latchbio-integration
Bioinformatik-Pipelines mit Latch SDK erstellen
Auch verfügbar von: davila7
Produktionsreife Bioinformatik-Workflows bereitstellen, ohne Infrastruktur zu verwalten. Erstellen Sie serverlose Pipelines mit Python-Dekoratoren mit automatischer Containerisierung, GPU-Unterstützung und integriertem Cloud-Speicher.
Die Skill-ZIP herunterladen
In Claude hochladen
Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen
Einschalten und loslegen
Teste es
Verwendung von "latchbio-integration". Erstellen Sie einen Latch-Workflow für Proteinstrukturvorhersage
Erwartetes Ergebnis:
- Verwenden Sie @large_gpu_task Dekorator mit nvidia-tesla-v100 GPU
- Importieren Sie alphaflow aus dem latch.verified Modul
- Konfigurieren Sie die Eingabe über LatchFile für FASTA-Sequenz
- Legen Sie das Ausgabeverzeichnis mit LatchDir für PDB-Ergebnisse fest
- Plattform übernimmt automatisch die Docker-Containerisierung
- Überwachen Sie die Ausführung über das Latch-Dashboard
Verwendung von "latchbio-integration". Wie richte ich eine DESeq2 differentielle Expressionsanalyse ein?
Erwartetes Ergebnis:
- Importieren Sie deseq2 aus dem latch.verified Modul
- Definieren Sie Eingabeparameter für Count-Matrix und Sample-Metadaten
- Konfigurieren Sie das Ausgabeverzeichnis für Ergebnisse und Plots
- Plattform stellt geeignete Rechenressourcen bereit
- Greifen Sie auf Ergebnisse über registrierte Ausgabepfade zu
Verwendung von "latchbio-integration". GPU-Ressourcen für AlphaFold auf Latch konfigurieren
Erwartetes Ergebnis:
- Verwenden Sie @large_gpu_task Dekorator für GPU-Workloads
- Setzen Sie gpu_type auf nvidia-tesla-v100 oder nvidia-tesla-a100
- Konfigurieren Sie Speicheranforderungen basierend auf der Proteingröße
- Plattform übernimmt GPU-Scheduling automatisch
- Überwachen Sie die GPU-Auslastung während der Ausführung
Sicherheitsaudit
SicherDocumentation-only skill containing only markdown files (.md) and JSON metadata. No executable source code present. All 285 static findings are false positives caused by the scanner misinterpreting markdown code block syntax and documentation examples as executable code. The 'backtick execution' findings are markdown code delimiters, 'weak cryptographic algorithm' findings are misinterpreted Python decorators, and 'credential access' findings demonstrate legitimate Latch SDK APIs. This is standard bioinformatics documentation teaching users how to use a cloud-based workflow platform.
Risikofaktoren
⚙️ Externe Befehle (6)
⚡ Enthält Skripte (2)
🌐 Netzwerkzugriff (2)
🔑 Umgebungsvariablen (2)
Qualitätsbewertung
Was du bauen kannst
RNA-seq-Analyse-Pipelines bereitstellen
Erstellen Sie vollständige Transkriptomik-Workflows von der Qualitätskontrolle bis zur differentiellen Expressionsanalyse.
Proteinstrukturvorhersage ausführen
Führen Sie AlphaFold- oder ColabFold-Jobs mit automatischer GPU-Ressourcenzuweisung und Cloud-Speicher aus.
Verifizierte Bioinformatik-Tools integrieren
Kombinieren Sie vorgefertigte Workflows mit benutzerdefinierten Schritten für spezialisierte Analyse-Pipelines.
Probiere diese Prompts
Erstellen Sie einen Latch-Workflow, der Dateien mit dem @small_task Dekorator verarbeitet und ein LatchFile-Ergebnis zurückgibt.
Konfigurieren Sie einen Latch-Task für die Verwendung einer A100 GPU für Deep-Learning-Modellausführung mit benutzerdefinierten Ressourcenspezifikationen.
Zeigen Sie, wie Sie eine bestehende Nextflow- oder Snakemake-Pipeline auf der Latch-Plattform registrieren.
Erstellen Sie eine vollständige RNA-seq-Pipeline mit Qualitätskontrolle, Alignment und Quantifizierungs-Tasks mit Latch-Dekoratoren.
Bewährte Verfahren
- Beginnen Sie mit Standard-Task-Dekoratoren (@small_task, @large_task) und skalieren Sie Ressourcen nur, wenn die Profilerstellung dies erfordert
- Verwenden Sie Type-Annotations und Docstrings für alle Parameter zur automatischen Generierung von Workflow-Oberflächen
- Testen Sie Workflows lokal mit Docker, bevor Sie sie auf der Plattform registrieren
Vermeiden
- Vermeiden Sie Überbereitstellung von Ressourcen - GPU-Tasks kosten deutlich mehr als CPU-Tasks
- Verwenden Sie keine dynamische Ressourcenkonfiguration zur Laufzeit - Dekoratoren müssen statisch sein
- Vermeiden Sie das Mischen mehrerer Workflow-Frameworks in einer einzelnen Pipeline ohne klare Trennung