技能介绍

生物数据为什么难管

组学项目往往同时堆着 scRNA-seq、bulk RNA-seq、空间转录组、流式与 EHR 等多模态数据，文件散落在笔记本、Snakemake/Nextflow 流水线和对象存储里。真正卡住人的通常不是「有没有 S3」，而是：元数据搜不到、某张图来自哪次 run 说不清、列名和同义词各写各的、以及 FAIR 要求下的可发现与可复用。

技能在做什么

LaminDB 用一套 Python API 把湖仓式存储、数据溯源、类型化 Features、生物学本体（经 Bionty）以及偏 LIMS/ELN 的实验实体建模串在一起。核心对象包括：版本化的 Artifacts（DataFrame、AnnData、Parquet、Zarr 等）、实验 Records、以及 Runs & Transforms 描述「哪段代码产出了什么」。分析入口习惯上在笔记本或脚本开头 ln.track()、结束 ln.finish()，再用 artifact.view_lineage() 或按来源反查输出。

数据侧可以注册表浏览、特征筛选、跨表 __ 遍历与 Q 逻辑组合，大文件支持分块/切片流式读，避免先整包进内存。整理链路分三步：验证（flexible / minimal / strict 模式）→ 标准化（同义词映射）→ 注释（链到本体与特征），对 AnnData、MuData、SpatialData、TileDB-SOMA 等有对应 curator 思路。集成面覆盖 Nextflow、Snakemake、Redun，以及 W&B、MLflow、HuggingFace、scVI-tools；存储可走本地、S3/GCS 或兼容端点，生产常见云存储 + PostgreSQL，本地开发可用 SQLite。

适用边界

面向 Python 生态 与 Lamin 实例模型；复杂编排若已深度绑定非 Python 栈，需要按集成文档对接，而不是指望「换存储即全自动溯源」。
本体与模式设计 要 upfront 投入：早验证、早用 Bionty 标准化，否则查询与 FAIR 收益会打折。
技能内 references/ 按能力分文档（核心概念、查询、注释验证、本体、集成、部署）；具体任务应先读对应 reference，再动流水线或 ML 实验关联。