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

OmicClaw é um framework executável baseado em linguagem natural que, aproveitando o ecossistema unificado OmicVerse e o runtime J.A.R.V.I.S., automatiza e torna reprodutíveis análises multi-ômicas complexas, traduzindo solicitações do usuário em fluxos de trabalho rastreáveis e validados para superar as limitações de interfaces fragmentadas e dependências heterogêneas na pesquisa biológica moderna.

O essencial

Imagine que a biologia moderna é como uma cozinha gigante e cheia de chefs incríveis, cada um especializado em um tipo diferente de ingrediente: alguns cozinham com "células soltas" (bulk), outros com "células individuais" (single-cell) e outros ainda com "mapas de células" (spatial).

O problema é que, até agora, cada chef usava seus próprios utensílios, receitas e medidas. Um usava xícaras, o outro colheres de sopa, e outro gramas. Se você quisesse fazer um prato complexo usando ingredientes de todos eles, teria que ficar correndo de um lado para o outro, traduzindo medidas manualmente e tentando fazer panelas que não foram feitas para se encaixar funcionarem juntas. Isso era lento, confuso e cheio de erros.

O que é o OmicClaw?

O OmicClaw é como um super-chef robótico que acabou de chegar nessa cozinha. Mas ele não é apenas um robô que obedece ordens; ele é um assistente inteligente que entende a linguagem humana.

Aqui está como ele funciona, usando uma analogia simples:

1. O "OmicVerse": A Cozinha Padronizada

Antes do robô, os cientistas precisavam criar um lugar onde todos os utensílios funcionassem juntos. Eles criaram o OmicVerse.

• A Analogia: Imagine que o OmicVerse é uma cozinha onde todas as panelas, facas e batedeiras foram padronizadas. Não importa se você está cortando cebola (análise de RNA) ou assando um bolo (análise de DNA), todos os utensílios têm o mesmo formato e se encaixam na mesma bancada. Isso significa que, quando o robô pega uma ferramenta, ele sabe exatamente como usá-la, sem ter que inventar regras novas a cada momento.

2. O "J.A.R.V.I.S.": O Gerente de Cozinha Inteligente

O robô em si é chamado de OmicClaw, mas o cérebro que o controla é o J.A.R.V.I.S. (sim, como o do Homem de Ferro!).

• O Problema: Se você pedir para um robô comum "faça uma salada", ele pode tentar usar uma serra elétrica em vez de uma faca, ou tentar misturar ingredientes que não combinam, porque ele não conhece as regras da cozinha. Isso é chamado de "alucinação" (quando a IA inventa coisas que não existem).
• A Solução do J.A.R.V.I.S.: O J.A.R.V.I.S. não deixa o robô inventar. Ele olha para um catálogo oficial de ferramentas (o registro).
  • Se você diz: "Quero analisar a velocidade das células", o J.A.R.V.I.S. verifica: "Ok, para fazer isso, primeiro precisamos lavar as células (pré-processamento), depois cortar em pedaços (dimensionalidade reduzida) e só então medir a velocidade".
  • Ele impede que o robô pule etapas. Se você tentar usar uma ferramenta sem ter preparado o ingrediente antes, o J.A.R.V.I.S. diz: "Ei, espere! Você esqueceu de lavar a alface. Vamos fazer isso primeiro."
  • Isso garante que o resultado seja reprodutível: se você pedir a mesma salada amanhã, o robô fará exatamente da mesma maneira, sem erros.

3. A Mágica da Conversação

A parte mais legal é que você não precisa saber programar ou usar códigos complicados.

• Como funciona: Você simplesmente digita ou fala: "Olha, tenho esses dados de células do sangue. Quero saber quais grupos de células estão conversando entre si e quais genes estão ativos."
• O que acontece: O OmicClaw entende sua frase, o J.A.R.V.I.S. consulta o catálogo de ferramentas, monta o plano passo a passo, executa tudo na cozinha padronizada (OmicVerse) e te entrega o prato pronto: gráficos, tabelas e um relatório explicando o que aconteceu.

Por que isso é importante?

• Para o Cientista: Em vez de passar dias tentando fazer diferentes programas de computador conversarem entre si, ele passa o tempo pensando na ciência. É como trocar de dirigir um carro com marchas manuais difíceis para dirigir um carro autônomo.
• Para a Reprodutibilidade: Em ciência, é crucial que, se você repetir o experimento, obtenha o mesmo resultado. Como o OmicClaw segue um roteiro rígido e verificado, ele elimina o "eu acho que fiz assim" e substitui por "este é o passo exato que foi dado".
• Para Iniciantes: Um estudante de biologia que nunca escreveu uma linha de código pode agora fazer análises complexas de milhões de células, apenas conversando com o computador.

Resumo em uma frase:

O OmicClaw é um assistente de IA que, graças a uma cozinha de ferramentas padronizadas (OmicVerse) e um gerente rigoroso (J.A.R.V.I.S.), permite que qualquer pessoa peça análises biológicas complexas em linguagem natural, garantindo que o resultado seja preciso, seguro e sempre igual, sem precisar saber programar.

É como ter um GPS para a descoberta científica: você diz para onde quer ir, e o sistema traça a rota, evita os buracos na estrada e garante que você chegue ao destino com segurança.

