LaminDB

Quando usar

Use para registrar conjuntos de dados biológicos, curar metadados de DataFrame/AnnData, consultar artefatos anotados e rastrear scripts científicos ou fluxos de trabalho. LaminDB armazena metadados em SQLite/PostgreSQL e arquivos em armazenamento configurado; o registro por si só não estabelece validade científica ou conformidade FAIR.

Esta habilidade tem como alvo LaminDB 2.10.0 e Bionty 2.5.0. Os exemplos locais foram executados em Python 3.12, pandas 3.0.6 e AnnData 0.13.2. A versão do LaminDB limita o AnnData a 0.13.2; preserve suas restrições de dependência. Instale IPython para ajudantes de sinônimos de registro (add_synonym() o importa nesta versão).

Fluxo de trabalho

1. Confirme a instância, o armazenamento e o escopo de gravação pretendidos com lamin info. Use um novo diretório de desenvolvimento local para experimentos. Veja configuração e implantação.
2. Defina registros de Feature tipados e um Schema para os dados biológicos. Use dtypes categóricos com base em registro para vocabulários controlados; dtype=str verifica apenas strings. Veja anotação e validação.
3. Revise a origem/versão da ontologia e o organismo. Padronize apenas sinônimos revisados e preserve anotações não resolvidas. Veja ontologias Bionty.
4. Em um script ou notebook, inicie ln.track(), carregue entradas registradas, valide e salve saídas. curator.validate() retorna None em caso de sucesso e levanta ln.errors.ValidationError em caso de falha. Repare, então valide novamente.
5. Salve através do curador ou de um construtor de artefatos ciente do esquema. Verifique o esquema armazenado e o conteúdo de ida e volta; finalize uma execução bem-sucedida com ln.finish().
6. Consulte metadados antes de carregar o conteúdo. Registre UIDs de artefatos e proveniência de esquema/origem para reprodutibilidade; uma chave pode ser resolvida para uma versão mais recente posteriormente. Veja consultas e streaming.

Exemplo de trabalho local

Execute em um ambiente dedicado e em um diretório de projeto vazio:

uv venv --python 3.12
uv pip install 'lamindb==2.10.0' 'bionty==2.5.0' 'ipython==9.17.1'
source .venv/bin/activate
lamin init --storage ./storage --name biology-demo --modules bionty

Salve o seguinte como curate_qc.py, então execute python curate_qc.py:

import pandas as pd
import lamindb as ln

ln.track(params={"analysis": "QC metadata curation"})
count = ln.Feature(name="gene_count", dtype=int).save()
condition = ln.Feature(name="condition", dtype=str).save()
schema = ln.Schema(
    name="qc_metadata",
    features=[count, condition],
    maximal_set=True,  # reject extra columns
).save()
df = pd.DataFrame({
    "gene_count": [120, 130],
    "condition": ["control", "treated"],
})
curator = ln.curators.DataFrameCurator(df, schema)
curator.validate()  # raises on invalid data; do not use as an if condition
artifact = curator.save_artifact(key="experiments/qc.parquet")
assert artifact.schema == schema
pd.testing.assert_frame_equal(artifact.load(), df)
ln.finish()

Isso valida a estrutura/tipos da tabela, não se as contagens satisfazem o QC do ensaio. Adicione verificações específicas do ensaio (unidades, intervalos permitidos, ausência, IDs de amostra duplicados, balanceamento de lote) antes da publicação ou análise downstream.

Objetos e contratos principais

Use @ln.flow() para um ponto de entrada de fluxo de trabalho e @ln.step() dentro dele. A linhagem captura acessos rastreados, não leituras arbitrárias fora do LaminDB. Revise conceitos principais para rastreamento, rótulos e revisões.

Padrões de falha a evitar

…