gget项目v0.29.1版本发布:突变分析与COSMIC数据库功能升级
gget是一个专注于基因组学数据分析的Python工具包,旨在为生物信息学研究人员提供简单高效的命令行工具。本次发布的v0.29.1版本对多个核心功能模块进行了重要升级,特别是在突变分析和COSMIC数据库交互方面做出了显著改进。
突变分析模块(gget mutate)的简化与优化
本次更新对gget mutate模块进行了重大重构,使其功能更加专注和明确。新版本移除了之前版本中较为复杂的变异筛查流程集成功能,转而专注于核心的突变序列生成任务。用户现在可以更简单地输入突变列表和参考基因组信息,快速获得包含突变位点及其周边序列的结果。
这一变化使得工具更加轻量化,同时保持了核心功能的完整性。对于需要完整变异筛查流程的用户,开发团队推荐使用专门为此目的开发的varseek工具包。新版本还增加了更多元数据信息到返回的数据框中,包括突变位点的详细注释信息,使结果更加丰富和实用。
COSMIC数据库模块(gget cosmic)的安全升级
考虑到COSMIC数据库的最新安全要求,本次更新对gget cosmic模块进行了全面重构:
-
新增登录认证机制:现在用户需要通过
email和password参数提供COSMIC账户凭证才能访问数据,这符合数据库提供方的最新安全政策。 -
参数优化:移除了过时的
entity参数,将mutation_class参数更名为更准确的cosmic_project,同时将默认的gget_mutate参数设置为False,使工具行为更加合理。 -
功能聚焦:这些改变使模块更加专注于从COSMIC数据库获取突变信息这一核心功能,同时确保符合数据使用规范。
其他功能模块的改进
Bgee基因表达数据库模块
gget bgee模块现在默认查询类型设置为"orthologs"(直系同源基因),简化了常用功能的调用方式。更重要的是,新版本支持同时查询多个基因,大大提高了批量处理的效率。
DIAMOND序列比对工具集成
gget diamond模块新增了--translated标志,支持核苷酸序列到氨基酸参考序列的翻译比对功能。这一改进扩展了工具的应用场景,使其能够处理更广泛的序列比对需求。
ELM蛋白模块数据库交互
对gget elm模块的服务器错误处理机制进行了优化,提高了工具的稳定性和用户体验,特别是在处理大规模查询时表现更加可靠。
总结
gget v0.29.1版本通过简化核心功能、增强安全性以及扩展应用场景,为基因组学研究人员提供了更加高效和可靠的工具集。特别是突变分析和COSMIC数据库交互方面的改进,使得这些常用功能更加符合现代生物信息学研究的实际需求。这些变化体现了开发团队对工具易用性、功能专注性和数据安全性的持续关注,为后续版本的发展奠定了良好基础。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00