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

OmicClaw is een uitvoerbaar en reproduceerbaar framework dat natuurlijke taal gebruikt om multi-omics-analyses te stroomlijnen binnen het verenigde OmicVerse-ecosysteem, waardoor complexe workflows voor bulk-, single-cell en ruimtelijke genomica betrouwbaar en toegankelijk worden gemaakt.

De kern

Stel je voor dat je een enorme bibliotheek binnenloopt, vol met boeken over het leven: DNA, cellen, eiwitten en al die andere biologische geheimen. Dit is wat wetenschappers doen met multi-omics (het bestuderen van verschillende lagen van biologische data).

Het probleem? De boeken liggen in de bibliotheek niet netjes op de planken. Ze liggen verspreid over verschillende afdelingen, in verschillende talen, en sommige zijn zelfs in een taal geschreven die niemand meer spreekt. Als je een verhaal wilt vertellen over hoe een ziekte werkt, moet je eerst zelf die boeken zoeken, ze vertalen, en ze dan met tape aan elkaar plakken. Dat is precies wat biologen nu moeten doen met hun software: ze springen van het ene programma naar het andere, en het is vaak een puinhoop.

OmicClaw is de oplossing voor dit probleem. Het is als een super-slome bibliothecaris-robot die niet alleen de boeken vindt, maar ze ook voor je uitleest, vertaalt en een perfect verhaal schrijft.

Hier is hoe het werkt, in gewone taal:

1. De Bibliotheek: OmicVerse

Eerst hebben we een enorme, georganiseerde bibliotheek nodig. Dat is OmicVerse.

• De analogie: Stel je voor dat alle losse, rommelige softwarepakketten die wetenschappers gebruiken, nu zijn omgebouwd tot één groot, perfect georganiseerd gebouw. Alle boeken (methoden) hebben nu dezelfde kaft, dezelfde indeling en dezelfde taal.
• Wat het doet: Of je nu wilt kijken naar één cel, een hele weefselstructuur of een hele populatie, OmicVerse zorgt dat alles op één plek zit en dat de "boeken" met elkaar kunnen praten.

2. De Robot: J.A.R.V.I.S.

Nu hebben we iemand nodig die die bibliotheek bedient. Dat is J.A.R.V.I.S. (de naam is een knipoog naar Iron Man's robot).

• Het probleem zonder robot: Als je een gewone AI vraagt: "Zoek een ziekte op," kan die AI soms dingen verzinnen die niet bestaan (hallucinaties) of de verkeerde boeken pakken. Het is alsof je een kind vraagt om een recept te maken, maar het kind de ingrediënten uit de vuilnisbak haalt.
• De oplossing: J.A.R.V.I.S. werkt met een strenge lijst van toegestane acties. Hij mag alleen de boeken pakken die echt in de bibliotheek staan. Hij kijkt eerst: "Hebben we al de juiste ingrediënten?" (bijvoorbeeld: is de data al schoongemaakt?). Als het antwoord nee is, zegt hij: "Eerst dit doen, dan dat." Hij zorgt dat niemand per ongeluk de verkeerde deur opent.

3. De Samenwerking: OmicClaw

OmicClaw is de naam van het hele systeem: de bibliotheek (OmicVerse) plus de robot (J.A.R.V.I.S.).

• Hoe het werkt: Jij, de onderzoeker, zegt gewoon in gewone taal: "Kijk eens naar deze cellen en vertel me of ze aan het verouderen zijn."
• De magie: OmicClaw verandert die zin niet in een ingewikkeld computerprogramma dat jij moet typen. In plaats daarvan:
  1. De robot kijkt in zijn lijstje: "Oké, 'veroudering' betekent dat we eerst de data moeten schoonmaken, dan een kaart moeten maken, en dan een analyse doen."
  2. Hij voert die stappen uit, één voor één.
  3. Als hij ergens vastloopt (bijvoorbeeld: "Oh, ik heb geen schone data"), stopt hij niet. Hij zegt: "Ik kan dit niet doen, want ik heb X nodig. Laten we eerst X doen."
  4. Aan het eind krijg je niet alleen een antwoord, maar ook de grafieken, de tabellen en een verslag dat je kunt gebruiken.

