用途：将微生物组样本视为“句子”，每个分类单元为一个 token，按丰度 z-score 降序排列，用 GPT-2 式因果语言模型做下一 token 预测，从而为 16S/宏基因组分类谱提供样本级嵌入或微调骨干。
主要能力：提供 Waypoint-6m/-45m/-170m 检查点、Atlas 语料（539,308 个 MGnify 样本）与 Compass 八项下游任务基准；单一 CLI waypoint 含 prepare-dataset、embed、finetune、benchmark、pretrain 五个子命令；附带 profiler_to_waypoint.py 与 vocab_coverage.py 脚本。
使用方式：安装 pip install "waypoint-bio==1.0.2" "transformers==4.57.6" "peft==0.18.1" "huggingface-hub<1"；各仓库需在页面申请访问并 hf auth login 认证。数据须为 waypoint 格式（Taxa 与 Relative Abundances 两个对齐列表列，建议 parquet），分类谱需用完整谱系字符串。典型流程：prepare-dataset 转换数据，vocab_coverage.py 检查词表覆盖，embed 生成嵌入，finetune 微调，benchmark 在 Compass 评测，pretrain 预训练。
适用场景：聚类、可视化、下游分类器、表型或处理预测、自有模型基准评测、分类语言模型预训练。
限制：词表在预训练时固定，未登录 taxa 会被静默丢弃；本地 TaxonomicTokenizer.save_pretrained() 抛 NotImplementedError，阻断 pretrain 与 finetune 导出；1.0.2 不合并 LoRA 适配器也不写训练日志；上游 CLI 无 --revision；小数据集表现依赖研究，论文交叉点约 10,000 例；属组成型数据，批次与研究效应显著；预测不构成实验验证，非临床或诊断工具。