更新日志

本项目遵循语义化版本。当前仍处于早期开发阶段，公开接口可能继续调整。

[Unreleased]

[0.1.5] - 2026-09-27

• 修复已安装包中的工具质量检查，并确保 Git 检出后保留 Skills 资源的可执行权限。
• 新增 Agent 检查点、恢复、持久知识，以及工具生成、修复、优化和贡献流程。
• 扩展自定义训练后端与调度、配对序列分块、表格数据集与采样、评价绘图和参考一致性检查。
• 新增可通过 pip 安装的基因组学后端，更新中英文 API 教程。
• 增加 37 个 DNA 方向的项目检索与来源 FAQ；新增 18 个上游 Skills、6 个原生 Skills，此批使目录达到 560 项；后续增量见下一条。
• 新增育种、原核基因识别、甲基化、DNA 存储与纳米结构函数，以及 19 项外部分析和 7 类 MCP 连接；后端按需安装，执行状态与方法引用分别记录。
• 审核 temp 中全部 335 个项目，合并 82 条已有记录并新增 253 条来源；增加 24 个外部分析适配，补充可再分发 Skills 与真实 MCP 连接，逐项状态和引用关系见补充审核 FAQ。
• 新增统一 DNA／基因组学 Skills 目录、搜索与安装入口，并保留来源、许可证和资源校验信息。
• 新增数据库、ENCODE 和工作流接口，扩展统一文件输入输出、序列处理并行执行、进度显示、模型下载与 Agent 工具调用。
• 更新中英文 README、文档导航、MCP 安装指南与可视化示例。
• 将 484 个公开函数的签名、参数、返回值和来源说明逐项融入 14 个现有功能教程，调用示例随用途归位；移除独立的新增函数索引、调用约定页及重复专题入口，同步中英文导航和链接。
• 新增源码驱动的文档生成与 --check 覆盖校验，避免漏项、重复计数和参数漂移。

[0.1.4] - 2026-09-09

• 新增基于参考基因组和 minimap2 的基因注释，支持参考资源准备及 Python/CLI 调用。
• 新增通用同步/异步 LLM 调用、提供方配置和有界文件输入。
• 新增传统机器学习性质建模与分类/回归标签分布可视化。

Added

• 新增仅 Python API 的 dnakit.bioinformatics：原生编码、生成评价、系统发育、计数/距离统计、motif/约束/克隆/DAG；可选编解码、通用机器学习和 MSA/BLAST/HMMER/NGS 专业后端。新增 bio-* 可选依赖、离线示例和数值/真实工具测试，详见实现边界。

• 新增用户自定义 DNA 性质分类/回归训练：支持 11 种已登记模型的线性探测、7 种 Transformers 模型的全量微调、默认 seed 42 的 8:1:1 划分、单/多目标完整指标，以及通过 OpenAI-compatible 接口进行隐私有界的任意文件结构分析与声明式映射。

• Diversity 新增平均两两原始 Levenshtein 距离，Novelty 新增平均最近参考原始 Levenshtein 距离；保留默认相似度算法，支持显式选择、资源上限和可选进度条。
• 新增 27 个基于本地完整微调 checkpoint 的序列分类任务：NT Revised 18 项、Genomic Benchmarks 9 项；支持默认目录、自定义目录或精确文件路径，安全加载并校验任务、标签和完整参数结构。
• 新增 predict_enformer_benchmark()、任务注册表、Agent 工具入口，以及逐功能中英文文档；27 个权重文件通过独立的统一下载说明页提供。

Changed

• 将测试、示例、Notebook、MkDocs override 和本地验证资源统一迁移至 others/，并同步更新 pytest、Mypy、Ruff、打包、CI 和文档路径。

