dsh-molbio-tools 0.22.2 → 0.24.1

package/CHANGELOG.md

@@ -10,6 +10,227 @@
   改为按**包名**引用后模块缓存问题随之消失——没有拷贝，也就没有需要保持同步的版本目录。
   下文历史条目里出现的 `vN` 目录保持原样，作为当时的记录。
 
+## [0.24.1] — 2026-11-08（输入边界与数据安全加固；工具数不变）
+
+**不新增工具：工具数保持 64，benchmark 保持 65 题 / 64 覆盖。** 这一版只修“已经在产品里、
+但不会报错的错”。面板包 `0.1.9 → 0.1.10`：两个客户端产物因 `seqio.mjs` /
+`protein-structure.mjs` 的加固改动而重建，按仓库规则必须升版本号，否则会用同一版本发不同字节。
+
+### 1. 数据安全与路径语义
+
+- `molbio_paper_export_bibtex`：自定义 `file` 不以 `.json` 结尾时，旧逻辑把库路径本身当
+  输出路径，BibTeX 会**覆盖文献库**。现在始终派生独立的 `.bib`（`refs.txt` →
+  `refs.txt.bib`），库文件保持不变。
+- 相对路径读取改为按**会话工作区**解析（`sandboxPolicy.resolve(...).workspaceRoot`），
+  不再落到 provider 的 `process.cwd()`；绝对路径行为不变。
+- 文献库/记录库加载时拒绝 `null` 或标量条目，返回带文件名的输入错误，而不是
+  `paperKey()` / `record.name.trim()` 抛出的原始 `TypeError`；协议重命名与新增使用
+  同一条重名规则；`molbio_paper_update` 在标题/URL/PMID 变化后重算派生 id。
+- `molbio_batch_analyze`：显式 `paths` 也受 `max_files` 约束；无法解析的路径变成一条
+  错误行而不是整批失败；glob 先转义反斜杠，`.` 不再被当通配符（`a.fa` 不会匹配
+  `aXfa`）。
+
+### 2. 并发声明与大输入
+
+- 四个总会写默认 SVG 的工具——`molbio_helical_wheel`、`molbio_hydropathy_plot`、
+  `molbio_protein_charge`、`molbio_dotplot`——以及带 `output_path` 的
+  `molbio_fasta_fastq extract` 改为 `safe: false`。旧谓词在 `output_path` 省略时
+  声称并发安全，而默认文件仍会被并发调用互相覆盖。
+- 图表/FASTQ/蛋白剖面不再把用户规模数组展开进 `Math.min(...)`/`Math.max(...)`：
+  200,000 行表格、130,000 条 reads 与长蛋白在文档声明的上限内不再抛 `RangeError`；
+  FASTQ 汇总改为单次流式计数，不再物化全部 Phred 值。
+- `molbio_pubmed_abstract` 的 efetch 传输失败改为具名输入错误，不再让原始异常逃出工具。
+
+### 3. 发布与仓库卫生
+
+- `.github/workflows/test.yml` 增加 `permissions: contents: read`；
+  `.gitignore` 忽略 `.codex-tmp/`。
+- `preset/install.mjs` 校验 `--profile`（字母/数字开头，仅 `._-`），避免 profile 名
+  经 Windows shell 时被当作命令元字符。
+- 同步多处注释里过时的工具数（57/60/62 → 64）。
+
+### 4. 验证与边界
+
+- `npm test` 全绿：smoke 64 工具、benchmark 65 题 / 64 覆盖、`preset-health` 29 行、
+  `release` 13 项；`build/client-bundle.mjs --check` 与 `build/preset-patch.mjs --check`
+  与源一致。
+- 不新增工具、不改 preset 行清单、不改 DSH 基线（0.2.2-rc.1）。
+- `benchmark-changed` 的 POSIX 路径断言在本地沙箱因 Node 无法 spawn `git` 未执行；
+  CI 会执行。这是沙箱限制，不是仓库缺陷。
+
+## [0.24.0] — 2026-11-05（载体/接头污染筛查；FASTQ 修剪；接头表静默错修复）
+
+**工具数 62 → 64，benchmark 63 → 65 题（64/64 覆盖）。** 两块工作都来自候选池 survey：
+#11 载体/接头污染筛查、#12 FASTQ 修剪/过滤；同时修掉 FASTQ QC 接头表里一个已有的静默错。
+面板包 `0.1.8 → 0.1.9`：客户端产物因 `seqio.mjs` 新增 `toFastq` 而改变，面板行为未变。
+
+### 1. `molbio_contamination_screen`（survey #11）
+
+- 内置**短签名**表：pUC/pBR322 ori、pUC19 lacZ/M13、pUC/pBR322 bla（AmpR）、pET T7
+  promoter/terminator、pcDNA CMV/BGH、Gateway attB1/attB2；接头复用
+  Illumina Universal/Small RNA、Nextera、polyA/polyG。
+- 输入单条序列或 FASTA/FASTQ；**双链**、默认 exact，`max_mismatches` 0–2 走
+  seed-and-verify（不扫描每个窗口）；报告每个签名的 reads 数、示例位置/链/错配。
+- 明确写"短签名筛查，不是 BLAST/全库比对；未命中不等于干净"。
+- **顺带修的静默错**：原 `fastq-qc.mjs` 里的 Illumina Small RNA 5' 是 RNA 序列
+  （`GUUCAG…`，含 U），而 `adapterContent` 直接去 DNA reads 里 `indexOf`；正向分子
+  永远匹配不上，只有反向互补能命中。现在表在 `contamination.mjs` 里以 DNA 形式定义
+  （U→T），`fastq-qc` 从那里导入并再导出；smoke 用"正向 + 反向互补"两条 read 断言两者都命中。
+
+### 2. `molbio_fastq_trim`（survey #12）
+
+按固定顺序执行：5' 引物（精确，只在读首）→ 3' 接头（精确，切到接头前）→ 3' 滑窗质量
+（窗口均值低于阈值时向左收）→ poly-G/poly-A 尾 → 最小长度/N 比例过滤；支持
+Phred+33/+64，写出 FASTQ 或 FASTA，返回 before/after reads/bases、逐阶段 trim 数、
+drop 原因与写入路径。
+
+- 质量字符原样保留；`toFastq` 写四行记录，index 与 `parseFastq` 往返。
+- **不做** paired-end overlap merge、cutadapt 式 semiglobal adapter alignment、UMI；
+  这些在描述与 README 里写明，不假装完成。
+- 测试钉住：每条 read 的修剪后长度、poly-G 边界、adapter 位置、min_length 丢弃、
+  Phred+64、FASTQ round-trip 与错误路径。
+
+### 3. 计数、产物与测试
+
+- `package.json` 0.23.0 → **0.24.0**；`files` 加入两个新模块。
+- 面板包 0.1.8 → **0.1.9**；两个 `lib/client.js` 重新构建（`seqio.mjs` 新增
