Geniml

Use Geniml para fluxos de trabalho de aprendizado de máquina e estatísticos em conjuntos de intervalos genômicos. Trate coordenadas, montagens, vocabulários de tokens, artefatos de modelo e agrupamento de amostras como contratos explícitos. Os scripts empacotados validam ou planejam; eles não importam Geniml, contatam serviços, desserializam modelos ou executam treinamento.

Bash é declarado apenas para uv explícitos e aprovados pelo usuário, comandos Python, Geniml, Gtars, Git e CLI nativos mostrados neste guia; os auxiliares Python empacotados não geram subprocessos. Exemplos de caminhos em data/, refs/, work/ e models/ são placeholders de projeto fornecidos pelo usuário, não arquivos empacotados ausentes.

Snapshot de lançamento verificado

• Último lançamento estável do PyPI em 01/10/2026: geniml==0.8.4 (14/01/2026).
• O PyPI não declara Requires-Python; seus classificadores listam Python 3.10-3.14. As receitas atuais abaixo foram testadas no Python 3.12.
• geniml==0.8.4 aceita gtars>=0.2.5; a base de teste verificada usou gtars==0.10.0 atual (05/09/2026, Python >=3.10).
• Extras são ml e test. A instalação base omite dependências de Torch, Gensim, Scanpy, Hugging Face Hub, pyBigWig e HMM.
• A documentação upstream contém exemplos desatualizados. A origem do lançamento e a saída de --help instalado prevalecem onde entram em conflito.

Instale de forma reprodutível

Use um ambiente de projeto separado. A pilha de CPU testada usa Python 3.12:

uv venv --python 3.12
uv pip install "geniml==0.8.4" "gtars==0.10.0"

Para as receitas Region2Vec/scEmbed testadas aqui, adicione apenas suas bibliotecas necessárias:

uv pip install "torch==2.14.1" "gensim==4.4.0" "huggingface-hub==2.0.0" \
  "scanpy==1.12.4" "anndata==0.12.19" "zarr==2.18.7"

Para as receitas de consenso, também instale pyBigWig==0.3.26 e hmmlearn==0.3.3. Para um projeto durável, use os mesmos requisitos com uv add e retenha uv.lock.

Geniml requer Zarr <3. AnnData 0.13 requer Zarr >=3, portanto, o AnnData atual não pode compartilhar este ambiente. Mantenha AnnData 0.12.19 aqui; transfira arquivos H5AD entre ambientes separados quando recursos mais recentes do AnnData forem necessários. Nunca force uma instalação incompatível com --no-deps.

O extra completo geniml[ml]==0.8.4 inclui componentes adicionais mais antigos fixados. Sua resolução foi verificada com anndata==0.12.19 e gtars==0.10.0, mas essa pilha completa não foi executada; ela selecionou Scanpy 1.11.5 e Transformers 4.57.6. É desnecessário para os fluxos de trabalho acima.

Não instale um branch Git não fixado. Registre Python, OS/arquitetura, o lockfile resolvido e o digest do artefato PyPI. O próprio Geniml é BSD-2-Clause; o valor frontmatter MIT licencia o conteúdo desta habilidade.

Comece com o portão de segurança

Antes de importar Geniml ou executar um binário externo:

1. Trabalhe apenas com arquivos regulares locais explícitos. Rejeite URLs, FIFOs, dispositivos e links simbólicos, a menos que o usuário altere deliberadamente essa política.
2. Valide a estrutura BED e a montagem declarada contra um arquivo de tamanhos de cromossomos local confiável.
3. Limite contagem de arquivos, bytes, linhas, workers, épocas e tamanho de saída.
4. Separe treino/validação/teste por paciente, doador, réplica biológica ou outra unidade independente — não por linha BED ou célula isoladamente.
5. Inventarie e verifique o checksum do universo, tokenizer, modelo, configuração, entradas, manifesto de metadados e binários nativos.
6. Obtenha aprovação explícita antes de qualquer download de BEDbase ou Hugging Face. Nunca infira aprovação de um ID de modelo ou identificador BEDbase.
7. Mantenha os logs agregados e limitados. Nomes de arquivos BED, IDs de amostra, fenótipos, rótulos, códigos de barras e intervalos genômicos podem ser sensíveis.

Contrato de coordenada e montagem

Intervalos BED são normalmente 0-based, half-open [start, end): o início é incluído, o fim é excluído, e o comprimento é end - start. Não os misture com coordenadas 1-based fechadas de VCF/GFF ou navegadores de genoma voltados para o usuário.

Para cada corpus e artefato, registre:

• montagem e patch/acessão, quando possível (por exemplo, GRCh38 versus GRCh38.p14), mais o checksum do tamanho dos cromossomos;
• convenção de nomenclatura de contig (chr1 versus 1), política de alt/random/decoy e nomenclatura mitocondrial;
• convenção de coordenadas, ordem de classificação, política de duplicatas/sobreposição e se a strand BED é significativa;
• ferramenta de liftover, digest de chain, montagens de origem/destino, fração não mapeada e validação pós-liftover.

Rejeite coordenadas negativas, end <= start, estouro de inteiros, contigs desconhecidos, fins além do comprimento do contig, colunas malformadas, montagens mistas e