BioNova Therapeutics

Situación actual vs. Después de LaminDB

Antes — Problemas

✗ Datos dispersos en Drive, Dropbox y discos locales sin versionado

✗ Metadatos inconsistentes: "T cell", "T-cell", "T_cell" = mismo tipo

✗ Notebooks irreproducibles, sin linkaje código-datos

✗ Sin trazabilidad entre experimentos y modelos de clasificación

✗ Cargar 50GB para encontrar 3 muestras tratadas de melanoma

✗ Wet lab y bioinformática con vocabulario separado

Después — Con LaminDB

✓ GCS lakehouse centralizado con keys jerárquicas versionadas

✓ Ontología CL canónica: "T cell" mapeado a CL:0000084

✓ ln.track() + ln.finish() captura linaje automático en cada run

✓ Artifacts linkados a W&B runs y modelos en registry

✓ Query por metadatos en milisegundos, sin cargar archivos

✓ Vocabulario compartido vía Bionty (genes Ensembl, tejidos Uberon)

Setup inicial — Instancia BioNova

⚙

Inicializar instancia GCP + PostgreSQL

          bash / python
# 1. Instalar con extras para GCP y AnnData
uv pip install 'lamindb[gcp,zarr-v2,fcs]==2.5.1'
uv pip install 'bionty==2.4.0'

# 2. Autenticar y crear instancia
lamin login alvarogimeno2002@gmail.com
lamin init \
  --storage gs://bionova-lamindb-prod \
  --db "$LAMIN_DB_URL" \
  --name bionova-prod \
  --modules bionty

# settings.json resultante:
# storage: gs://bionova-lamindb-prod/
# isec_id: bionova/prod
        

🔬

Importar ontologías biológicas relevantes

          python
import lamindb as ln
import bionty as bt

# Importar ontologías para uso en BioNova
bt.CellType.import_source()      # CL ontology
bt.Gene.import_source(            # Ensembl Homo sapiens
    organism="human"
)
bt.Tissue.import_source()         # Uberon
bt.Disease.import_source()        # Mondo
bt.ExperimentalFactor.import_source() # EFO
bt.Organism.import_source()       # NCBItaxon
        

Validación ontológica — Estandarización de metadatos scRNA-seq

🏷

Términos encontrados en los 47 experimentos → Términos canónicos Bionty

Columna	Término original (wet lab)	Término canónico	Ontología ID	Acción	Estado
cell_type	T cell, T-cell, T_cell, CD3+ T	T cell	CL:0000084	standardize()	✓ Validado
cell_type	NK, natural killer, NK cell, NKcell	natural killer cell	CL:0000623	standardize()	✓ Validado
tissue	PBMC, PBMCs, pbmc	peripheral blood mononuclear cell	CL:0000476	add_ontology()	✓ Validado
disease	melanoma, mel., skin cancer	melanoma	MONDO:0005105	standardize()	✓ Validado
disease	lung ca, LUAD, lung adenocarcinoma	lung adenocarcinoma	MONDO:0005061	standardize()	✓ Validado
assay	10X, 10x Chromium, CellRanger	10x 3' v3	EFO:0009922	add_ontology()	⚠ Revisar
organism	human, Homo sapiens, H. sapiens	Homo sapiens	NCBItaxon:9606	standardize()	✓ Validado

Pipeline de curación AnnData — scRNA-seq batch

📋

Esquema de validación — BioNovaSingleCellSchema

          python
import lamindb as ln
import bionty as bt

# Definir features tipados
ln.Feature.get_or_create(
    name="cell_type", dtype="cat[CellType]")
ln.Feature.get_or_create(
    name="tissue", dtype="cat[Tissue]")
ln.Feature.get_or_create(
    name="disease", dtype="cat[Disease]")
ln.Feature.get_or_create(
    name="donor_id", dtype="str")
ln.Feature.get_or_create(
    name="treatment", dtype="str")

# Crear esquema BioNova
schema = ln.Schema(
    name="BioNovaSCRNAseqSchema_v1",
    features=["cell_type", "tissue",
               "disease", "donor_id"],
    dtype="AnnData",
    coerce_dtype=True,
).save()
        

✅

Curar y registrar artifact con trazabilidad

          python
import anndata as ad

# Track notebook automáticamente
ln.track(params={
    "batch": "MEL-003",
    "pipeline": "cellranger_v7.1"
})

# Cargar y curar AnnData
adata = ad.read_h5ad("mel003_raw.h5ad")
curator = ln.curators.AnnDataCurator(
    adata, schema)
curator.validate()  # raise si falla

# Guardar con key jerárquica
artifact = curator.save_artifact(
    key="scrna/melanoma/MEL-003.h5ad",
    description="Melanoma donor MEL-003, treated"
)

