LaminDB 是面向生物学的开源数据框架，目标让数据可查询、可追溯、可复现并符合 FAIR 原则。它用统一 Python API 整合湖仓架构、血缘追踪、特征库、生物本体、LIMS 与 ELN 能力，核心价值在于按元数据与本体词检索数据、自动记录从原始数据到分析结果的谱系、对数据代码和环境做版本控制，并用生物本体做标准化注释。
主要能力分六块。核心概念与数据血缘：Artifact（带版本的数据集，如 DataFrame、AnnData、Parquet、Zarr）、Record（样本、扰动、仪器等实验实体）、Run 与 Transform（记录什么代码产生什么数据）、Feature（可查询的带类型元数据）；用 ln.track() 和 ln.finish() 追踪执行，用 artifact.view_lineage() 查看谱系。数据管理与查询：支持注册表浏览、get()/one()/one_or_none() 取单条、比较运算符过滤（__gt、__lte、__contains、__startswith）、按特征查询、双下划线跨注册表遍历、全文搜索、Q 对象的 AND/OR/NOT 逻辑查询，以及不载入内存的流式读取。注释与校验：分校验、标准化、注释三步，支持灵活、最小必填、严格三类 schema，覆盖 DataFrame、AnnData、MuData、SpatialData、TileDB-SOMA，可用 DataFrameCurator 或 AnnDataCurator 校验，用 .cat.standardize() 标准化、.cat.add_ontology() 映射本体。生物本体：经 Bionty 使用 Ensembl 基因、UniProt 蛋白、CL 细胞类型、CLO 细胞系、Uberon 组织、Mondo/DOID 疾病、HPO 表型、GO 通路、EFO 实验因子、NCBItaxon 物种、DrugBank 药物等，支持导入、搜索、同义词标准化、层级关系浏览与本体校验。集成：Nextflow、Snakemake、Redun，W&B、MLflow、HuggingFace、scVI-tools，本地文件系统、AWS S3、Google Cloud Storage、S3 兼容端点、HTTP/HTTPS、HuggingFace 数据集，TileDB-SOMA、DuckDB、Vitessce 可视化与 Git 集成。部署：安装可用 uv pip install lamindb 或带 extras（如 uv pip install 'lamindb[gcp,zarr,fcs]'），实例从本地 SQLite 到云存储加 PostgreSQL 生产环境，支持缓存管理、多用户配置与环境变量。
使用方式上，典型流程是先安装并登录，初始化实例，再在分析中调用 ln.track() 记录参数、创建或读取 Artifact、用特征和本体注释、保存并最终 ln.finish()。基础用法是导入 lamindb 与 bionty，追踪后读取数据、标准化细胞类型、经 Curator 校验保存并关联本体。适用场景包括单细胞、bulk RNA-seq、空间转录组、流式细胞与多模态数据管理，计算流程追踪，数据策展与校验，本体注释，湖仓构建，以及 ML 流程与云上数据基础设施。限制方面：资料未提供价格、性能上限、具体版本兼容矩阵与各存储后端的详尽配额，使用前应查阅官方文档确认。官方资源：https://docs.lamin.ai、API 参考 https://docs.lamin.ai/api、仓库 https://github.com/laminlabs/lamindb、教程 https://docs.lamin.ai/tutorial、FAQ https://docs.lamin.ai/faq。