+  `toFastq` 进入浏览器半的模块图）。
+- 工具注册 62 → **64**；benchmark 63 → **65** 题，覆盖 **64/64**；预设描述、
+  `agent.cordis.yml`、README、maintainer、rules、workflow、roadmap、survey 状态同步。
+- smoke 覆盖两个新工具的已知值与错误路径，以及 Small RNA 接头双向命中的回归。
+- `npm test` 全绿：smoke 64 工具、benchmark 65 题、覆盖 64/64、`contract` 17/17、
+  `preset-health` 29 行、`release` 13/13、`bench --offline` 65 题全过；
+  `build/client-bundle.mjs --check` 与 `build/preset-patch.mjs --check` 与源一致。
+- **定向真实模型跑分（2026-11-05）**：`contamination-screen` 与 `fastq-trim` 两题 **2/2 通过**，
+  tool selection / arguments / final answer 均 2/2（409,576 tokens，70 s）。只是受影响题目的测量，
+  不是全量 65 题跑分；报告在 `benchmark/reports/20261105-194348-suite.md`（reports/ 不进 git）。
+
+### 4. 未做 / 边界
+
+- 短签名表不是数据库：未命中不能证明样本干净；短签名的假阳性/假阴性必须由使用者判断。
+- FASTQ 修剪不做 paired-end merge、semiglobal adapter alignment、UMI；也不做
+  quality-score recalibration。
+- `molbio_fastq_qc` 仍只读；修剪后的报告需对输出文件再跑一次 QC。
+
+## [0.23.0] — 2026-10-31（跨内含子引物朝向修复；调用卡；两个轻量工具；DSH 0.2.2-rc.1 适配）
+
+**工具数 60 → 62，benchmark 61 → 63 题（62/62 覆盖）。** 三块工作：修掉路线图 2.0 的遗留
+（这是本版唯一改变既有输出的修复）、落地 2.9a 的调用卡、从候选池加入两个纯计算工具。
+面板包 `0.1.7 → 0.1.8`（客户端产物变了）。
+
+### 1. 跨内含子引物：报告真实的分子与真实的方向（2.0 遗留）
+
+`molbio_design_intron_primers` 一直把两条引物都报成剪接转录本的 **sense 子串**。后果有两个：
+报告的 `reverse` 不是要订购的那条分子（真正的反向引物是它的反向互补），而且 `forward` 落在
+`reverse` 的下游——把这对引物按原样理解会得到一套不扩增的测定。
+
+- **修法**：反向候选改在**剪接转录本的反向互补**上扫描，因此 GC clamp、末端稳定性、末端 GC、
+  self-end、发夹这些 **3' 端约束第一次落在真正会订购的那条分子上**；命中再经 `anchor`（其 3' 端，
+  即结合位点的左边缘）映回 sense 坐标。正向候选仍是 sense 链上的单外显子窗口。
+- **输出**：`forward.sequence` 是 sense 子串，`reverse.sequence` 是可直接下单的 5'→3' 分子；
+  F 在 R 上游，剪接扩增子从 F 的 5' 端到 R 的 5' 端；`exon` 只在正向引物上，
+  `exons`/`junction_left`/`junction_right` 只在反向引物上。
+- **错配报告**：`template_base` 仍是"完美匹配时该引物会携带的碱基"——正向是转录本碱基，
+  反向是它的**互补**；3' 距离与基因组坐标仍逐条给出。
+- **顺带修掉的静默错**：旧代码把 `mismatchReport` 的 **snake_case** 报告直接喂给
+  `mismatchPenalty`（它读 camelCase 的 `distanceFrom3Prime`），所以跨内含子模式的 3' 关键区
+  加罚**从未生效**。现在用 `intronMismatchPenalty` 读正确字段。
+- **行为变化**：同一 fixture 的物理扩增子没有变（spliced 320-406 / 87 bp，genomic 387 bp，
+  junction 12+6 bp），但反向引物序列变成其反向互补，**候选集也因为 3' 约束落到正确的一端而改变**
+  （smoke 夹具的 exon1 seed 10 → 49，才能在新的约束下仍得到 ≥900 bp 的基因组跨度）。
+- 同时更新了渲染（"the REVERSE primer spans..."）、工具描述、README、benchmark 的
+  `intron-qpcr` 措辞，以及 smoke 的 sense-substring 断言（现在断言 reverse = 其剪接位点的
+  反向互补，且 F 在 R 上游）。
+
+### 2. 调用卡：sequence logo 与 gRNA（路线图 2.9a）
+
+- 新增 `molbio-figure` 投影（`figureCardMeta`）与浏览器半的 `figureCardView`/
+  `figureCardSummary`；`FIGURE_TOOL_KEYS` 声明 `molbio_sequence_logo` 与
+  `molbio_grna_design` 两个 key。
+- logo 卡画出本次生成的 logo；gRNA 卡画 `map_path`（请求了才有）并列出**前 5 条 guide**
+  （rank/序列/PAM/位置/分数/脱靶数），没有 map 时仍显示摘要与表格，而不是空卡。
+- 卡片与地图卡共用 `tool.call.toolview` 座位，仍然逐 key `ctx.slots.inject`；元数据全部
+  校验并限界（summary 300 字符、路径 500、guide 行 5 条、SVG ≤ 256 KB，超出则只报文件路径）。
+- `test/map-card.mjs` 现在同时驱动两种卡（host 投影 → view → 真实组件渲染），并覆盖
+  "无图但仍有表格"、超限、坏形状、坏 SVG 与错误调用。`contract` 从产物里的两张 key 表反推
+  投影数，不再假设只有地图工具。
+
+### 3. 新增两个工具（候选池 survey #34 / #23）
+
+- **`molbio_protein_charge`**（`protein-charge.mjs`）：Henderson-Hasselbalch 净电荷-pH
+  曲线、pI、pH 7.4 电荷与 SVG。`pka_set` 可选 `bjellqvist`（默认，与 `molbio_protein_props`
+  的 pI 同一张表）或 `emboss`（Epk.dat）。pK 表与电荷函数从 `protein.mjs` 导出
+  （`PK_SETS`/`netCharge`/`countAminoAcids`），**两张表不再各存一份**。
+  未建模二硫键、修饰残基、金属结合与离子强度，输出里写明所用 pK 表。
+- **`molbio_dotplot`**（`dotplot.mjs`）：精确 k-mer 自比较，黑色直接重复、红色反向重复；
+  固定网格分箱，`truncated`（扫描上限 200k 对）与 `plot_truncated`（网格 60k 格）分别上报，
+  简并碱基参与的 k-mer 跳过并计数。是"精确 k-mer 视图"，不是滑窗同一性/打分 dotplot。
+  SVG 画布用 720×760、绘图区仍是 628 px 正方形：x 轴标题与图例各占一行，图例落在面板内，