Waarom is dit zo belangrijk?

Vroeger moest je een expert zijn in tien verschillende programmeertalen om één vraag te beantwoorden. Met OmicClaw kun je gewoon praten met je computer, alsof je een assistent hebt die alles voor je regelt.

• Het is als een GPS voor biologie: Je zegt alleen waar je naartoe wilt ("Ik wil weten welke cellen ziek zijn"), en de robot zorgt voor de route, de verkeerslichten en de brandstof.
• Het is veilig: Omdat de robot alleen werkt met de boeken die in de bibliotheek staan, kun je geen fouten maken door iets te verzinnen.
• Het is voor iedereen: Je hoeft geen programmeur te zijn. Er is zelfs een website waar je met je muis kunt klikken, alsof je een spelletje speelt, maar dan met echte wetenschappelijke data.

Kortom: OmicClaw maakt het mogelijk dat biologen zich niet meer hoeven te verdiepen in ingewikkelde code, maar zich kunnen focussen op het echte werk: het ontdekken van nieuwe medicijnen en het begrijpen van het leven. Het is de brug tussen menselijke nieuwsgierigheid en de complexe wereld van de data.

Technische samenvatting

Probleemstelling

De vooruitgang in bulk-, single-cell- en ruimtelijke 'omics'-technologieën heeft de biologische ontdekking getransformeerd, maar de analyse blijft gefragmenteerd. Bestaande tools zijn verspreid over verschillende softwarepakketten met:

• Incompatibele interfaces: Tools werken niet naadloos samen.
• Heterogene afhankelijkheden: Verschillende pakketten vereisen verschillende en soms conflicterende omgevingen.
• Beperkte reproduceerbaarheid: Gebruikers moeten handmatig tussen workflows schakelen, wrappers schrijven en tussenresultaten herschikken.
• AI-beperkingen: Bestaande benaderingen met Large Language Models (LLM's) voor bio-informatica leiden vaak tot "code hallucinaties" (het bedenken van niet-bestaande functies) en fouten bij de methodeselectie, omdat de modellen geen toegang hebben tot een geverifieerde, gestructureerde uitvoeringsomgeving.

Methodologie

Het paper introduceert OmicClaw, een uitvoerbaar framework voor natuurlijke-taalanalyse van multi-omics-data. Dit systeem rust op twee fundamentele pijlers:

1. OmicVerse (De Analytische Substraat):

   • Een unificeerde ecosysteem dat meer dan 100 methoden organiseert rondom de AnnData-datastructuur.
   • Het biedt gestandaardiseerde modules voor diverse taken: uitlijning (ov.alignment), preprocessing (ov.preprocess), single-cell analyse (ov.single), ruimtelijke analyse (ov.space), bulk-transcriptomics (ov.bulk) en toegang tot foundation models (ov.fm).
   • Het harmoniseert interfaces tussen verschillende methoden, waardoor ze interoperabel zijn.

2. J.A.R.V.I.S. (De Uitvoeringslaag):

   • Een "registry-grounded" runtime die de OmicVerse-ecosysteem omzet in een beperkte analytische actieruimte.
   • Register-gedreven: In plaats van dat een LLM vrij code genereert, worden functies via @register_function blootgelegd aan een centraal register. Dit register bevat metadata over argumenten, vereisten en output.
   • State-aware en Recoverable: Het systeem behoudt de context van de analyse (huidige AnnData-objecten, geschiedenis, fouten) en ondersteunt iteratief herstel.
   • Validatie: Voordat een tool wordt uitgevoerd, controleert J.A.R.V.I.S. of de vereiste datastructuren (bijv. een geschaalde laag of PCA-embedding) aanwezig zijn. Als een voorwaarde niet wordt voldaan, geeft het een specifieke foutmelding met een suggestie voor de volgende stap, wat "stille fouten" voorkomt.
   • MCP-ondersteuning: Het systeem is compatibel met het Model Context Protocol (MCP), waardoor externe agents en gebruikers via een server toegang hebben tot dezelfde geverifieerde functies zonder Python-code te hoeven schrijven.

