

• Inkompatible Schnittstellen: Analytische Aufgaben (z. B. Vorverarbeitung, Clustering, Trajektorieninferenz, RNA-Velocity) sind über verschiedene Pakete verteilt, die oft inkompatible Schnittstellen, heterogene Abhängigkeiten und inkonsistente Objektkonventionen aufweisen.
• Reproduzierbarkeitskrise: Nutzer müssen manuell Wrapper schreiben, Tools verbinden, die nicht für die Interoperabilität entwickelt wurden, und Zwischenergebnisse zwischen Workflows neu organisieren.
• Limitationen von KI-Agenten: Herkömmliche Large Language Models (LLMs) neigen bei bioinformatischen Aufgaben zu „Halluzinationen" (Erfinden ungültiger Funktionsaufrufe), falscher Methodenwahl und dem Erstellen nicht ausführbarer Pipelines, da sie oft in einer unbeschränkten Softwareumgebung agieren.

2. Methodik und Architektur

OmicClaw löst diese Probleme durch eine zweischichtige Architektur, die auf dem OmicVerse-Ökosystem und dem J.A.R.V.I.S.-Laufzeitumgebung basiert.

• OmicVerse (Analytische Substrat-Ebene):

  • Ein zentralisiertes Ökosystem, das über 100 Methoden für Bulk-, Einzelzell-, räumliche und Multi-Omics-Analysen in einer AnnData-zentrierten Schnittstelle vereint.
  • Es bietet task-orientierte Module (z. B. ov.alignment, ov.preprocess, ov.single, ov.space, ov.bulk, ov.fm), die eine konsistente API für diverse Algorithmen bereitstellen.
  • Unterstützt CUDA- und Apple Metal/MPS-Backends sowie Python-Neuimplementierungen von R-basierten Workflows.

• J.A.R.V.I.S. (Ausführungs- und Agenten-Ebene):

  • Registrierungsgebundener Raum: Statt LLMs freien Code generieren zu lassen, werden OmicVerse-Funktionen über @register_function in eine zentrale Tool-Registry aufgenommen. Diese enthält Metadaten zu Parametern, Vorbedingungen (Prerequisites) und erwarteten Ausgaben.
  • State-Aware & Recoverable Runtime: Das System verwaltet den Kontext (aktuelles AnnData-Objekt, Sitzungshistorie, Fehlerprotokolle). Es führt eine Vorprüfung durch: Bevor ein Tool ausgeführt wird, wird validiert, ob die erforderlichen Datenstrukturen (z. B. eine skalierte Schicht für PCA) vorhanden sind.
  • Iterative Reparatur: Bei Fehlern kann das System den Workflow unterbrechen, den Fehler diagnostizieren, Vorbedingungen erfüllen und den Prozess fortsetzen, anstatt einfach abzubrechen.
  • MCP-Unterstützung: Das System ist über den Model Context Protocol (MCP) Server mit externen Agenten (z. B. Claude Code) und einer Web-Plattform kompatibel.

• OmicClaw-Agent (ov.Agent):

  • Übersetzt natürliche Sprachanfragen in nachvollziehbare Workflows über lebende Omics-Objekte.
  • Nutzt einen Controller, der den Dialogzustand verwaltet, Sub-Agenten für Aufgabenzerlegung einsetzt und die Ausführung überwacht.

3. Schlüsselbeiträge

• Unified Ecosystem: Schaffung eines interoperablen Ökosystems, das Methoden aus verschiedenen Domänen (Bulk, Single-Cell, Spatial) unter einer einzigen Schnittstelle (AnnData) zusammenführt.
• Bounded Action Space: Durch die Registrierung aller Funktionen wird der Aktionsraum für KI-Agenten eingeschränkt, was Code-Halluzinationen und falsche Methodenwahl drastisch reduziert.
• Reproduzierbarkeit und Provenienz: Jeder Schritt wird protokolliert (DAG-Aufzeichnung, Trace-Logging), was eine vollständige Nachverfolgbarkeit und Wiederholbarkeit der Analyse ermöglicht.
• Benutzerfreundlichkeit: Bereitstellung einer Web-Plattform mit interaktiver Visualisierung (bis zu Millionen von Zellen), einem Notebook-Editor und einem Terminal, die auch für Nutzer ohne Programmierkenntnisse zugänglich ist.

4. Ergebnisse und Benchmarks

• Leistungsvergleich: In einem Benchmark mit 15 Aufgaben (scRNA-seq, räumliche Transkriptomik, RNA-Velocity, scATAC-seq, CITE-seq, Multiome) wurde ov.Agent gegen reine „One-Shot"-LLM-Baselines getestet.
• Verbesserung: Ov.Agent zeigte eine signifikant höhere Leistung basierend auf Rubriken (Erfolgsrate, Validität der Artefakte, wissenschaftliche Plausibilität), insbesondere bei komplexen, mehrstufigen Workflows („Long-Horizon"-Aufgaben).
• Fehlerreduktion: Das System verhindert durch Vorab-Validierung von Vorbedingungen (z. B. Vorhandensein von PCA-Embeddings vor dem Nachbargraphen) das häufige Scheitern von LLM-generierten Pipelines.
• Skalierbarkeit: OmicVerse zeigt eine effiziente Laufzeit-Skalierung auf großen Datensätzen (bis 100.000 Zellen) und erreicht eine hohe Übereinstimmung mit etablierten Referenzimplementierungen (wie Scanpy) in Bezug auf HVG-Auswahl, PCA-Subräume und Clustering-Qualität.
• Adoption: Das Projekt verzeichnete über 800 GitHub-Sterne, 100.000+ Downloads auf PyPI und wurde in zahlreichen hochrangigen Publikationen (z. B. Nature, Cell) verwendet.

5. Bedeutung und Ausblick

OmicClaw stellt einen Paradigmenwechsel dar: Es argumentiert nicht, dass LLMs allein Bioinformatik lösen können, sondern dass natürlichsprachige Analysen erst dann wirklich ausführbar und reproduzierbar werden, wenn sie in einem vereinheitlichten Ökosystem und einer eingeschränkten, überprüfbaren Laufzeitumgebung verankert sind.

• Für die Forschung: Es senkt die Einstiegshürde für experimentelle Forscher, ermöglicht komplexe Multi-Omics-Analysen ohne tiefes Coding-Wissen und fördert die Reproduzierbarkeit durch standardisierte Workflows.
• Für die KI-Entwicklung: Es demonstriert einen erfolgreichen Ansatz für „Grounded AI" in der Wissenschaft, bei dem KI-Agenten nicht frei generieren, sondern auf validierten, registrierten Werkzeugen operieren.
• Zukunft: Das System dient als robuste Basis für die zukünftige Integration biologischer Grundmodelle (Foundation Models) und die Entwicklung interoperabler, menschen-KI-kollaborativer Forschungsworkflows.

Der Code und das Ökosystem sind unter https://github.com/Starlitnightly/omicverse und https://github.com/Starlitnightly/omicclaw verfügbar.