+  不再压在底边框上；`test/smoke.mjs` 加了对应的几何断言（标题/图例的 y 预算与先后顺序）。
+- 两个工具都支持 `attach_image`（画图工具 15 → 17）、`auto_view` 与工作区 SVG。
+- benchmark 新增 `protein-charge` 与 `dotplot` 两题；`test/smoke.mjs` 补了已知值：
+  两端电荷 ±3、pI 是零交叉、两套 pK 给出不同的 pI、dotplot 的 133/40 与 12 个反向命中、
+  扫描截断、重复输入确定性、以及各自的参数错误路径。
+
+### 4. 计数、守卫与文档
+
+- `package.json` 0.22.2 → **0.23.0**；`files` 加入两个新模块；面板包 0.1.7 → **0.1.8**。
+- preset 描述 60 → 62；`agent.cordis.yml` 的注释同步；`cordis.patch.yml` 由
+  `build/preset-patch.mjs` 重新生成。
+- `test/contract.mjs`：picture 工具计数 15 → 17；卡片契约改为从
+  `MAP_TOOL_KEYS` + `FIGURE_TOOL_KEYS` 两处读 key，并用**行首锚定**的正则数
+  `presentationMeta`（文件头注释里也提到这个签名，子串计数会把它算成第四个实现）。
+- `test/client.mjs`：keyed 座位注册数 4 → 8 → 9（两张 tab、四张卡、详情页），
+  并断言两个 figure 工具共用同一个卡片组件。
+- 文档同步：README（工具表、示例、方法学、目录结构、benchmark 计数）、maintainer、
+  roadmap（2.0b/2.9a 标为已修、3.2 的 63/62）、rules 与 workflow 的覆盖率数字、
+  benchmark/README 的题数；`docs/store-preset-exemption*.md` 里残留的 60 → 62；
+  `benchmark/fixtures.mjs` 的 `INTRON_GENOMIC` 缩进对齐。
+- `npm test` 全绿；`bench --offline` 63 题全过；`benchmark-coverage` 62/62；
+  `benchmark-profile` 12 行 / 62 工具；`contract` 17/17；`build/preset-patch.mjs --check`
+  与 `build/client-bundle.mjs --check` 与源一致。
+- **定向真实模型跑分（2026-11-05，DSH 0.2.2-rc.1）**：`intron-qpcr` / `protein-charge` /
+  `dotplot` 三题 **3/3 通过**，tool selection、arguments、final answer 均 3/3（541,946 tokens，
+  108 s）。这只是受影响题目的测量，不是全量 63 题跑分；报告在
+  `benchmark/reports/20261105-190958-suite.md`（reports/ 不进 git）。
+
+### 5. 未做 / 边界
+
+- 跨内含子工具**不**补"正向引物跨连接点"的另一种布局：本版只把已有布局的分子与方向修正，
+  物理扩增子不变。要支持两种布局需要把"哪条引物跨连接点"变成一个显式选项与两套搜索。
+- `molbio_dotplot` 只做自身比较；两个序列之间的 dotplot 与滑窗打分版没有做。
+- `molbio_protein_charge` 不建模二硫键、翻译后修饰、金属结合与离子强度；pI 与厂家计算器
+  不可互换（这与 README 的方法学一致）。
+- 路线图 2.9b（文献库写回）、2.9c（结构预览）、2.6（基因组级脱靶）仍未做。
+
+### 6. DSH 0.2.2-rc.1 适配
+
+**工具行为零变化（62 个）；变的是 preset 行清单与守卫。** 上游 0.2.2-rc.1 把 `list_agents` 并进
+`@deepseek-ai/dsh-tool-subagent-control` 主入口，并删除了 `./list-agents` 子路径导出；本仓库的 preset
+还在按 0.2.1-rc.5 的 standard 抄这一行，于是 rc.1 上该行**按 specifier 解析即失败**
+（`ERR_PACKAGE_PATH_NOT_EXPORTED`），`molbio-lab` 会被报告为 broken，而组合树静态看完全正常。
+
+- `preset/molbio-lab/agent.cordis.yml`：删掉 `tool-subagent-list-agents` 行（30 → 29 行）；
+  `tool-subagent` 的旧键 `modelSelectionSettings: true` 换成 0.2.2 的
+  `modelSelection: true` + `modelDiscovery: true`（旧键仍被 schema 接受但**静默忽略**，子代理的
+  模型选择实际上被关掉了）；`tool-fs` 显式补上游新写的 `applyPatch: false`（包默认值同为 false，
+  补上是为了让两份 composition 逐行可比）。`cordis.patch.yml` 由 `build/preset-patch.mjs` 重新生成。
+- `test/preset-health.mjs` 新增**真实 specifier 解析**（`createRequire(...).resolve`）前置检查：
+  `packageInstalled` 只证明包目录存在，会放过"包还在、子路径已删"的行——这正是 rc.5 → rc.1
+  的漂移能一路绿到手工发现的原因。`test/drift-probe.mjs` 增加一条突变自检（用 `no-such-subpath`
+  证明守卫会失败，不依赖某个版本删了什么）。
+- `test/contract.mjs` 三处由实现字面量改回契约：官方 tab body 改名 `FileNavigator` 后改为校验
+  **入参**（仍收 `useTabInfo`/`sessionId`/`useSessions`）；`presentationMeta` 投影改读
+  `dsh-tools` 的 `lib/index.js` + `lib/pipeline.js`（0.2.2 把装配管线拆了出去，语义未变）；
+  `dsh-fs` README 的 binary 措辞改为接受新旧两种说法，真正的判断仍由 `FS_NOT_TEXT` 与
+  "seam 上没有 `writeBytes`"承担。
+- 两个包 `dshReleases` 增加 `0.2.2-rc.1: compatible`；`engines.dsh` 不变——DSH 的
+  `unmetRequirements` 用 `includePrerelease`，`>=0.2.1-rc.2 <0.3.0-0` 本来就覆盖 0.2.2-rc.1，
+  而 `-0` 上界继续挡住 `0.3.0-*`。
+- 一次性 Profile（tarball，117 文件 / 1 049 323 B）在 0.2.2-rc.1 上重跑：安装 → 启动 HTTP 200 →
+  `agentPresets/list` 的 `broken` 为空、`molbio-lab` 的 `tool-molbio` 为 `fiberPhase: "active"` →
+  卸载无残留；`contract` 17 / `preset-health` 29 行 / `drift-probe` 15 个突变 / `smoke` 62 工具全绿。
+
 ## [0.22.2] — 2026-10-30（DSH 0.2.1-rc.5 适配；契约守卫兼容桌面版）
 
