LaminDB - 开源生物数据湖管理系统

技能概述

LaminDB 是一个开源的、基于谱系的生物数据湖平台，专为生物医学研究设计，让数据集和模型变得可查询、可追踪、可验证且符合 FAIR 原则，支持单细胞测序、空间转录组、流式细胞术等多种生物数据格式。

适用场景

1. 单细胞RNA测序分析与管理

适用于处理和分析单细胞RNA测序数据，支持 AnnData 格式的数据验证、标准化和质量控制。通过内置的细胞类型本体库，自动标准化细胞类型注释，实现跨批次、跨实验的数据整合和比较分析。

2. 生物医学数据谱系追踪与验证

在需要严格数据可追溯性的生物医学研究中，自动记录数据处理流程、输入输出关系、参数设置和计算环境。支持从原始数据到最终结果的完整谱系追踪，确保研究发现的可重复性和可验证性，符合科研数据管理最佳实践。

3. 多组学数据整合与协作研究

为研究团队提供统一的数据管理平台，支持基因组学、转录组学、蛋白质组学等多组学数据的整合存储和查询。通过云存储对接和权限管理，实现团队成员间的数据共享、协作标注和版本控制，提升研究效率。

核心功能

1. 数据查询与谱系追踪

提供强大的数据查询接口，支持按特征、时间、创建者等多维度筛选和搜索生物数据集。自动追踪数据处理流程，记录每个数据集的来源、转换历史、使用的代码和参数，通过可视化谱系图帮助研究人员理解数据流转路径，确保研究过程可追溯和可重复。

2. 生物数据验证与标准化

支持 DataFrame、AnnData、SpatialData、TileDB-SOMA、Parquet、Zarr 等多种生物数据格式的验证。通过定义数据模式（Schema），自动检查数据结构和值的有效性，发现并标记质量问题。提供标准化工具，自动修正常见错误、映射同义词到规范术语，确保数据质量符合分析要求。

3. 本体驱动的注释系统

集成 Bionty 生物本体库，涵盖基因（Ensembl）、蛋白质（UniProt）、细胞类型（CL）、组织（Uberon）、疾病（Mondo）、表型（HPO）等多个公共本体。支持本体导入、搜索、层次结构浏览，实现标准化的生物实体注释。允许创建自定义本体和术语体系，满足特定研究项目的注释需求。

常见问题

LaminDB 是什么？主要用来做什么？

LaminDB 是一个专注于生物数据管理的开源数据湖平台，主要用于管理和分析生物医学研究中的各种数据集，如单细胞RNA测序数据、空间转录组数据、流式细胞术数据等。它提供数据查询、验证、谱系追踪和协作等功能，确保研究过程符合 FAIR 原则（可发现、可访问、可互操作、可重用），同时支持本地文件系统和云存储（AWS S3、Google Cloud Storage）的灵活部署。

LaminDB 支持哪些生物数据格式？

LaminDB 支持广泛的生物数据格式，包括：单细胞基因组学数据（AnnData、MuData）、空间转录组数据（SpatialData）、大规模数组数据（TileDB-SOMA、Zarr）、表格数据（Parquet、CSV）、流式细胞术数据（FCS）等。这种多格式支持使得研究人员可以在统一平台上管理不同类型的实验数据，实现跨平台、跨格式的数据整合分析。

LaminDB 适合什么样的研究团队使用？

LaminDB 特别适合需要严格数据管理和可追溯性的生物医学研究团队，包括进行单细胞分析、空间转录组研究、多组学整合的实验室和机构。对于希望提升数据管理标准化程度、改善团队协作效率、确保研究可重复性的研究团队，LaminDB 提供了从本地开发到云端部署的完整解决方案。同时也适用于需要将机器学习流程与生物数据管理结合的研究项目。