# Anotar con ontologías
artifact.cell_types.set(
    bt.CellType.from_values(
        adata.obs["cell_type"]))

ln.finish()  # cierra run + captura env
        

Grafo de linaje — Experimento MEL-003 tratamiento BNV-042

🔀

artifact.view_lineage() — De FASTQ raw a modelo de predicción CAR-T

Raw Input

MEL-003_R1.fastq.gz

12.4 GB · 10X Chromium v3
gs://raw/mel003/

→

Transform

cellranger_count.nf

Nextflow process
nf-lamin plugin
git: abc1234

→

Artifact

MEL-003.h5ad

1.2 GB · AnnData
48,231 cells
schema: v1 ✓

→

Transform

annotate_celltypes.py

scVI + CellTypist
notebook tracked
env: requirements.txt

→

Artifact

MEL-003_annotated.h5ad

48,231 cells
cell_type: CL ✓
tissue: Uberon ✓

→

Transform

train_drug_resp.py

W&B: run exp-89
RandomForest
accuracy: 0.91

→

Model

bnv042_response_v3.pkl

models/drug/
W&B linkado
versión: 3

Queries avanzadas — BioNova Lakehouse

🔍

Consultas de producción — Sin cargar archivos

Todos los artefactos de melanoma tratados con BNV-042

artifacts = ln.Artifact.filter( key__startswith="scrna/melanoma/", treatment="BNV-042", condition="treated" ).all()

Datasets con >10k células NK validadas

nk_datasets = ln.Artifact.filter( cell_types__name="natural killer cell", features__n_cells__gt=10000 ).to_dataframe()

Query lógica: PBMC de 2025 ó tumor de melanoma

results = ln.Artifact.filter( ln.Q(tissue="peripheral blood", created_at__year=2025) | ln.Q(disease="melanoma", tissue="tumor") ).all()

Todos los outputs de un Nextflow run específico

run = ln.Run.get( transform__key="cellranger_count.nf") outputs = run.output_artifacts.all()

📊

Registro de artifacts en el lakehouse

Key (GCS)	Cells	Size	Schema	Tags
scrna/melanoma/MEL-001.h5ad	52,847	1.4 GB	v1 ✓	treated, BNV-042
scrna/melanoma/MEL-002.h5ad	39,124	980 MB	v1 ✓	control, day-14
scrna/melanoma/MEL-003.h5ad	48,231	1.2 GB	v1 ✓	treated, BNV-042
scrna/pbmc/PBMC-D01.h5ad	8,943	210 MB	⚠ v1	baseline, donor-1
scrna/lung/LUAD-005.h5ad	61,200	1.8 GB	v1 ✓	treated, BNV-017
models/drug/bnv042_v3.pkl	—	45 MB	—	RF, W&B:exp-89

Plan de implementación — 4 semanas

🚀

Roadmap de adopción BioNova (local → cloud)

1

Semana 1 — Setup + Piloto SQLite local

lamin init --storage ./bionova-dev --modules bionty | Registrar 5 experimentos piloto | Validar con AnnDataCurator

✓ Completado

2

Semana 2 — Migración a GCS + PostgreSQL Cloud SQL

lamin init --storage gs://bionova-lamindb-prod --db $LAMIN_DB_URL | Migrar 47 experimentos | Importar ontologías

✓ Completado

3

Semana 3 — Integrar Nextflow + W&B + estandarizar metadatos

nf-lamin plugin en cellranger pipeline | ln.track() en todos los notebooks | bt.CellType.standardize() en 47 datasets

⚡ En curso

4

Semana 4 — Collections + dashboards + formación equipo

ln.Collection para dataset atlas pan-tumor | Queries avanzadas por wet lab | Documentación interna BioNova

● Pendiente

Integraciones activas y principios clave

🔗

Stack de integraciones BioNova

🔬

Nextflow

nf-lamin plugin
cellranger pipeline

📊

W&B

Drug response
model tracking

☁

GCS

gs://bionova-
lamindb-prod

🐘

PostgreSQL

Cloud SQL
us-central1

🤗

Hugging Face

Publicar atlas
pan-tumor (v2)

🐍

scVI-tools

Anotación
celular auto (v2)

🎯

DuckDB

SQL en Parquet
bulk RNA-seq

👁

Vitessce

Viz espacial
interactiva (v3)

💡

10 principios LaminDB aplicados en BioNova

01

Track everything

ln.track() al inicio de cada notebook y script Nextflow

02

Validate early

AnnDataCurator antes de cualquier análisis downstream

03

Use ontologies

CL, Uberon, Mondo, EFO para todo metadato biológico

04

Organize with keys

scrna/disease/donor_batch.h5ad — jerárquico siempre

05

Query meta first

Filtrar por features antes de .load() archivos grandes

06

Version, not dup

artifact.revise() en lugar de nuevas keys para updates

07

Annotate features

features.set_values() con dtype tipado en cada artifact

08

Document fully

Descripciones en artifacts, schemas y transforms

09

Leverage lineage

view_lineage() para entender provenance antes de publicar

10

Start local

SQLite dev → PostgreSQL + GCS prod. Path probado.

LaminDB Biological Data Lakehouse