 **工具行为零变化（60 个）。** 0.22.1 的验收基线是 **0.2.1-rc.3**；这一版把基线推到

package/README.md

@@ -1,6 +1,6 @@
 # dsh-molbio-tools
 
-**给 AI 助手装上分子生物学的"手"**：一个零依赖的 DeepSeek Harness 插件包，为它提供 **60 个
+**给 AI 助手装上分子生物学的"手"**：一个零依赖的 DeepSeek Harness 插件包，为它提供 **64 个
 `molbio_*` 工具**——序列分析、引物/探针自动设计、克隆模拟、质粒图谱、测序验证、蛋白与 CRISPR
 分析、qPCR 统计、文献与实验记录。装上之后，你可以直接用自然语言让助手完成这些计算，并把结果
 画成图。
@@ -31,7 +31,7 @@
 ## 目录
 
 - [安装](#安装)（3 步）
-- [它会做什么](#它会做什么)（按任务分组的 60 个工具）
+- [它会做什么](#它会做什么)（按任务分组的 64 个工具）
 - [典型用法示例](#典型用法示例)
 - [输出文件、自动打开与浏览器面板](#输出文件自动打开与浏览器面板)
 - [方法学与使用须知](#方法学与使用须知)（各工具的模型、估算范围与边界）
@@ -46,7 +46,7 @@
 
 ### 推荐：在 DSH 插件页安装（3 步）
 
-装完后，预设选择器里会出现 **Molecular Biology Lab** 模式；**60 个工具只在这个模式里出现**，
+装完后，预设选择器里会出现 **Molecular Biology Lab** 模式；**64 个工具只在这个模式里出现**，
 不会污染你其它会话（这点很重要：工具多了会占提示预算）。**右栏的 Molbio / Papers 两个面板也随这个包
 一起装好**，不需要再装 `dsh-molbio-panel`。
 
@@ -104,9 +104,9 @@ dsh plugin --profile web update dsh-molbio-tools
 | 层（同一个 `cordis.patch.yml` 里的两段） | 作用 |
 | --- | --- |
 | `molbio-client` → `./host.mjs` | 只插一行**惰性宿主锚点**，不注册任何工具 |
-| `preset-molbio-lab` → `@deepseek-ai/dsh-agent-preset` | 声明 **Molecular Biology Lab** 模式，60 个工具在这一层里 |
+| `preset-molbio-lab` → `@deepseek-ai/dsh-agent-preset` | 声明 **Molecular Biology Lab** 模式，64 个工具在这一层里 |
 
-所以 60 个工具**只在选中该模式的会话里加载**，其它模式（standard / ptc / minimal / cordis）
+所以 64 个工具**只在选中该模式的会话里加载**，其它模式（standard / ptc / minimal / cordis）
 不带它们，不占提示预算。bundle 安装 ≠ 工具全局可见：bundle 只是把"模式"和"面板"一起装进来。
 
 > **那一行锚点不是多余的。** DSH 的客户端模块扫描只走**宿主 Loader 树**（官方原话：
@@ -122,7 +122,7 @@ dsh plugin --profile web update dsh-molbio-tools
 
 ### 只要浏览器面板
 
-如果只想要图形面板、不想让该 profile 装 60 个工具（连模式都不装），装面板专用包即可
+如果只想要图形面板、不想让该 profile 装 64 个工具（连模式都不装），装面板专用包即可
 （见[浏览器面板](#浏览器面板可选)）。**它和 `dsh-molbio-tools` 二选一**：两者注册同一组右栏 tab
 （`dsh-molbio-tools` / `dsh-molbio-tools/papers`），同时装会重复注册并报
 `tab type id ... is already registered`。同样在 **插件 → 添加插件** 里输入 `dsh-molbio-panel`，
@@ -138,10 +138,10 @@ dsh plugin --profile <profile> add dsh-molbio-panel
 
 ## 它会做什么
 
-60 个工具按任务分为十组。下表是"你想做什么 → 用哪个工具"的索引，参数细节模型会在调用时自己
+64 个工具按任务分为十组。下表是"你想做什么 → 用哪个工具"的索引，参数细节模型会在调用时自己
 填；你只需要把意图说清楚。
 
