用途：Geniml 是连接基因组区间生物学与机器学习的 Python 库，面向希望将现代 ML 方法用于染色质可及性、组蛋白修饰等基于区域数据的科研人员。
主要能力：region2vec 从一组 BED 文件学习基因组区域的稠密向量表示；BEDSpace 在嵌入空间做近似最近邻检索；提供 ML 就绪的基因组区间数据集类（PyTorch 兼容）；提供嵌入质量评估工具。核心模块包括 RegionSet（区间 I/O）、UniverseBuilder（构建共识区域词表）、Region2VecExModel（训练/编码）、BEDSpace（索引与查询）、TokenizedBEDDataset 与 RegionEmbeddingDataset（数据集）、EmbeddingEvaluator（评估）。
使用方式：安装 pip install geniml torch numpy pandas anndata，需 Python 3.8+，BED 文件至少含 chr、start、end 三列，GPU 可选。典型流程为：用 RegionSet 加载 BED，用 UniverseBuilder 构建 universe 并 to_bed 保存，用 Region2VecExModel 训练并 save，再用 BEDSpace 建索引与 query 检索相似样本；也可加载预训练模型（如 databio/r2v-ChIP-atlas-hg38-v2）直接编码。
适用场景：区域嵌入学习、峰或修饰位点聚类、相似样本检索、构建分类训练集、嵌入质量比较、将区域表示接入自定义神经网络。
限制：仅做基础 BED 解析与集合操作时可改用 gtars 或 pysam-genomic-files；训练需足够样本（建议 ≥20 个 BED 文件）；universe 与训练数据坐标系统需一致，否则嵌入可能无效；大 universe 与多文件训练较慢，可提高 fraction 阈值或使用 GPU；显存不足需减小 batch_size。具体收费、平台与效果资料暂未提供。