Resumo técnico

Título: OmicClaw: Análise executável e reprodutível de multi-ômicos via linguagem natural sobre o ecossistema unificado OmicVerse

1. O Problema

Os avanços recentes em ômicas de massa (bulk), célula única (single-cell) e espaciais transformaram a descoberta biológica, mas a análise de dados enfrenta um "gargalo de software" persistente. As principais dificuldades incluem:

• Fragmentação: As tarefas analíticas centrais (pré-processamento, clustering, inferência de trajetória, velocidade de RNA, etc.) estão distribuídas em pacotes independentes com interfaces incompatíveis.
• Dependências Heterogêneas: Os usuários precisam constantemente criar "wrappers" para conectar ferramentas que não foram projetadas para interoperar.
• Reprodutibilidade Limitada: A necessidade de reorganizar manualmente saídas intermediárias e a falta de padronização dificultam a construção de pipelines robustos.
• Falhas em IA Generativa: O uso direto de Grandes Modelos de Linguagem (LLMs) para gerar código bioinformático frequentemente resulta em "alucinações" (chamadas de funções inválidas), seleção incorreta de métodos e pipelines não executáveis devido à falta de verificação de pré-requisitos e estado dos dados.

2. Metodologia

O OmicClaw é um framework integrado que combina duas camadas principais para tornar a análise via linguagem natural executável e confiável:

• OmicVerse (Substrato Analítico):

  • Um ecossistema unificado centrado no objeto AnnData (padrão da comunidade Python para dados ômicos).
  • Organiza mais de 100 métodos de diversas modalidades (bulk, single-cell, espacial, foundation models) em módulos orientados a tarefas (ov.alignment, ov.preprocess, ov.single, ov.space, ov.bulk, ov.fm).
  • Fornece uma interface compartilhada e harmonizada, eliminando a necessidade de conversões de dados custosas entre ferramentas.

• J.A.R.V.I.S. (Camada de Execução e Runtime):

  • Um runtime de execução baseado em registro e consciente de estado.
  • Espaço de Ação Delimitado: Em vez de permitir que o LLM gere código livremente, o J.A.R.V.I.S. expõe mais de 200 funções e classes do OmicVerse através de um registro central (@register_function).
  • Validação e Proveniência: Antes da execução, o sistema verifica se os pré-requisitos de dados existem no objeto Annada (ex: verificar se uma camada escalada existe antes de fazer PCA). Ele rastreia a proveniência, o histórico de sessão e permite reparos iterativos.
  • Protocolo MCP (Model Context Protocol): Expõe o ecossistema para agentes externos (como Claude Code) através de uma interface padronizada, permitindo que agentes de terceiros interajam com as mesmas funções verificadas.

• Fluxo de Trabalho Agente (ov.Agent):

  • O usuário fornece uma instrução em linguagem natural e um objeto de dados.
  • O agente mapeia a intenção para funções registradas, executa em um loop de múltiplas voltas (multi-turn) com detecção de platôs e recuperação de erros.
  • O sistema separa o raciocínio do modelo da execução do código, garantindo que as saídas sejam artefatos estruturados (figuras, relatórios, objetos de dados atualizados) e não apenas texto.

3. Contribuições Principais

• Framework Executável de Linguagem Natural: A primeira plataforma que integra um ecossistema unificado de ômicas com um runtime de agente seguro e consciente de estado, permitindo análise interativa via chat.
• Prevenção de Alucinações: Ao forçar a execução através de um registro de funções validado e verificar pré-requisitos de dados, o sistema elimina erros comuns de agentes de IA que inventam APIs ou ignoram etapas de pré-processamento.
• Interoperabilidade e Escalabilidade: Suporte nativo para CUDA, Apple Metal/MPS e integração com frameworks de ML (PyTorch, PyG). Inclui uma plataforma web capaz de visualizar milhões de células.
• Reprodutibilidade Completa: O sistema gera logs de execução, rastreamento de proveniência (DAGs) e artefatos que permitem a reexecução exata de análises complexas.
• Benchmarks Abrangentes: Avaliação em 15 tarefas complexas cobrindo scRNA-seq, scATAC-seq, CITE-seq, dados espaciais e multi-ômicos.

4. Resultados

• Desempenho em Benchmarks: Em uma avaliação de 15 tarefas, o agente ov.Agent superou significativamente os modelos de linguagem "bare" (sem orquestração de ferramentas) em métricas baseadas em rubricas, especialmente em fluxos de trabalho de longo horizonte (multi-passos).
• Eficiência Computacional: O OmicVerse demonstrou escalabilidade linear ou sub-linear em tarefas como seleção de genes variáveis (HVG), PCA e UMAP, comparável ou superior ao Scanpy, com suporte a aceleração GPU.
• Validade Científica: O sistema conseguiu gerar pipelines completos e corretos para tarefas complexas como inferência de trajetória e velocidade de RNA, onde agentes convencionais falhavam devido a erros de argumentos ou falta de verificação de estado.
• Adoção: O ecossistema OmicVerse já foi utilizado em estudos publicados em revistas de alto impacto, com mais de 800 estrelas no GitHub e 100.000+ downloads no PyPI.

5. Significado e Impacto

O OmicClaw representa uma mudança de paradigma na bioinformática computacional:

• Colaboração Humano-AI: Demonstra que a análise via linguagem natural se torna viável e confiável apenas quando ancorada em um ecossistema unificado e executada através de um runtime delimitado, e não apenas pela capacidade bruta de um LLM.
• Acessibilidade: Reduz a barreira de entrada para pesquisadores experimentais, permitindo que realizem análises complexas de multi-ômicos sem necessidade de escrever código Python complexo, mantendo a reprodutibilidade.
• Futuro da Pesquisa: Estabelece uma fundação para pipelines de pesquisa reprodutíveis, tutoriais interativos e colaboração em larga escala, integrando modelos de fundação biológicos e ferramentas de IA de forma segura.

O código e a documentação estão disponíveis publicamente no GitHub (https://github.com/Starlitnightly/omicverse e https://github.com/Starlitnightly/omicclaw).