-### 1. 序列分析与酶切（7）
+### 1. 序列分析与酶切（9）
 
 | 工具 | 用途 |
 | --- | --- |
@@ -152,13 +152,15 @@ dsh plugin --profile <profile> add dsh-molbio-panel
 | `molbio_enzyme_lookup` | 酶目录查询：识别位点/切点几何/突出端长度；给序列时报告**双链向的全部切点**（IIS 酶的反向识别位点也会被切，这是上一个工具不报告的） |
 | `molbio_methylation_check` | **甲基化会不会挡住酶切**：列出序列中每个 Dam（GATC）/Dcm（CCWGG）位点，把每个酶判为 `cuts` / `impaired` / `blocked` / `no_site`，并给出"哪些酶能用来切"的清单 |
 | `molbio_double_digest` | **双酶切规划**：两个酶各自的切点/片段、合并切点与片段，以及两者**是否共用 buffer**（无共用则提示顺序酶切或换用厂商双酶切 buffer） |
+| `molbio_dotplot` | **序列自身 dotplot**：按 k-mer 精确匹配画直接重复（黑）与反向重复（红），网格分箱以限制文件大小，并报告匹配数与任何扫描/绘图截断；是精确 k-mer 视图，不是滑窗同一性打分图 |
+| `molbio_contamination_screen` | **载体/接头污染筛查**：用内置的短签名表（pUC/pBR322、pUC19 lacZ/M13、pET T7、pcDNA CMV/BGH、Gateway attB1/attB2、Illumina/Nextera 接头）扫描序列或 FASTA/FASTQ；双链、默认精确、可选 0–2 错配，报告每个签名命中的 reads 数、示例位置/链/错配。**短签名筛查，不是 BLAST/全库比对；未命中不等于干净** |
 
 ### 2. 引物设计（6）
 
 | 工具 | 用途 |
 | --- | --- |
 | `molbio_design_primers` | **自动设计 PCR 引物对**：Tm（SantaLucia 1998 最近邻模型，盐/浓度可调）、GC、GC clamp、run/发夹/自互补/二聚体约束、错配容差、非特异结合检查、3' 目标位置偏好（SNP/定点设计），按罚分排序给出多组候选 |
-| `molbio_design_intron_primers` | **跨内含子 qPCR 引物**：给定基因组序列 + 外显子坐标，正向引物跨外显子-外显子连接点，基因组 DNA 不会扩增（可设最小基因组间距） |
+| `molbio_design_intron_primers` | **跨内含子 qPCR 引物**：给定基因组序列 + 外显子坐标，**反向引物**跨外显子-外显子连接点（正向引物在其上游、位于单个外显子内），基因组 DNA 不会扩增；F 在上游、R 是按 5'→3' 可直接订购的分子（可设最小基因组间距） |
 | `molbio_design_taqman` | **TaqMan（水解探针）测定设计**：引物对 + 探针一次给出（探针 5' 端非 G、Tm 比引物高 5 °C 起、无 run/重复、不与引物二聚化），每条候选附逐项罚分；支持 **MGB 化学**（更短、按未修饰 NN Tm 报告并明确标注修饰未建模）和**订购 CSV**（引物/探针、5'/3' 修饰、规模、纯化） |
 | `molbio_primer_tm` | 单条引物 Tm 估算（Na⁺/Mg²⁺/dNTP 盐校正） |
 | `molbio_primer_check` | 引物结构筛查：重复序列、3' 端加权的自互补、发夹、引物对二聚体，以及 Primer3 同款热力学指标 |
@@ -196,11 +198,12 @@ dsh plugin --profile <profile> add dsh-molbio-panel
 | `molbio_plot` | **实验数据图表（8 种）**：柱状图（均值±SD 误差棒）、散点图（可选拟合线）、折线图（按分组列拆多条序列）、直方图（分箱默认 Freedman-Diaconis）、箱型图（Q1–Q3 箱 + 中位线 + 1.5×IQR 须 + 离群点）、**小提琴图**（高斯核密度轮廓 + 内部箱；看分布形状时用它）、**火山图**（log2FC × 显著性，带虚线阈值；**只画不检验**，p 值必须由表提供）、**热力图**（行×列矩阵，一格一色 + 色标；支持宽表与长表两种版式，`scale: row_zscore\|log2` 是**显式申报的展示变换**）。表类图表直接读工作区 **CSV/TSV**（`data_path` + `columns` 指名列），也可用 `data` 内联表格文本；结果里带回算好的统计量，**报数请引用它而不是照图估读** |
 | `molbio_virtual_gel` | **虚拟琼脂糖凝胶**：给出预期片段大小 → SVG 凝胶图 + 分子量 ladder，和真胶对照 |
 
-### 6. 蛋白质（5）
+### 6. 蛋白质（6）
 
 | 工具 | 用途 |
 | --- | --- |
 | `molbio_protein_props` | MW、等电点、A280 消光系数、A280(0.1%)、GRAVY、脂肪族指数 |
+| `molbio_protein_charge` | **电荷-pH 滴定曲线**：Henderson-Hasselbalch 逐 pH 净电荷、pI、pH 7.4 电荷；pK 可选 **Bjellqvist**（与 `protein_props` 的 pI 一致）或 **EMBOSS Epk.dat**，出 SVG |
 | `molbio_peptide_digest` | 质谱用酶切模拟：trypsin/chymotrypsin/LysC/GluC（P 前不切）、漏切 0–3、[M+H]⁺ 质量 |
 | `molbio_codon_optimize` | E. coli/酵母/人密码子优化，可顺便避开指定酶切位点 |
 | `molbio_helical_wheel` | **螺旋轮投影**：残基按 3.6 残基/圈落在圆周上、按性质着色，给出疏水矩 μH（判断是否两亲性），出 SVG |
@@ -235,11 +238,12 @@ dsh plugin --profile <profile> add dsh-molbio-panel
 | `molbio_protocol_add` / `molbio_protocol_list` / `molbio_protocol_update` | 协议库（`protocols.json`）：步骤列表、自由参数、来源文献 |
 | `molbio_experiment_log` / `molbio_experiment_list` | 实验日志（`experiments.json`）：关联协议与文献、笔记与结果 |
 
