latchbio-integration
Latch SDKでバイオインフォマティクスのパイプラインを構築
Auch verfügbar von: davila7
インフラ管理なしで本番対応のバイオインフォマティクス・ワークフローをデプロイ。Pythonデコレーターでサーバーレスのパイプラインを作成し、自動コンテナ化、GPU対応、統合クラウドストレージを利用できます。
Die Skill-ZIP herunterladen
In Claude hochladen
Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen
Einschalten und loslegen
Teste es
Verwendung von "latchbio-integration". Create a Latch workflow for protein structure prediction
Erwartetes Ergebnis:
- nvidia-tesla-v100 GPU で @large_gpu_task デコレーターを使用
- latch.verified モジュールから alphafold をインポート
- FASTA 配列の入力を LatchFile で設定
- PDB 結果の出力ディレクトリを LatchDir で設定
- プラットフォームが Docker コンテナ化を自動的に処理
- Latch ダッシュボードで実行状況を監視
Verwendung von "latchbio-integration". How do I set up a DESeq2 differential expression analysis?
Erwartetes Ergebnis:
- latch.verified モジュールから deseq2 をインポート
- カウント行列とサンプルメタデータの入力パラメータを定義
- 結果とプロット用の出力ディレクトリを設定
- プラットフォームが適切な計算リソースをプロビジョニング
- 登録済みの出力パスから結果にアクセス
Verwendung von "latchbio-integration". Configure GPU resources for AlphaFold on Latch
Erwartetes Ergebnis:
- GPU ワークロードには @large_gpu_task デコレーターを使用
- gpu_type を nvidia-tesla-v100 または nvidia-tesla-a100 に設定
- タンパク質サイズに基づいてメモリ要件を設定
- プラットフォームが GPU スケジューリングを自動で処理
- 実行中の GPU 使用率を監視
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 解析パイプラインをデプロイ
品質管理から差次的発現解析までを含む完全なトランスクリプトーム・ワークフローを構築します。
タンパク質構造予測を実行
AlphaFold または ColabFold のジョブを、自動的な GPU リソース割り当てとクラウドストレージで実行します。
検証済みバイオインフォマティクスツールを統合
事前構築されたワークフローにカスタム手順を組み合わせて、特化した解析パイプラインを作成します。
Probiere diese Prompts
@small_task デコレーターを使ってファイルを処理し、LatchFile の結果を返す Latch ワークフローを作成してください。
カスタムのリソース指定で、深層学習モデル実行に A100 GPU を使用するように Latch タスクを設定してください。
既存の Nextflow または Snakemake パイプラインを Latch プラットフォームに登録する方法を示してください。
品質管理、アライメント、定量化タスクを Latch デコレーターで構成した完全な RNA-seq パイプラインを作成してください。
Bewährte Verfahren
- 標準のタスクデコレーター（@small_task、@large_task）から開始し、プロファイリングで必要性が示された場合にのみリソースを拡張する
- すべてのパラメータに型注釈と docstrings を付け、ワークフローのインターフェースを自動生成する
- プラットフォーム登録前に Docker でワークフローをローカルテストする
Vermeiden
- リソースの過剰割り当ては避ける - GPU タスクは CPU タスクより大幅に高コスト
- 実行時の動的リソース設定は使用しない - デコレーターは静的である必要がある
- 明確な分離なしに単一パイプライン内で複数のワークフローフレームワークを混在させない