lamindb
Gérer des données biologiques avec LaminDB
또한 다음에서 사용할 수 있습니다: K-Dense-AI
Les ensembles de données biologiques sont difficiles à suivre, interroger et reproduire. LaminDB fournit un cadre unifié pour la gestion des données scientifiques avec une validation d'ontologie intégrée, un suivi de lignage de workflow et une conformité FAIR pour la reproductibilité de la recherche.
스킬 ZIP 다운로드
Claude에서 업로드
설정 → 기능 → 스킬 → 스킬 업로드로 이동
토글을 켜고 사용 시작
테스트해 보기
"lamindb" 사용 중입니다. Configurer LaminDB avec validation d'ontologie pour mes données scRNA-seq
예상 결과:
- Initialize LaminDB with local storage: lamin init --storage ./mydata
- Import Cell Ontology: bt.CellType.import_source()
- Create artifact: ln.Artifact.from_anndata(adata, key='scrna/batch1.h5ad').save()
- Standardize cell types: adata.obs['cell_type'] = bt.CellType.standardize(adata.obs['cell_type'])
- Validate with curator: curator = ln.curators.AnnDataCurator(adata, schema); curator.validate()
보안 감사
안전Pure documentation skill containing reference materials for LaminDB. All 582 static findings are false positives caused by code examples in markdown documentation being incorrectly flagged as security patterns. No executable code, scripts, or network operations are present.
위험 요인
⚙️ 외부 명령어 (414)
📁 파일 시스템 액세스 (40)
🌐 네트워크 접근 (18)
🔑 환경 변수 (14)
품질 점수
만들 수 있는 것
Suivre l'analyse single-cell
Suivre les pipelines d'analyse scRNA-seq avec un lignage automatique des comptages bruts aux tracés finaux
Valider les annotations biologiques
Standardiser les annotations de types cellulaires et de tissus contre Cell Ontology et Uberon
Intégrer le suivi d'expériences
Combiner le versioning de données LaminDB avec Weights & Biases ou MLflow pour des pipelines ML reproductibles
이 프롬프트를 사용해 보세요
Aidez-moi à configurer LaminDB pour gérer des données single-cell RNA-seq. Incluez l'initialisation, l'installation avec stockage local, et la création de mon premier artifact à partir d'un objet AnnData.
Montrez-moi comment valider les annotations de types cellulaires dans mes données scRNA-seq en utilisant Cell Ontology (Bionty). Incluez l'importation de l'ontologie, la standardisation des termes, et la création d'artifacts validés.
Je veux suivre mon pipeline d'analyse avec LaminDB. Créez un workflow utilisant ln.track() qui capture les commits git, les paramètres, les artifacts d'entrée et les artifacts de sortie pour un pipeline Nextflow ou Snakemake.
Comment interroger mes artifacts LaminDB par caractéristiques biologiques ? Montrez-moi comment filtrer les artifacts par type cellulaire, tissu ou maladie, et comment utiliser des requêtes basées sur les caractéristiques pour trouver des ensembles de données pertinents.
모범 사례
- Appelez ln.track() au début de chaque notebook ou script pour capturer un lignage complet
- Utilisez des clés hiérarchiques (project/experiment/batch/file.h5ad) pour une navigation de données organisée
- Importez et utilisez les ontologies biologiques (CellType, Tissue, Gene) avant la validation des données
- Définissez les caractéristiques tapées à l'avance pour une annotation et une interrogation de métadonnées cohérentes
피하기
- Oublier ln.track() - casse le suivi de lignage et la reproductibilité
- Utiliser des chemins codés en dur au lieu des clés LaminDB pour la gestion des artifacts
- Valider les données sans avoir d'abord importé les ontologies pertinentes
- Charger des ensembles de données entiers en mémoire sans utiliser le streaming pour les grands fichiers