-### 10. 实验台分析（5，v19 新增，树图 v20 改进）
+### 10. 实验台分析（6，v19 新增，树图 v20 改进）
 
 | 工具 | 用途 |
 | --- | --- |
 | `molbio_fastq_qc` | **读级 FASTQ 质控**：每碱基质量（均值 **+ 四分位**）、每读质量直方图、每碱基 A/C/G/T 含量、每读 GC 分布（含理论正态叠加）、长度分布、**精确序列重复率**、过度代表序列、内置接头片段扫描、Q20/Q30 与"质量从第几位开始跌破 Q30"——并出一张六面板 SVG 报告 |
+| `molbio_fastq_trim` | **FASTQ 修剪/过滤**：3' 滑窗质量修剪、5' 引物/3' 接头精确去除、poly-G/poly-A 尾修剪、最小长度与 N 比例过滤；支持 Phred+33/+64，写出 FASTQ 或 FASTA，并报告 before/after 计数与逐阶段 trim 数。不做 paired-end merge、semiglobal adapter alignment 或 UMI |
 | `molbio_codon_usage` | **密码子使用分析**：CAI（Sharp & Li）、逐密码子 RSCU、Nc（有效密码子数）、GC3/GC123、罕见密码子清单（带位置与宿主频率）、CDS 内 CpG 观测/期望、隐藏终止子扫描；可对比 E. coli / 酵母 / 人 |
 | `molbio_phylogenetic_tree` | **距离法系统发生树**：p-distance / Jukes-Cantor / Kimura 2P / Tamura-Nei 校正距离、UPGMA 或邻接法（NJ）、**bootstrap 支持度（种子可复现）**、严格/多数共识树、Newick 读写、矩形式/环形/扇形 SVG |
 | `molbio_pcr_simulate` | **in-silico PCR**：双链搜索引物结合位点、产物大小与坐标、逐位错配明细、**"3' 端必须精确匹配几个碱基"是独立旋钮**（中段错配仍能延伸、3' 错配通常不能）、环状模板跨 origin 产物、对额外模板（如载体）做错引导筛查、预期凝胶图 |
@@ -273,11 +277,13 @@ dsh plugin --profile <profile> add dsh-molbio-panel
 | "这段肽是不是两亲性？画个螺旋轮" | `molbio_helical_wheel(sequence, moment_window:11)` |
 | "画这个蛋白的疏水性图，找跨膜段" | `molbio_hydropathy_plot(sequence, window:19)` |
 | "这批测序数据质量怎么样，从第几位开始掉" | `molbio_fastq_qc(path)` → 看 `quality_tail_below_30` 与六面板报告 |
+| "这批 reads 有没有接头或载体污染" | `molbio_contamination_screen(path 或 sequence)` → 看命中的短签名、位置/链/错配；未命中不等于干净 |
+| "把 reads 的低质量尾和接头修掉，写出新 FASTQ" | `molbio_fastq_trim(path, output_path, adapter:…, poly_g:true)` → before/after 计数 + 写出文件 |
 | "这个基因在大肠杆菌里表达会好吗，问题在哪" | `molbio_codon_usage(sequence, host:'e_coli')` → CAI / 罕见密码子清单 |
 | "这对引物除了目标还会在哪扩增？预期几条带" | `molbio_pcr_simulate(template, primer_pairs:[…])` → 产物大小 + 凝胶图 |
 | "这几条序列谁跟谁最近，这个结论有信心吗" | `molbio_phylogenetic_tree(sequences:[…], bootstrap:100)` → 支持度 + Newick |
 | "这段是不是启动子/CPG 岛？复制起点在哪" | `molbio_gc_composition(sequence)` → CpG 岛区间 + 累积 GC skew 的 ori/ter 提示 |
-| "把这 60 个质粒/reads 一起做个汇总表" | `molbio_batch_analyze(directory, pattern, analysis:'all', enzymes:[…])` → 一张 CSV/TSV |
+| "把这批质粒/reads 一起做个汇总表" | `molbio_batch_analyze(directory, pattern, analysis:'all', enzymes:[…])` → 一张 CSV/TSV |
 | "把 EcoRI 位点静默去掉，蛋白不能变" | `molbio_silent_site_mutagenesis(sequence, enzyme:'EcoRI', action:'remove')` → mutation texts → `molbio_mutagenesis_primers` |
 | "用 Cas12a 设计 gRNA（5' TTTV PAM）" | `molbio_grna_design(sequence, cas_family:'cas12a')` |
 | "用 Cas13a 敲低这个转录本" | `molbio_grna_design(sequence, cas_family:'cas13a', target_strand:'forward')` → 看 PFS 与 require_pfs |
@@ -301,14 +307,16 @@ SVG 文件**并在结果里返回路径：
 | `molbio_qpcr_efficiency` / `molbio_plot` / `molbio_virtual_gel` | 曲线；`molbio_plot` 的柱状/散点/折线/直方图/箱型/小提琴/火山/热力图（`output_path` 必填）；凝胶图 |
 | `molbio_helical_wheel` / `molbio_hydropathy_plot` | 螺旋轮、疏水性图 |
 | `molbio_fastq_qc` | `<名称>.qc.svg`（六面板质控报告） |
+| `molbio_fastq_trim` | `output_path` 指定的 FASTQ/FASTA（修剪后的 reads） |
 | `molbio_phylogenetic_tree` | `<名称>.nwk`（Newick）+ `<名称>-tree.svg` |
 | `molbio_pcr_simulate` | `pcr-gel.svg`（预期凝胶） |
 | `molbio_gc_composition` | `gc-composition.svg`（GC/CpG 三面板图） |
+| `molbio_protein_charge` / `molbio_dotplot` | 电荷-pH 曲线；直接/反向重复 dotplot |
 | `molbio_fasta_fastq` / `molbio_extract_region` / `molbio_paper_export_bibtex` | FASTA / `.bib` |
 
