Ressources AWS HealthOmics

Découvrez comment utiliser AWS HealthOmics dans ce guide du développeur pas à pas.

Lisez ce guide de référence sur les paramètres et API d’AWS HealthOmics.

Ce guide fournit des instructions relatives à l'installation et à l'utilisation de l'extension AWS HealthOmics Kiro Power and IDE dans l'IDE Kiro afin d'améliorer l'expérience utilisateur lors de l'utilisation de HealthOmics.

Ce guide décrit le processus de création, de déploiement et d'exécution de flux de travail génomiques à l'aide d'AWS HealthOmics.

Vous pouvez demander à Kiro CLI de créer des flux de travail, d'analyser le journal d'exécution et de formuler des recommandations d'optimisation des performances.

Démarrez avec les flux de travail et le stockage HealthOmics

Référentiel open source sur GitHub avec exemple de code qui montre comment stocker, traiter et interroger les jeux de données génomiques et biologiques à l’aide d’AWS HealthOmics

L’extension HealthOmics Kiro IDE fournit la mise en évidence de la syntaxe, la complétion du code et des conseils de dépannage, ainsi que la vérification de la compatibilité des moteurs HealthOmics, des recommandations d’optimisation des performances, une analyse automatique des exécutions avec diagnostic des défaillances et des fonctionnalités d’importation/exportation de flux de travail.

Kiro Powers pour HealthOmics offre des conseils par rapport au serveur MCP HealthOmics, ce qui confère à l’agent Kiro une expertise en matière de création et d’optimisation des flux de travail HealthOmics.

Un protocole de contextualisation des modèles (MCP) qui fournit aux assistants d'IA un accès complet aux services AWS HealthOmics pour la gestion, l'exécution et l'analyse des flux de travail génomiques.

Utilisez cette collection de flux de travail AWS HealthOmics pour accélérer la découverte de médicaments

Créez des flux de travail privés basés sur des exemples de flux de travail HealthOmics open source

Run analyzer est un outil d’optimisation des performances d'exécution qui extrait le journal des manifestes d'exécution depuis CloudWatch et génère des statistiques pour une exécution, y compris l'utilisation du processeur et de la mémoire pour chaque tâche de flux de travail

Utilisez le linter HealthOmics WDL pour détecter les erreurs de flux de travail courantes avant d’exécuter les flux de travail

Lint pour les erreurs Nextflow courantes avant l'exécution d'un script de flux de travail

Réexécutez les exécutions archivées à partir du journal du manifeste d’exécution de CloudWatch

Téléchargez facilement des fichiers à partir d'un ensemble de référence ou de lecture AWS HealthOmics

Application CDK présentant une architecture pilotée par les événements qui automatise l'importation de données dans les magasins de séquences AWS HealthOmics lorsque des objets sont créés dans Amazon S3.

Génère un manifeste json pour les tâches d'importation du magasin de séquences AWS HealthOmics

Identifie les ensembles de lecture dupliqués stockés dans les magasins de séquences AWS HealthOmics

Ce guide explique comment créer un système de gestion des données scientifiques qui intègre à la fois les données des instruments de laboratoire et les systèmes logiciels, tels que les cahiers de laboratoire électroniques (ELN) et les systèmes de gestion des informations de laboratoire (LIMS), avec HealthOmics.

Ce guide vous aide à connecter les instruments de données relatives aux sciences de la vie et les fichiers des systèmes de laboratoire au Cloud AWS, soit par Internet, soit par une connexion directe à faible latence.

Ce guide décrit comment importer des données de séquences omiques d’Amazon Simple Storage Service (Amazon S3) vers le stockage AWS HealthOmics.

Ce guide explique la mise en place d’un cadre de bout en bout pour analyser les données multimodales relatives aux soins de santé et aux sciences de la vie (HCLS).

Ce guide explique comment créer et exécuter des flux de travail bioinformatiques de mettre à l’échelle et utiliser les services AWS pour l'automatisation, l'analyse des flux de travail, le stockage et l’observabilité opérationnelle et des coûts.