用途:LaminDB 是面向生物学的开源数据框架,目标是让数据可查询、可追溯并符合 FAIR 原则,适用于单细胞、空间组学、流式细胞术等多模态生物数据集的管理、版本化与元数据标准化。
主要能力:以 Artifact 表示带版本的数据对象,支持从 DataFrame、AnnData、MuData、Zarr 及任意文件创建;通过 ln.track()/ln.finish() 自动捕获代码、环境与用户,形成输入到输出的血缘;支持按 key、时间、大小、注释特征过滤与全文检索;可用 Bionty 访问基因、蛋白、细胞类型、组织、疾病等本体,做术语校验与标准化;支持 Collection 分组、层级 key 组织与 schema 校验。
使用方式:先安装 pip install lamindb,按需加扩展如 pip install 'lamindb[bionty,zarr,fcs]';初始化实例 lamin login 与 lamin init --storage ./my-data --name my-project,云端可用 s3 存储与 PostgreSQL。典型流程为 ln.track() 开始追踪,用 ln.Artifact.from_df/from_anndata 保存,用 ln.Artifact.filter 查询,用 revises= 做版本,最后 ln.finish()。
适用场景:多实验数据湖、可复现分析、本体注释与数据策展、与 Nextflow/Snakemake 或 W&B/MLflow 集成。
限制:需先初始化实例;ln.track() 需在 notebook/脚本中运行;key 冲突需用 revises 版本化;大文件建议先查元数据再用 load() 或 open() 流式读取;本体导入依赖网络。单细胞聚类等分析应使用 scanpy,仅做本体查询可用 bionty。