 ### 让模型自己看图：`attach_image`（可选，默认关）
 
-上面这些**画图工具**（共 15 个）都接受一个可选参数 **`attach_image: true`**。打开后，工具会把
+上面这些**画图工具**（共 17 个）都接受一个可选参数 **`attach_image: true`**。打开后，工具会把
 同一张图**当场光栅化成 PNG 并作为图片附件挂到这次调用的结果上**——模型因此能直接"看见"凝胶
 条带、质粒图谱、logo、螺旋轮、曲线，而不是只能读数值。传了就会在结果里回一个 `image` 对象
 （附件的 id/尺寸/字节数），文本里也会写明"图已附上"。
@@ -425,6 +433,25 @@ mutations remain deferred"）。所以插件无法在工作区里合法地落一
 - **目标位置偏好**（`target_position` + `target_penalty`）：按"较近引物 3' 端到目标的距离"加重
   罚分，用于 SNP 分型/定点设计；跨内含子设计里该坐标是**剪接坐标**。
 - **性能**：几十 kb 模板在亚秒级完成；找不到满足约束的组合时返回空并提示放宽条件。
+- **跨内含子设计的方向（0.23.0）**：跨连接点的是**反向引物**，正向引物在上游的单个外显子内。
+  报告的 `reverse.sequence` 是可直接订购的 5'→3' 分子（其剪接位点的反向互补），F 在 R 上游；
+  `exon` 只出现在正向引物上，`exons`/`junction_left`/`junction_right` 只出现在反向引物上。
+  错配报告里的 `template_base` 仍是"完美匹配时该引物会携带的碱基"——正向是转录本碱基，反向是它的互补。
+
+### 蛋白电荷与序列 dotplot（0.23.0）
+
+- **`molbio_protein_charge`**：Henderson-Hasselbalch 求和，N/C 末端各计一次，K/R/H 为正、
+  D/E/C/Y 为负；`pka_set` 选 `bjellqvist`（默认，与 `molbio_protein_props` 的 pI 同一张表）
+  或 `emboss`（Epk.dat）。**pI 只对所用的 pK 表有意义**，结果里同时给出 `pka_set` 与
+  `pka_label`；未建模二硫键、修饰残基、金属结合与离子强度。
+- **`molbio_dotplot`**：精确 k-mer 自比较，黑色是直接重复、红色是反向重复；简并碱基参与的
+  k-mer 被跳过并在 `ambiguous_bases` 计数。`truncated` 表示匹配扫描触顶（计数是下界），
+  `plot_truncated` 表示绘图网格触顶（部分点未画）。对角线是序列与自身，属正常现象。
+
+### 污染筛查与 FASTQ 修剪（0.24.0）
+
+- **`molbio_contamination_screen`**：表是**内置短签名**，不是数据库：pUC/pBR322 ori、pUC19 lacZ/M13、pUC/pBR322 bla、pET T7 promoter/terminator、pcDNA CMV/BGH、Gateway attB1/attB2，以及 Illumina/Nextera/polyA/polyG 接头。默认 exact、双链、替换错配 0–2（seed-and-verify），报告每个签名的 reads 数、示例位置/链/错配。**短签名会漏也会假阳性**；命中是"值得追"的线索，未命中**不能证明**样本干净。接头表在源头做了 U→T 归一化；旧版 Small RNA 5' 的 RNA 序列在 DNA reads 上只能命中反向互补，这是一个已修的静默错。
+- **`molbio_fastq_trim`**：按固定顺序执行——5' 引物（精确、只在读首）→ 3' 接头（精确、切到接头前）→ 3' 滑窗质量（窗口均值 < 阈值时向左收）→ poly-G/poly-A 尾 → 最小长度/N 比例过滤。Phred+33/+64 的**质量字符原样保留**；输出 FASTQ 或 FASTA。**不做** paired-end overlap merge、cutadapt 式 semiglobal adapter alignment、UMI 处理——这些不在一个工具里假装做完。滑窗阈值、窗口、poly 最小 run、最小长度、N 比例都回显在 `criteria` 里。
 
 ### TaqMan 探针（v17）
 
@@ -699,21 +726,22 @@ agent 的 shell 子进程继承**，内联参数会出现在对话记录与工
 
 想评估"模型到底会不会用这些工具"，看 **[benchmark/README.md](benchmark/README.md)**：
 `npm run bench:offline` 零成本校验期望值（在 `npm test` 里），`npm run bench` 用真实模型
-跑 **core 档 14 题**，`npm run bench:full` 跑**全部 61 题（覆盖 60/60 个工具）**。
+跑 **core 档 14 题**，`npm run bench:full` 跑**全部 65 题（覆盖 64/64 个工具）**。
 
 > **改动与 benchmark 的关系（硬规则）**：新增或改动任何工具行为，**必须**新增/更新对应的
 > benchmark 任务并重跑；没有改动就不必重跑。日常只需要一条命令——
 > `node benchmark/run.mjs --model --changed`——它会从你的改动反推出该跑哪几题
 > （`lib.mjs` 这类共享库会自动放大到全量），改动只在文档/测试时则直接回答"无事可跑"。
-> `test/benchmark-coverage.mjs` 会拦住"新工具没有任务"（断言 60/60 覆盖），
+> `test/benchmark-coverage.mjs` 会拦住"新工具没有任务"（断言 64/64 覆盖），
 > `bench --offline` 会拦住"期望值过期"。完整对照表见
 > [docs/workflow.md](docs/workflow.md) 第 2 节。
 
 > **benchmark 已经查出的一个真实缺陷**：`molbio_design_primers` 返回的引物对把
 > forward/reverse **标反了**（`F` 在 201-222、`R` 在 105-124，即 F 在 R 下游），
 > 按原样送进 `molbio_pcr_simulate` **不产生产物**。已用工具直接复核，详见
-> [benchmark/README.md](benchmark/README.md) 的 Findings。**尚未修复**——
-> 它需要自己的回归测试（设计出的一对引物按原样必须能模拟出恰好一个产物）。
+> [benchmark/README.md](benchmark/README.md) 的 Findings。**0.16.0 已修**：两条分子的序列、
+> Tm、GC 从来都是对的，错的是"哪条叫 F"与扩增子的两端；回归测试是跨工具的——设计出的每对
+> 引物按原样送进 `molbio_pcr_simulate` 必须恰好得到一个产物，且端点与报告的扩增子一致。
 
