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

OmicClaw est un cadre d'analyse multi-omiques exécutable et reproductible, construit sur l'écosystème unifié OmicVerse et le runtime J.A.R.V.I.S., qui permet aux utilisateurs d'interagir avec des données biologiques complexes via du langage naturel tout en garantissant la traçabilité et la reproductibilité des workflows.

L'essentiel

🧬 OmicClaw : Le Traducteur Magique pour la Biologie Moderne

Imaginez que la biologie moderne est comme une immense bibliothèque remplie de livres écrits dans des langues totalement différentes.

• Certains livres parlent de l'ADN (le plan de construction).
• D'autres parlent des protéines (les ouvriers).
• D'autres encore décrivent où se trouvent les cellules dans un tissu (la carte géographique).

Le problème ? Chaque livre utilise une grammaire différente, a une couverture différente et est rangé sur une étagère différente. Si vous voulez écrire une histoire complète en utilisant ces livres, vous devez passer des heures à traduire, recopier et coller des passages manuellement. C'est lent, ennuyeux et on fait souvent des erreurs.

OmicClaw est la solution à ce chaos. C'est un nouveau système qui permet de demander à une intelligence artificielle (une sorte de robot très intelligent) de faire ce travail pour vous, en utilisant un langage naturel (comme le français ou l'anglais).

🛠️ Comment ça marche ? Les deux pièces du puzzle

Pour que ce robot fonctionne bien, il ne suffit pas de lui donner un cerveau (l'IA). Il faut aussi lui donner des outils fiables. OmicClaw repose sur deux piliers :

1. OmicVerse : La "Boîte à Outils Universelle" 🧰

Imaginez une boîte à outils géante où chaque outil (un marteau, une visseuse, une scie) a été modifié pour avoir exactement la même poignée et le même bouton.

• Avant, pour visser une vis, il fallait parfois utiliser une visseuse électrique, parfois une manuelle, et parfois un tournevis, et chaque outil avait une prise différente.
• Avec OmicVerse, tous les outils sont standardisés. Que vous travailliez sur des cellules simples ou complexes, l'interface est toujours la même. C'est le fondement solide sur lequel tout repose.

2. J.A.R.V.I.S. : Le Chef de Chantier Intelligents 🤖

C'est le nom du "cerveau" du système (un clin d'œil à l'assistant de Iron Man). Son rôle est crucial :

• Il ne devine pas : Les intelligences artificielles classiques ont tendance à "halluciner" (inventer des outils qui n'existent pas ou à mal les utiliser). J.A.R.V.I.S. ne fait pas ça. Il consulte d'abord la liste officielle des outils disponibles dans la boîte à outils OmicVerse.
• Il vérifie les prérequis : Si vous lui dites "Peignez le mur", il vérifie d'abord : "Est-ce que le mur est propre ? Est-ce qu'il y a de la peinture ?". Si non, il vous dit : "Attends, il faut d'abord nettoyer le mur avant de peindre".
• Il se corrige : Si une étape échoue, il ne panique pas. Il analyse l'erreur, ajuste son plan et réessaie, tout en gardant une trace exacte de ce qu'il a fait.

🗣️ L'Expérience Utilisateur : Parler comme un humain

Avec OmicClaw, vous n'avez plus besoin d'être un expert en code informatique. Vous pouvez simplement écrire une phrase comme :

"Analyse ces cellules pour voir comment elles vieillissent et trouve les gènes responsables."

Le système fait alors ceci :

1. Il comprend votre demande.
2. Il consulte la liste officielle des outils (le registre) pour voir quels outils existent vraiment.
3. Il enchaîne les étapes logiquement : nettoyage des données -> analyse -> visualisation.
4. Il vous rend le résultat : un graphique, un tableau ou un rapport, prêt à être utilisé.

🚀 Pourquoi c'est révolutionnaire ?

Avant, faire ce type d'analyse ressemblait à construire une maison en fabriquant soi-même chaque brique, chaque clou et chaque plan. C'était réservé aux experts qui passaient des mois à apprendre les outils.

Avec OmicClaw, c'est comme si vous aviez un architecte robotique qui :

• Connaît tous les plans de construction (les méthodes scientifiques).
• Utilise des outils standardisés qui ne cassent jamais.
• Vous permet de donner des instructions orales simples.
• Vous garantit que la maison est solide et que vous pouvez refaire exactement la même construction demain (reproductibilité).

🌍 En résumé

OmicClaw est un pont entre les biologistes (qui ont des questions sur la vie) et les données complexes. Il transforme le chaos des logiciels scientifiques en une conversation fluide et fiable.

C'est comme passer d'un atelier rempli d'outils rouillés et incompatibles à une usine high-tech automatisée, où un simple coup de voix suffit pour produire des découvertes scientifiques précises, reproductibles et accessibles à tous.

👉 Le projet est gratuit et ouvert à tous sur GitHub, prêt à aider les chercheurs à découvrir les secrets de la vie plus vite et plus facilement.

Résumé technique

Titre : OmicClaw : Analyse multi-omiques exécutable et reproductible via langage naturel sur l'écosystème unifié OmicVerse

1. Problématique

Les avancées récentes en omiques (bulk, single-cell et spatiales) ont transformé la découverte biologique, mais l'analyse des données reste fragmentée. Les chercheurs doivent naviguer entre de nombreux packages indépendants présentant :

• Des interfaces incompatibles et des conventions d'objets hétérogènes.
• Des dépendances logicielles complexes et divergentes.
• Un manque de reproductibilité des flux de travail (workflows).
• Une difficulté à créer des pipelines robustes reliant plusieurs tâches analytiques et modalités omiques.

