Waypoint 是 Outpost Bio 以 Apache 2.0 协议开源的微生物组基础模型工具集，相关论文为 Treloar 等，bioRxiv 2026.05.02.722381。
用途： 该工具旨在将微生物组分类谱（16S 或宏基因组测序得到的分类单元丰度）转化为固定维度的向量表示，或作为微调骨干用于预测表型、治疗反应、连续读数等下游任务。其基本假设是把一个微生物组样本看作一个“句子”：每个分类单元是一个 token，token 按丰度 z-score 降序排列，模型以因果语言模型方式用下一 token 预测进行训练。
主要能力：
- 提供三个 Waypoint 检查点：6M、45M、170M 参数，均基于 GPT-2 风格架构。
- Atlas 数据集：从 MGnify 采集的 539,308 个微生物组样本（485,377 用于预训练，53,931 用于基准测试）。
- Compass 基准：覆盖四项研究的八项下游任务。
- 命令行工具 waypoint 含五个子命令：prepare-dataset（数据准备）、embed（嵌入）、finetune（微调）、benchmark（基准评测）、pretrain（预训练）。
- 附带脚本：profiler_to_waypoint.py 可将 MetaPhlAn、Kraken2/Bracken、QIIME 2、MGnify TSV 等分析工具输出转换为 waypoint 格式；vocab_coverage.py 可检查词汇覆盖率。
使用方式： 安装：pip install waypoint-bio。 所有模型和数据集均需在 Hugging Face 上申请访问（自动批准），并执行 hf auth login 或设置 HF_TOKEN，且需使用只读权限的 token。 数据格式为 .parquet/.csv/.tsv，每行一个样本，包含 Taxa（分号分隔的完整谱系字符串）和 Relative Abundances（与 Taxa 等长的浮点数列表）两列，另可附加标签列。推荐使用 parquet。 基本流程：先用 prepare-dataset 或 profiler_to_waypoint.py 准备数据；再用 vocab_coverage.py 检查词汇覆盖（中位丰度加权覆盖率低于约 0.8 应重新检查分类标签）；然后用 waypoint embed 生成嵌入（默认池化方式为 last_token，维度 6m 为 256、45m 为 512、170m 为 768）；接着用 waypoint finetune 进行分类或回归微调（支持 LoRA，默认随机 80/10/10 划分，样本相关时应指定 split_column）；之后可用 waypoint benchmark 在 Compass 上评测；最后可用 waypoint pretrain 在 Atlas 或自有语料上预训练。
适用场景： 将分类谱嵌入用于聚类、可视化或下游分类器；微调预测表型、治疗或连续读数；在 Compass 上评测自有模型；在 Atlas 或自有语料上预训练分类语言模型；转换分析工具输出为 waypoint 格式。
限制与注意事项： 标注样本少于约 1,000 时，Waypoint 通常不如基于原始丰度的随机森林，论文中交叉点约在 10,000 个训练样本；不在词汇表中的分类单元会被静默丢弃，不报错；45M 模型在基准测试中表现最佳，170M 并未更好；默认按属级 token 化，物种级差异会被合并，改变 taxon_rank 需要重新预训练；相对丰度数据具有成分性，解释单个分类单元的归因时需谨慎；批次和研究效应在微生物组数据中占主导，应避免研究边界与标签边界重合；该工具明确不适用于临床或诊断用途。