用途:gtars 是面向基因组区间数据的高性能 Rust 工具包,提供 Python 绑定和 CLI,用于操作、分析和处理基因组区间数据,覆盖重叠检测、覆盖度分析、机器学习 tokenization 与参考序列管理。
主要能力:1) 基于 IGD 数据结构做区间重叠检测与索引,可用于调控元件重叠、变异注释、ChIP-seq peak 比较;2) 用 uniwig 模块从测序数据生成覆盖度轨道(WIG、BigWig),适用于 ATAC-seq、ChIP-seq、RNA-seq;3) 基因组 tokenization,将区间转为离散 token,供深度学习模型使用,可与 geniml 集成;4) 参考序列管理,遵循 GA4GH refget 协议,支持序列提取与摘要计算;5) 片段处理与评分,支持按细胞条形码或聚类拆分单细胞片段文件,并对片段重叠打分。
使用方式:Python 安装用 uv pip install gtars;CLI 需 Rust/Cargo,例如 cargo install gtars-cli --features "uniwig overlaprs igd bbcache scoring fragsplit",也可只装部分特性。Rust 项目在 Cargo.toml 添加 gtars 依赖并选择 features。Python 侧可构建 IGD 索引后查询重叠、用 TreeTokenizer 做 tokenization、用 RefgetStore 从 FASTA 提取子序列;CLI 侧可执行 uniwig generate、fragsplit cluster-split、scoring score 等命令。
适用场景:基因组区间文件(BED)处理、区间重叠分析、覆盖度轨道生成、基因组 ML 预处理、单细胞片段分析、参考序列检索与校验。
限制:资料未提供具体性能基准、支持物种范围、版本兼容性细节与收费信息;CLI 安装依赖 Rust/Cargo 环境。