Belangrijkste Bijdragen

• OmicClaw Framework: Een integratie van een unificeerde omics-ecosysteem (OmicVerse) met een agentische uitvoeringslaag (J.A.R.V.I.S.) die natuurlijke taal omzet in traceerbare, reproduceerbare workflows.
• Beperkte Actieruimte: In plaats van onbeperkte code-generatie, beperkt het systeem de LLM tot een inspecteerbare set van geregistreerde functies, wat hallucinaties en methodologische fouten drastisch reduceert.
• Iteratief Herstel: Het systeem kan complexere taken ontleden in sub-problemen, fouten detecteren (zoals ontbrekende voorafgaande stappen) en automatisch corrigeren of de gebruiker adviseren.
• Webplatform: Een beginnende-vriendelijk webplatform met interactieve visualisatie (tot miljoenen cellen), een notebook-achtige code-editor, een terminal en een agent-workspace voor mens-AI samenwerking.
• Benchmarking: Een uitgebreide evaluatie over 15 taken (scRNA-seq, ruimtelijke transcriptomics, RNA-velocity, scATAC-seq, CITE-seq, multiome) die aantoont dat ov.Agent (de agent van OmicClaw) significant beter presteert dan "bare" LLM-baselines, vooral bij lange, multi-stap workflows.

Resultaten

• Prestatieverbetering: In benchmarks overtrof ov.Agent de prestaties van een eenmalige (one-shot) LLM-baseline aanzienlijk op basis van rubric-gescores (uitvoeringssucces, validiteit van artefacten, wetenschappelijke redelijkheid). De verbetering was het grootst bij complexe, langdurige workflows.
• Betrouwbaarheid: Het systeem voorkomt veelvoorkomende fouten zoals het missen van voorafgaande preprocessing-stappen of het gebruik van onjuiste argumenten, door strikte validatie tegen het register.
• Schaalbaarheid: OmicVerse toont vergelijkbare of betere prestaties dan bestaande tools (zoals Scanpy) in termen van runtime en output-kwaliteit (HVG-selectie, PCA, clustering) en schaalbaar tot 100.000+ cellen.
• Adoptie: OmicVerse wordt al gebruikt in studies gepubliceerd in hoog-impact tijdschriften en heeft een groeiende community (800+ sterren op GitHub, 100k+ downloads op PyPI).

Betekenis en Impact

OmicClaw vertegenwoordigt een paradigmaverschuiving in computatiebiologie. Het bewijst dat natuurlijke-taalanalyse pas echt uitvoerbaar en reproduceerbaar wordt wanneer deze is verankerd in een unificeerd ecosysteem en wordt uitgevoerd via een beperkte, inspecteerbare runtime.

• Reproduceerbaarheid: Door workflows te vertalen naar traceerbare functiestructuren in plaats van vrije code, wordt de reproduceerbaarheid van complexe multi-omics analyses gegarandeerd.
• Toegankelijkheid: Het platform democratiseert geavanceerde bio-informatica voor onderzoekers zonder diepgaande programmeerkennis via een webinterface en natuurlijke taal.
• Toekomstbestendigheid: De architectuur is ontworpen om mee te groeien met nieuwe technologieën (zoals foundation models en nieuwe omics-modi) zonder de onderliggende interface te breken.
• Mens-AI Samenwerking: Het stelt een model voor voor "grounded human-AI collaboration", waarbij de AI fungeert als een betrouwbare assistent binnen strikte, wetenschappelijk onderbouwde grenzen, in plaats van als een onbetrouwbare code-generator.

Kortom, OmicClaw biedt de praktische fundering voor de volgende generatie multi-omics onderzoek, waarbij complexiteit wordt beheerst door eenheid, validatie en reproduceerbaarheid.