De plus, l'utilisation récente des modèles de langage (LLM) pour générer du code bioinformatique souffre de deux modes d'échec majeurs :

1. Hallucination de code : Les agents inventent des appels de fonctions invalides ou mal argumentés.
2. Erreurs de sélection de méthodes : Les agents recommandent des outils sans connaître leurs contraintes d'entrée réelles ou leur implémentation, conduisant à des pipelines non exécutables.

2. Méthodologie

OmicClaw est une architecture intégrée conçue pour rendre l'analyse par langage naturel exécutable et fiable. Elle repose sur deux piliers fondamentaux :

A. OmicVerse (Le substrat analytique)
C'est un écosystème unifié centré sur l'objet de données AnnData. Il organise plus de 100 méthodes (prétraitement, single-cell, spatial, bulk, modèles de fondation) en modules orientés tâches avec une interface partagée.

• Modules clés : ov.alignment, ov.preprocess, ov.single (clustering, annotation, trajectoires, vélocité), ov.space (spatial), ov.bulk, et ov.fm (modèles de fondation).
• Interopérabilité : Il s'intègre avec PyTorch, PyTorch Geometric et MLX, et offre des implémentations optimisées pour CUDA et Apple Metal.

B. J.A.R.V.I.S. (La couche d'exécution)
C'est un runtime "grounded" (ancré) qui transforme OmicVerse en un espace d'action analytique borné.

• Registre de fonctions : Plus de 200 fonctions et classes sont exposées via un décorateur @register_function. Ce registre centralise les schémas d'arguments, les entrées/sorties attendues et les dépendances.
• Exécution contrôlée : Au lieu de laisser un LLM générer du code librement, J.A.R.V.I.S. traduit les requêtes utilisateur en appels de fonctions vérifiés contre le registre.
• État et Récupération : Le système maintient un contexte d'exécution (objet AnnData actif, historique, échecs récents). Il détecte les plateaux, valide les prérequis (ex: vérifier l'existence d'une couche "scaled" avant une PCA) et permet une réparation itérative en cas d'erreur.
• Protocole MCP : Un serveur compatible Model Context Protocol (MCP) permet aux agents externes (comme Claude Code) d'accéder aux outils sans écrire de code Python direct, tout en gardant les données en mémoire serveur.

C. Interface Utilisateur

• ov.Agent : Interface Python pour les utilisateurs natifs.
• Plateforme Web : Un environnement interactif avec éditeur de code style notebook, visualisation à l'échelle du million de cellules (via WebGL/Deck.gl), terminal intégré et espace de travail pour les agents.

3. Contributions Clés

1. Unification de l'interface : Harmonisation des interfaces pour des tâches allant du prétraitement à l'inférence de réseaux de régulation génique, réduisant la friction entre les outils.
2. Exécution Bornée et Vérifiable : Passage d'une génération de code "non contrainte" à une orchestration basée sur un registre, éliminant les hallucinations de fonctions et les erreurs de dépendance.
3. Flux de travail itératif et reproductible : Le système ne traite pas chaque demande comme un événement "one-shot". Il gère l'état, l'historique et la provenance, permettant des analyses complexes sur plusieurs tours de conversation avec récupération automatique des erreurs.
4. Benchmarking Rigoureux : Évaluation sur 15 tâches couvrant scRNA-seq, scATAC-seq, CITE-seq, données spatiales et multi-omiques, comparant l'agent ov.Agent à des LLM "bare" (sans orchestration).

4. Résultats

• Performance des Agents : Sur le benchmark de 15 tâches, ov.Agent a surpassé significativement les LLM de base (one-shot) en termes de réussite d'exécution, de validité des artefacts et de reproductibilité, en particulier pour les workflows à long horizon (multi-étapes).
• Efficacité Computationnelle : Les benchmarks de temps d'exécution montrent que OmicVerse (avec backends CPU/GPU mixtes) est compétitif, voire supérieur, à Scanpy pour des tâches comme la sélection de gènes variables (HVG), l'ACP (PCA) et le clustering Leiden sur des jeux de données allant jusqu'à 100 000 cellules, tout en maintenant une fidélité structurelle élevée (similitude des sous-espaces PCA, préservation des voisinages).
• Adoption : L'écosystème OmicVerse est déjà utilisé dans des études publiées dans des revues à fort impact (2/3 des études utilisant OmicVerse l'ont fait dans des journaux à haut facteur d'impact) et compte plus de 800 étoiles sur GitHub et 100 000 téléchargements sur PyPI.
• Réduction des échecs silencieux : Le mécanisme de validation des prérequis empêche l'exécution de pipelines dans un ordre invalide (ex: tenter une construction de graphe de voisinage sans embedding PCA préalable).

5. Signification et Impact

OmicClaw ne prétend pas que les LLM seuls peuvent résoudre les problèmes de bioinformatique. Au contraire, il démontre que l'analyse par langage naturel devient véritablement exécutable et reproductible lorsqu'elle est ancrée dans un écosystème omique unifié et exécutée via un runtime borné et inspectable.

Cette approche :

• Réduit la charge technique pour les biologistes expérimentaux.
• Facilite la collaboration interdisciplinaire entre développeurs de méthodes, biologistes computationnels et utilisateurs finaux.
• Offre une fondation durable pour la collaboration Humain-IA dans la recherche multi-omiques, capable d'évoluer avec les nouvelles technologies (modèles de fondation biologiques, nouvelles modalités).
• Rend l'analyse complexe (trajectoires, vélocité, intégration multi-omiques) accessible via des interfaces conversationnelles tout en garantissant la rigueur scientifique et la traçabilité des résultats.

En résumé, OmicClaw transforme l'analyse bioinformatique d'un processus manuel et fragmenté en un flux de travail collaboratif, automatisé et hautement reproductible.