生物学的 연구는 추적, 쿼리 및 재현이 어려운 복잡한 데이터세트를 생성합니다. LaminDB는 자동 계보 추적, 온톨로지 기반 주석 및 워크플로우 관리자와의 원활한 통합을 통해 생물학적 데이터를 관리하기 위한 통합 프레임워크를 제공합니다.
スキルZIPをダウンロード
Claudeでアップロード
設定 → 機能 → スキル → スキルをアップロードへ移動
オンにして利用開始
テストする
「lamindb」を使用しています。 How do I track my notebook analysis with LaminDB?
期待される結果:
- ノートブックの冒頭でln.track()を使用して系統の取得を開始します
- 通常どおりデータをインポートして分析を実行します
- 完了時にln.track()を呼び出して追跡を完了します
- artifact.view_lineage()で系統を表示してデータの来歴を確認します
「lamindb」を使用しています。 Can you help me validate my experimental metadata?
期待される結果:
- 必要な列とデータ型を持つスキーマを定義します
- スキーマを使用してDataFrameCuratorまたはAnnDataCuratorを作成します
- curator.validate()を使用してデータの整合性を確認します
- .cat.standardize()を使用してタイポを修正し、同義語をマッピングします
「lamindb」を使用しています。 How do I connect LaminDB to my cloud storage?
期待される結果:
- エクストラをインストール: pip install 'lamindb[aws]' または 'lamindb[gcp]'
- ストレージを構成: lamin init --storage s3://your-bucket
- 環境変数またはコンフィグファイルで認証情報を設定します
- LaminDBはキャッシュと同期を自動的に処理します
セキュリティ監査
安全This is a pure documentation skill containing only markdown files with code examples for LaminDB biological data management. All 607 static findings are false positives. The analyzer incorrectly flagged markdown code formatting (backticks, code blocks), documentation about cloud storage configuration (AWS, GCP credentials), and library usage patterns (ln.Artifact) as security issues. No executable code, scripts, credential harvesting, or malicious patterns exist.
リスク要因
⚙️ 外部コマンド (3)
📁 ファイルシステムへのアクセス (2)
🌐 ネットワークアクセス (2)
品質スコア
作れるもの
scRNA-seqデータの注釈付け
Cell Ontologyの制御された語彙を使用して、細胞タイプの注釈を検証および標準化します
データレイクハウスの構築
自動バージョン管理を備えた複数の生物学的データセットにわたる統合クエリインターフェースを作成します
モデルの系統の追跡
完全な再現性のために、MLflowまたはW&B実験にトレーニングデータアーティファクトをリンクします
これらのプロンプトを試す
LaminDBをローカルでセットアップする手助けをしてください。インストール、認証、およびシングルセルデータセット管理用のローカルインスタンスの初期化を行いたいです。
細胞タイプラベルの付いたscRNA-seqデータを持っています。Biontyを介してCell Ontologyを使用して、これらのラベルを検証および標準化する方法を示してください。
bulk RNA-seq分析のためにNextflowパイプラインを実行しています。どのコードがどの出力ファイルを生成したかを追跡するためにLaminDBを統合する方法を示してください。
実験とバッチごとに整理された数百のParquetファイルを持っています。すべてのファイルをロードせずに、tissue=PBMCおよびcondition=treatedでプロジェクトXからのすべてのアーティファクトをクエリする方法を示してください。
ベストプラクティス
- 自動系統取得のために、すべての分析ノートブックをln.track()で開始し、ln.finish()で終了します
- スキーマを定義し、問題を広範な分析の前に検出するためにデータを早期に検証します
- 整理のために「project/experiment/batch/file.h5ad」などの階層的なアーティファクトキーを使用します
回避
- 組み込みのバージョン管理を使用する代わりに、修正されたバージョンの新しいアーティファクトキーの作成
- まずフィルタリングせずに大きなデータセットをロードする - I/Oを削減するためにまずメタデータをクエリします
- オントロジー標準化をスキップすると、類似した用語全体での一貫性のないクエリにつながります