[0.1.3] - 2026-09-01

Added

• 新增 AlphaGenome、Enformer、Evo 2、GENERator、LucaOneTasks 和 SegmentNT 的预训练性质预测接口，并对模型下载、远程代码和输出大小设置显式边界。
• 新增按功能命名的可选生物信息 API：Ensembl VEP、ClinVar、dbSNP、gnomAD、dN/dS 和 Golden Gate；通过 dnakit[external-tools] 按需安装后端。
• 新增 dnakit[agent]、dnakit-mcp 和紧凑 MCP 工具目录；自动发现公开功能并提供搜索、Schema 查询、安全确认和有界 JSON 调用。
• 新增中英文微信社区页面和文档导航入口。

[0.1.2] - 2026-08-30

Changed

• 可视化统一导出接口新增 JPG，支持通过 image_type 选择 PNG、SVG 或 JPG，无扩展名时默认导出 PNG；SequencePlotConfig 新增 column_spacing、line_spacing 和 symbol_map，可控制文字列间距、序列行间距及 DNA/IUPAC 显示字符；所有绘图改为无装饰性图内标题的正方形画布。
• GitHub 仓库首页和 PyPI 项目说明默认改为英文，并保留简体中文切换入口。
• 文档站提供完整中英文页面、导航和独立搜索结果，站内跳转保持当前语言。
• 新增 Bioconda、GNU Guix 与 Galaxy Tool Shed 的发布适配文件，并精简旧规划、演示和交付报告文档。

[0.1.1] - 2026-08-29

Changed

• 发布首个不含开发版本后缀的 DNAKit 版本。
• 将第三方声明合并到 DISCLAIMER.md，将项目引用信息移至 README.md。
• 精简根目录文件并同步更新安装、打包和发布配置。

