🧬

lamindb

Name: lamindb
Author: K-Dense-AI

Seguro ⚙️ Comandos externos📁 Acesso ao sistema de arquivos🌐 Acesso à rede🔑 Variáveis de ambiente

Gerenciar dados biológicos com LaminDB

Também disponível em: davila7

A pesquisa biológica gera conjuntos de dados complexos que são difíceis de rastrear, consultar e reproduzir. O LaminDB oferece uma estrutura unificada para gerenciar dados biológicos com rastreamento automático de linhagem, anotações baseadas em ontologias e integração perfeita com gerenciadores de fluxos de trabalho.

Suporta: Claude Codex Code(CC)

📊 71 Adequado

Baixar o ZIP da skill

Upload no Claude

Vá em Configurações → Capacidades → Skills → Upload skill

Ative e comece a usar

Testar

A utilizar "lamindb". How do I track my notebook analysis with LaminDB?

Resultado esperado:

Use ln.track() at the start of your notebook to begin lineage capture
Import your data and perform analysis as normal
Call ln.finish() to complete tracking when done
View lineage with artifact.view_lineage() to see data provenance

A utilizar "lamindb". Can you help me validate my experimental metadata?

Resultado esperado:

Define a schema with required columns and data types
Create a DataFrameCurator or AnnDataCurator with your schema
Use curator.validate() to check data integrity
Use .cat.standardize() to fix typos and map synonyms

A utilizar "lamindb". How do I connect LaminDB to my cloud storage?

Resultado esperado:

Install extras: pip install 'lamindb[aws]' or 'lamindb[gcp]'
Configure storage: lamin init --storage s3://your-bucket
Set credentials via environment variables or config files
LaminDB handles caching and sync automatically

Auditoria de Segurança

Seguro

v4 • 1/17/2026

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.

Arquivos analisados

6,559

Linhas analisadas

achados

Total de auditorias

Fatores de risco

⚙️ Comandos externos (3)

references/annotation-validation.md:21-32 SKILL.md:49-61 references/setup-deployment.md:9-21

📁 Acesso ao sistema de arquivos (2)

references/core-concepts.md:12-24 SKILL.md:195-226

🌐 Acesso à rede (2)

references/integrations.md:46-72 SKILL.md:383-387

🔑 Variáveis de ambiente (2)

references/integrations.md:49-50 references/setup-deployment.md:205-206

Auditado por: claude Ver Histórico de Auditoria →

Pontuação de qualidade

Arquitetura

100

Manutenibilidade

Conteúdo

Comunidade

100

Segurança

Conformidade com especificações

O Que Você Pode Construir

Anotar dados scRNA-seq

Validar e padronizar anotações de tipo celular usando vocabulários controlados do Cell Ontology

Construir data lakehouses

Criar interfaces de consulta unificadas em múltiplos conjuntos de dados biológicos com versionamento automático

Rastrear linhagem de modelos

Vincular artefatos de dados de treinamento a experimentos MLflow ou W&B para reprodutibilidade completa

Tente Estes Prompts

Começar

Ajude-me a configurar o LaminDB localmente. Quero instalá-lo, autenticar e inicializar uma instância local para gerenciar meus conjuntos de dados de células únicas.

Anotar dados

Tenho dados scRNA-seq com rótulos de tipo celular. Mostre-me como validar e padronizar esses rótulos usando o Cell Ontology via Bionty.

Rastrear linhagem

Executo pipelines Nextflow para análise de RNA-seq em massa. Mostre-me como integrar o LaminDB para rastrear qual código produziu quais arquivos de saída.

Consultar dados

Tenho centenas de arquivos Parquet organizados por experimento e lote. Mostre-me como consultar todos os artefatos do projeto X com tissue=PBMC e condition=treated sem carregar todos os arquivos.

Melhores Práticas

Comece cada notebook de análise com ln.track() e termine com ln.finish() para captura automática de linhagem
Defina esquemas e valide dados cedo para detectar problemas antes de análises extensas
Use chaves de artefato hierárquicas como 'projeto/experimento/lote/arquivo.h5ad' para organização

Evitar

Criar novas chaves de artefato para versões modificadas em vez de usar versionamento nativo
Carregar conjuntos de dados grandes sem filtrar primeiro - consulte metadados primeiro para reduzir E/S
Pular padronização de ontologia que leva a consultas inconsistentes entre termos semelhantes

Perguntas Frequentes

Quais formatos de dados o LaminDB suporta?

LaminDB suporta DataFrames (Parquet, CSV), AnnData (células únicas), MuData (multi-modal), SpatialData e arrays TileDB-SOMA.

Preciso de um servidor para usar o LaminDB?

Não. LaminDB funciona localmente com SQLite para desenvolvimento. Escalone para armazenamento em nuvem com PostgreSQL para equipes de produção.

Como o LaminDB se integra com Nextflow?

Use ln.track() em scripts de processo para registrar entradas e saídas. LaminDB captura proveniência automaticamente para cada etapa.

Quais ontologias biológicas estão disponíveis?

Genes (Ensembl), Proteínas (UniProt), Tipos celulares (CL), Tecidos (Uberon), Doenças (Mondo), Fenótipos (HPO) e Vias (GO).

Posso usar o LaminDB sem internet?

Sim para operações locais. Downloads iniciais de ontologias e acesso a armazenamento em nuvem requerem internet. Armazene ontologias em cache localmente para uso offline.

Como o LaminDB é diferente de um banco de dados?

LaminDB combina recursos de banco de dados (consulta, filtragem) com armazenamento de arquivos versionados e rastreamento de linhagem especializado para fluxos de trabalho de dados científicos.