用途：polars-bio 是面向基因组区间运算与生物信息文件 I/O 的高性能 Python 库，构建在 Polars、Apache Arrow 和 Apache DataFusion 之上，适合处理基因组区间数据、迁移 bioframe 或对基因组文件运行 SQL 查询。
主要能力：提供 8 类区间操作，包括 overlap/count_overlaps、nearest、merge、cluster、coverage、complement、subtract；支持读写 BED、VCF、BAM、CRAM、GFF、GTF、FASTA、FASTQ、SAM、Hi-C pairs 等格式，支持 S3、GCS、Azure 云存储与 GZIP、BGZF 压缩；可通过 DataFusion SQL 注册文件或 Polars DataFrame 为表并查询；支持从 BAM/CRAM 计算逐碱基深度（pileup）。
使用方式：安装命令为 pip install polars-bio 或 uv pip install polars-bio，pandas 兼容可安装 polars-bio[pandas]。区间操作默认返回 LazyFrame，需 .collect() 或传 output_type="polars.DataFrame"。提供函数式 API（如 pb.overlap(df1, df2)）和 LazyFrame 上的 .pb 方法链式 API；DataFrame 的 .pb 仅提供写操作。默认列名为 chrom、start、end，可用 cols1/cols2 自定义。默认 1-based 坐标，可用 pb.set_option("coordinate_system", "0-based") 切换。
适用场景：基因组区间交集、最近邻、合并、覆盖度计算，读取注释与变异文件，大基因组流式/外存处理，云上文件直接读取，以及用 SQL 查询基因组数据。
限制：位置使用 32 位整数，坐标上限约 21 亿；read_bam/scan_bam 需要 .bai 索引；CRAM 需使用 read_cram/scan_cram/register_cram 并提供 reference_path；DataFusion 并行默认 1 个分区，需手动设置 target_partitions；手动构造 DataFrame 时可能缺少坐标元数据警告。性能对比、收费与平台支持等细节资料未完整提供。