[0.1.0.dev0] - 2026-08-28

Added

• 面向普通用户的统一 dnakit.DNA(...) 门面：同一个入口接收单条/多条序列、逐条 record mapping、ID、拓扑、metadata、feature 和旧核心对象；下标与切片仍返回 DNA。
• 新增 dnakit.representations：可选择 11 种 DNA 基础模型提取固定长度 rep，checkpoint 默认下载到当前目录 ckpt/ 并复用；新增 neural_cluster_sequences() 完成 L2、可选 PCA、seed 固定的 k-means、中心最近代表序列和完整结果审计。
• 新增 evaluate_frechet_distance()：默认复用神经网络聚类的 LucaOne 表征和 L2 归一化，以样本空间等价算法计算两个 DNA 集合的 Fréchet 表征分布距离。
• 新增 evaluate_fragment_similarity() 和 evaluate_snn()：分别以 exact k-mer 出现次数余弦相似度和 hashed k-mer 指纹最近邻 Tanimoto 均值实现 MOSES Frag/SNN 的 DNA 适配。
• dnakit.datasets.exclude_species() 和 exclude_chromosomes()：按显式 metadata 精确排除一个或多个物种/染色体；缺少目标字段时结构化报错。
• MkDocs 文档站启用中文站内搜索框、搜索建议和结果关键词高亮。
• ValidationConfig(sequence_length=...)、dnakit validate --sequence-length 和工作流 validate 步骤现可按标准化后的精确 symbol_length 判定序列是否合法。
• 根目录新增 MIT 许可证文件，版权人标注为 Pengsen Ma，并将许可证纳入发行归档。
• 新增 DISCLAIMER.md（含第三方声明）及文档站“致谢与引用”合并页，明确外部工具、用户数据、费用和非临床使用边界。
• 有界 GenBank 子集、GFF3、BED3–6、AGP 2.1、普通 FASTA/严格四行 FASTQ 持久索引、坐标提取、分块迭代和元数据管理。
• 以显式 TableSchema 有界读写 CSV/TSV/JSON/Parquet 的 read_table()、export_table() 和不可变审计结果。
• 复杂度/重复描述符，motif/PWM、ORF、限制酶、PAM、CpG island、回文、倒置重复、串联重复、STR 和低复杂度扫描。
• 分子量、基于公开 nearest-neighbor 吸光参数的未修饰 ssDNA 260 nm 理论消光系数，以及内部复现的 SantaLucia 1998 Tm、盐修正、nearest-neighbor、ΔG/ΔH/ΔS、堆积、完整互补 duplex 和局部 Tm；duplex_stability() 可显式使用用户安装的 Primer3 CLI adapter 评价 canonical mismatch/dangling heterodimer。
• 单/双链光学性质、OD260/A260/摩尔浓度/质量浓度/物质的量/质量换算、显式染料/修饰修正，以及 Ka/Kd、双链比例、理论熔解曲线、末端稳定性、Na⁺+K⁺ 和 DMSO/甲酰胺经验修正。
• dot-bracket 二级结构与配对概率派生指标、单独许可安装后才执行的显式 NUPACK 4 adapter，以及 PDB 坐标几何、SASA、体积、形状、骨架二面角、近似螺旋参数、NMR ensemble RMSF 和 3DNA/DSSR 解析。
• RCSB 1BNA、1AC7、139D 本地校验样本、SHA-256 清单、带进度条的结构分析脚本和机器可读结果。
• 纯外部 CLI 的 Primer3CLIAdapter，要求显式 oligotm/ntthal 路径，支持 Tm、hairpin、self-dimer 和 heterodimer，并记录许可、路径和 provenance；下游统一结果会校验序列、条件和结构选项绑定。
• MinHash/FracMinHash、motif/限制酶/GC/repeat/coding/固定 16 维热力学/混合/多尺度指纹及训练集拟合的预处理器；结构特征使用显式 adapter 或固定缺失策略。
• 有界近似匹配、global/local/semi-global 线性/仿射 gap 比对、sketch 相似度、持久索引和 Top-k 最近邻。
• 环状/IUPAC/近似去重、identity/edit/k-mer/fingerprint 聚类、层次聚类、代表序列、时间划分、多约束启发式划分、leakage 和划分质量评价。
• SplitConfig(method="hash") 顺序无关的稳定哈希划分：使用 SHA-256、seed 和唯一 record.id，并保持精确比例配额。
• validity、ambiguity、quality、complexity、uniqueness、diversity、redundancy、reference-scoped novelty/memorization、分布相似度、synthesis-risk 和规则型 scorecard。
• 酶切、末端/连接、PCR、引物匹配、可选结构引物属性、严格设计请求及显式路径的 Primer3CLIDesignAdapter、Gibson/LCR/Golden Gate/BioBrick 序列级组装、CRISPR 候选、规则优化、密码子优化和突变文库；Primer3 设计候选会反查模板坐标、左右引物序列和产物长度。
• 线性/环状 feature 图、alignment 图、相似度矩阵、自包含 HTML 报告，以及可选 PNG/TIFF/PDF 600 dpi 导出。
• 后端 registry、BLAST/MMseqs2/sourmash 被动 metadata/显式版本句柄、要求调用方提供可执行文件的严格 Dashing Jaccard/Top-k adapter、内容寻址 JSON 缓存、线程批处理、稳定 resume、JSON/YAML 多步骤工作流和可审计运行清单。
• describe、fingerprint、search、orfs、compare、report 和 workflow 等统一 CLI 能力，以及兼容开发入口 python -m dnakit.cli.workflow run。
• 本地正确性验证器、带 seed/环境/参数/逐样本记录的 microbenchmark、DNAKit/Biopython 对等任务比较、所选公开 callable 源码行口径、高级 Notebook、完整工作流示例和阶段 4/5 交付报告。
• TestPyPI 和正式 PyPI 的手动工作流配置；构建审查 job 无发布凭据，只有上传 job 具有 id-token: write，二者均带许可证、版本与显式确认门禁，本阶段未触发。

