Навыки latchbio-integration
🧬

latchbio-integration

Безопасно ⚙️ Внешние команды⚡ Содержит скрипты🌐 Доступ к сети🔑 Переменные окружения

Создание биоинформатических конвейеров с помощью Latch SDK

Также доступно от: davila7

Развертывайте готовые к производству биоинформатические рабочие процессы без управления инфраструктурой. Создавайте бессерверные конвейеры с использованием декораторов Python с автоматической контейнеризацией, поддержкой GPU и интегрированным облачным хранилищем.

Поддерживает: Claude Codex Code(CC)
📊 70 Адекватно
1

Скачать ZIP навыка

2

Загрузить в Claude

Перейдите в Settings → Capabilities → Skills → Upload skill

3

Включите и начните использовать

Протестировать

Использование «latchbio-integration». Создайте рабочий процесс Latch для предсказания структуры белка

Ожидаемый результат:

  • Используйте декоратор @large_gpu_task с GPU nvidia-tesla-v100
  • Импортируйте alphafold из модуля latch.verified
  • Настройте ввод через LatchFile для последовательности FASTA
  • Установите выходную директорию с LatchDir для результатов PDB
  • Платформа автоматически обрабатывает контейнеризацию Docker
  • Отслеживайте выполнение через панель управления Latch

Использование «latchbio-integration». Как настроить анализ дифференциальной экспрессии DESeq2?

Ожидаемый результат:

  • Импортируйте deseq2 из модуля latch.verified
  • Определите вход��ые параметры для матрицы подсчетов и метаданных образцов
  • Настройте выходную директорию для результатов и графиков
  • Платформа выделяет соответствующие вычислительные ресурсы
  • Получите доступ к результатам через зарегистрированные пути вывода

Использование «latchbio-integration». Настройте ресурсы GPU для AlphaFold на Latch

Ожидаемый результат:

  • Используйте декоратор @large_gpu_task для задач с GPU
  • Установите gpu_type в nvidia-tesla-v100 или nvidia-tesla-a100
  • Настройте требования к памяти в зависимости от размера белка
  • Платформа автоматически управляет планированием GPU
  • Отслеживайте использование GPU во время выполнения

Аудит безопасности

Безопасно
v4 • 1/17/2026

Documentation-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.

7
Просканировано файлов
3,456
Проанализировано строк
4
находки
4
Всего аудитов

Факторы риска

⚙️ Внешние команды (6)
SKILL.md:51 SKILL.md:63 SKILL.md:317-319 references/data-management.md:12 references/workflow-creation.md:9-11 references/verified-workflows.md:8
⚡ Содержит скрипты (2)
evaluation_output.json:45-48 references/verified-workflows.md:13
🌐 Доступ к сети (2)
SKILL.md:338-342 references/workflow-creation.md:252-254
🔑 Переменные окружения (2)
evaluation_output.json:42 references/data-management.md:380
Проверено: claude Посмотреть историю аудитов →

Оценка качества

45
Архитектура
100
Сопровождаемость
87
Контент
21
Сообщество
100
Безопасность
83
Соответствие спецификации

Что вы можете построить

Развертывание конвейеров анализа RNA-seq

Создавайте полные рабочие процессы транскриптомики от контроля качества до анализа дифференциальной экспрессии.

Запуск предсказания структуры белка

Выполняйте задачи AlphaFold или ColabFold с автоматическим выделением ресурсов GPU и облачным хранилищем.

Интеграция верифицированных биоинформатических инструментов

Комбинируйте предварительно собранные рабочие процессы с пользовательскими шагами для специализированных аналитических конвейеров.

Попробуйте эти промпты

Создание базового рабочего процесса 
Создайте рабочий процесс Latch, который обрабатывает файлы с использованием декоратора @small_task и возвращает результат LatchFile.
Настройка ресурсов GPU 
Настройте задачу Latch для использования GPU A100 для выполнения моделей глубокого обучения с пользовательскими спецификациями ресурсов.
Импорт существующего конвейера 
Покажите, как зарегистрировать существующий конвейер Nextflow или Snakemake на платформе Latch.
Создание многоэтапного конвейера 
Создайте полный конвейер RNA-seq с задачами контроля качества, выравнивания и квантификации с использованием декораторов Latch.

Лучшие практики

  • Начните со стандартных декораторов задач (@small_task, @large_task) и масштабируйте ресурсы только тогда, когда профилирование покажет необходимость
  • Используйте аннотации типов и docstrings для всех параметров для автоматической генерации интерфейсов рабочих процессов
  • Тестируйте рабочие процессы локально с Docker перед регистрацией на платформе

Избегать

  • Избегайте избыточного выделения ресурсов - задачи с GPU стоят значительно дороже, чем задачи с CPU
  • Не используйте динамическую конфигурацию ресурсов во время выполнения - декораторы должны быть статическими
  • Избегайте смешивания нескольких фреймворков рабочих процессов в одном конвейере без четкого разделения

Часто задаваемые вопросы

Какие биоинформатические инструменты доступны в виде верифицированных рабочих процессов?
Latch предоставляет верифицированные рабочие процессы для bulk RNA-seq, DESeq2, AlphaFold, ColabFold, MAFFT, Trim Galore, ArchR, scVelo, CRISPResso2 и филогенетики.
Как настроить ресурсы GPU для моего рабочего процесса?
Используйте декораторы @small_gpu_task или @large_gpu_task, или укажите параметры gpu и gpu_type в @custom_task для точного контроля.
Могу ли я импортировать существующие конвейеры Nextflow или Snakemake?
Да, используйте команды latch register --nextflow или latch register --snakemake для импорта существующих конвейеров с автоматической контейнеризацией.
Чем LatchFile отличается от локальных путей к файлам?
LatchFile - это ссылка на облачное хранилище. SDK автоматически загружает файлы в локальные пути во время выполнения и загружает результаты обратно в облачное хранилище.
Какие вычислительные ресурсы доступны?
CPU до 96 ядер, память до 768 ГБ, опции GPU включают K80, V100 и A100, с настраиваемым эфемерным хранилищем.
Как организовать экспериментальные данные в Registry?
Создавайте Projects, содержащие Tables с Records. Используйте типы столбцов, такие как string, number, file, link и enum, для структурирования вашей модели данных.

Сведения для разработчиков

Автор

K-Dense-AI

Лицензия

MIT

Репозиторий

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/latchbio-integration

Ссылка

main

Структура файлов

📁 references/

📄 data-management.md

📄 resource-configuration.md

📄 verified-workflows.md

📄 workflow-creation.md

📄 evaluation_output.json

📄 SKILL.md