浏览器空间生物分析
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Rakaia 是一款面向空间生物学分析的浏览器内工具，主打在本地浏览器会话中对来自不同空间 assays 的大量区域进行浏览、标注、量化与查询。它支持拖拽或本地目录导入成像数据，并覆盖多模态技术、Pan-ROI/cohort 分析、像素级分析、掩膜与对象渲染、测量检测等场景。
从文档看，Rakaia 可通过独立构建版本在 Linux、macOS、Windows 上运行，也可从 GitHub 源码安装。源码方式依赖 Python 3.10/3.11/3.12，推荐 conda 管理环境；运行后默认在本机 5000 端口启动，通过 Chrome 或 Firefox 访问。它支持 Anndata、zarr、Whole Slide Images、H&E 图像等相关空间与病理影像格式，其中 WSI/H&E 渲染需要额外安装 libvips。工具还提供命令行参数，可自定义端口、关闭多线程或加载屏、设置颜色样本等。
Rakaia 的自托管能力较强：既能本地运行，也能用 Docker 构建并暴露 5000 端口，文档说明该配置适合共享服务器上的多用户并发访问。开发者可用 editable 模式运行并执行 pytest 测试。当前文本没有显示独立 API/SDK，但 CLI 与插件、数据库配置、模型相关文档显示其具备一定扩展空间。
定价信息较有限，仅明确“非商业/学术用途免费”，未披露商业授权、企业支持或托管服务价格。文档质量整体较好，安装步骤、依赖、常见兼容问题、Docker 命令和性能提示都比较具体；不足是许可证、商业使用边界和支持渠道未在抓取文本中充分说明。
优点是本地浏览器分析、跨平台、支持源码和 Docker、自托管友好，适合处理敏感科研数据和大型空间影像数据。缺点是依赖和硬件门槛不低，推荐 16GB RAM 与 8 核以上；部分依赖如 wxPython、libvips 可能带来安装和兼容成本。它更适合空间组学、病理影像、单细胞/多模态空间数据实验室，以及具备一定 Python 和容器基础的科研开发者。
抓取文本未提供中国大陆网络可用性、镜像或支付信息，因此中国访问评估为未知。由于可本地安装和 Docker 自托管，若能获取源码和依赖包，实际使用对外网服务依赖可能较低；但 GitHub、conda/pip 依赖下载在国内环境可能需要镜像源或代理。
本测评基于公开资料整理,不构成购买建议,请以 rakaia.io 官网实际信息为准。
面向科研的浏览器分析工具，有细分价值。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。