Changed

• evolution_generate() 保留 mut_frac 参数名，并新增逐碱基 insert_frac、delete_frac 概率；插入可用 insert_min/insert_max 选择单碱基或随机长度片段，算法审计版本升级为 dnakit-evoaug-v3。单次连续片段插入/删除继续由 indel_generate() 提供。
• 文档将 Canonical k-mer 并入 k-mer 特征的 Canonical 模式，并统一 Sketch 功能名称为 k-mer Sketch；公开 Python API 和稳定追踪编号保持兼容。
• 普通文件读取统一为 read(..., mode="dna"|"stream")，验证统一为 validate()；无后缀编辑、反向互补和环状操作对 DNA 输入同步注释并返回 DNA，旧 read_one/read_set/validate_set/*_record 入口继续兼容。
• DNA 基础模型表征和神经网络聚类的默认 checkpoint 从 GROVER 改为 LucaGroup/LucaOne-gene-step36.8M；默认缓存目录为 ckpt/lucaone-gene-step36-8m/，自定义 checkpoint 代码仍需显式授权。
• 删除内置 DiProDB 240 个数值；固定 240 字段 schema 保持不变，默认后 60 项为 None，用户可加载有权使用的严格 15×16 JSON 表。
• 删除 primer3 extra、primer3-py 依赖和 Python binding adapter；Primer3 统一改为用户单独安装并提供显式 CLI 路径。
• normalize() 新增 keep_ambiguous、keep_u和 keep_other；默认保留 IUPAC 模糊碱基，审计删除 U 和其他非 DNA 字符。
• 需求追踪矩阵改为逐项按当前源码、测试和本地后端状态核对，不再保留过期 planned 声明。
• 将独立的 identity、query coverage 和 target coverage 功能项合并到序列比对结果，并删除重复编号。
• 批处理支持有界线程执行、稳定原始索引/派生 seed 和已完成 ID 跳过。
• 可视化范围收缩为序列、feature、alignment 和相似度矩阵，通用图片导出和 HTML 报告保持不变。
• 可视化导出扩展为原子多格式输出，并对像素、记录数和内嵌结果字节数设硬上限。
• README、安装、快速入门、API、FAQ、引用/许可证和文档站导航同步到阶段 4/5 真实状态。

Validation

• 11 种模型 registry、checkpoint 复用/下载契约、IUPAC/Gap/矩阵边界和 rep → k-means/PCA 由单元测试覆盖；GROVER 使用真实本地 checkpoint 完成 4 条序列的 rep + k-means smoke，其余模型保持条件状态。
• 人工小序列、IUPAC、空序列、200,000 nt 输入和跨原点环状限制酶位点通过边界验证。
• 限制酶、分子量终端约定、全局比对、字面搜索和 single/complete/average linkage 与 Biopython 对照通过。
• Primer3 CLI adapter 以临时受控替身验证命令白名单、Boulder-IO、字段/单位解析、失败、超时和输出上限；不再把旧 Python binding 对照写成当前科学验证。
• Dashing adapter 的固定命令、矩阵解析、失败/超时/输出/输入突变边界由受控替身覆盖，本地 v1.0.2-4-g0635 两序列 exact 文档示例 smoke 通过；尚未做科学差分。
• Primer3 不属于 Python 依赖且不随 DNAKit 打包；CLI adapter 记录 GPL-2.0-or-later 提示，用户仍须按实际安装版本复核。
• NUPACK adapter 的字段映射、边界和错误处理已用受控替身测试；当前环境没有 NUPACK，因此仍不存在真实 NUPACK 数值差分结论。

Remaining boundaries

• DNAKit 自身许可证已确定为 MIT；本版本作为开发预览版发布，依赖兼容性仍需持续复核。
• 尚未部署 GitHub Pages，也未执行论文复现实验。
• NUPACK、Primer3、DSSR/3DNA 和 Dashing 不随项目安装/下载；DiProDB 数值不再内置；各外部工具/数据的许可、可能费用和真实科学差分仍由使用者按实际版本复核。
• PyArrow 25.0.1 下的 DNAKit Parquet 写出/read_table() 往返已通过；其他引擎/版本交叉矩阵尚未执行。