 其它文档：
 
@@ -731,7 +759,7 @@ agent 的 shell 子进程继承**，内联参数会出现在对话记录与工
 
 ```
 dsh-molbio-tools/
-├── index.mjs        # 插件入口：export { name, inject, apply }，注册 60 个工具
+├── index.mjs        # 插件入口：export { name, inject, apply }，注册 64 个工具
 ├── lib.mjs          # 基础库：IUPAC、翻译、酶表、NN 热力学、qPCR、lab math、甲基化/buffer 参考表
 ├── design.mjs       # 引物自动设计（含跨内含子 qPCR）
 ├── taqman.mjs       # TaqMan 水解探针设计（复用 design.mjs 的引物引擎）
@@ -739,6 +767,7 @@ dsh-molbio-tools/
 ├── methylation.mjs  # 甲基化敏感位点检查 + 双酶切 buffer 兼容
 ├── protein.mjs      # 蛋白性质 / 肽段酶切 / 密码子优化
 ├── protein-structure.mjs # 螺旋轮与疏水性图
+├── protein-charge.mjs # 电荷-pH 滴定曲线 + pI（bjellqvist/emboss 两套 pK）
 ├── genbank.mjs      # GenBank flatfile 解析器
 ├── snapgene.mjs     # SnapGene .dna 二进制解析器
 ├── plasmid.mjs      # SVG 质粒图谱渲染器
@@ -752,7 +781,10 @@ dsh-molbio-tools/
 ├── sanger.mjs       # ABIF (.ab1) 解析 + 测序验证
 ├── plot.mjs         # SVG 柱状/散点图 + 虚拟琼脂糖凝胶
 ├── charts.mjs       # 实验数据图表：CSV/TSV 读取 + 折线/直方图/箱型/小提琴/火山/热力图（基于 svgio）
-├── seqio.mjs        # FASTA/FASTQ 解析与统计
+├── dotplot.mjs      # k-mer 自比较 dotplot（直接/反向重复，网格分箱）
+├── contamination.mjs # 内置载体/接头短签名表 + 双链污染筛查
+├── fastq-trim.mjs   # FASTQ 修剪/过滤（质量/接头/引物/poly/N/长度）
+├── seqio.mjs        # FASTA/FASTQ 解析与统计（含 FASTQ 写出）
 ├── batch.mjs        # 批量文件分析：同一套摘要/ORF/酶切位点 → CSV/TSV
 ├── records.mjs      # 协议库 / 实验日志存储
 ├── papers.mjs       # 文献库存储

package/batch.mjs

@@ -46,7 +46,11 @@ export function detectBatchFormat(path, text) {
 /** Convert a simple basename glob (*, ?) to a RegExp. */
 export function globToRegExp(pattern) {
   const source = String(pattern)
-    .replace(/[.+^$()|[\]{}]/g, '\$&')
+    // A literal backslash must be escaped before anything else; otherwise the
+    // following replaceAll calls turn it into a regex escape instead of a
+    // filename character.
+    .replaceAll('\\', '\\\\')
+    .replace(/[.+^$()|[\]{}]/g, '\\$&')
     .replaceAll('*', '.*')
     .replaceAll('?', '.');
   return new RegExp('^' + source + '$', 'i');

package/benchmark/README.md

@@ -76,11 +76,11 @@ Measured, and printed so the answer can be audited:
 
 ```
 $ touch crispr.mjs && node benchmark/run.mjs --list --changed
-1 of 61 task(s) selected — --tools molbio_grna_design --changed
+1 of 65 task(s) selected — --tools molbio_grna_design --changed
   (from --changed; 2 module(s) affected: crispr.mjs, index.mjs)
 
 $ touch lib.mjs && node benchmark/run.mjs --list --changed
-55 of 61 task(s) selected — --changed (27 module(s) affected: align.mjs, cloning.mjs, …)
+55 of 65 task(s) selected — --changed (27 module(s) affected: align.mjs, cloning.mjs, …)
 ```
 
 `lib.mjs` selecting nearly everything is the **correct** answer, not a failure to
@@ -102,7 +102,7 @@ you changed, so its task runs even if it is full-only.
 | `--tools a,b,c` / `primer_*` | the union | you changed a few |
 | `--changed --tools X` | the INTERSECTION | "of what I changed, test X" |
 | (default) | **core** — 14 tasks | a broad smoke of the catalog |
-| `--tier full` | all 61, 60/60 tools | before a release |
+| `--tier full` | all 65, 64/64 tools | before a release |
 
 The two `--tools` operators are stated because confusing them is the difference
 between testing what you changed and testing **less** than that: alone it unions,
@@ -134,7 +134,7 @@ and `test/benchmark-changed.mjs` asserts both directions.
 ### The part that still runs in full, on purpose
 
 A model run with `--changed` or `--tools` first executes the **whole** offline
-gate: all 61 tasks' `where: "tool"` expectations are recomputed against the shipped
+gate: all 65 tasks' `where: "tool"` expectations are recomputed against the shipped
 tools (no model, a few hundred milliseconds). That is what makes partial runs safe
 — the expected values are re-proven for the tasks you skipped, so "skipped because
 unchanged" is a checked claim, not a remembered one.
@@ -169,7 +169,7 @@ asserting whatever the tool happened to emit.
 
 Two guards make "someone forgot" fail loudly instead of quietly:
 
-- `test/benchmark-coverage.mjs` asserts **60/60 registered tools are covered by
+- `test/benchmark-coverage.mjs` asserts **64/64 registered tools are covered by
   at least one task**. Adding a tool without a task is a red build. It also
   asserts the fixtures' premises (the Golden Gate backbone is BsaI-free, the
   mutagenesis template still admits a primer pair), that a `covers` entry names a
@@ -210,7 +210,7 @@ recorded tool text, and it says so instead of silently scoring empty text).
 
 ## The headless profile (`benchmark/profile.mjs`)
 
-The model-facing way to get the 60 tools is the **Molecular Biology Lab** agent
+The model-facing way to get the 64 tools is the **Molecular Biology Lab** agent
 preset. The benchmark cannot use it, and the reason is structural rather than
 configurational — `dsh-headless/lib/index.js` refuses an adoption whose session
 records a preset:
@@ -568,7 +568,7 @@ implementation happens to return for one set of arguments.**
   and `args_ok` both true is a *reporting* finding, not a tool bug.
 - **Multimodal hand-off.** `attach_image` is exercised as an argument at most; no
   assertion inspects a decoded PNG (that is `svgpng.mjs` and `contract.mjs`).
-- **Most of the toolset is now covered, but shallowly.** 61 tasks touch all 60
+- **Most of the toolset is now covered, but shallowly.** 65 tasks touch all 64
   tools; most tools appear in exactly one task, and several appearances are a
   single argument check rather than a full workflow. Breadth is asserted by
   `test/benchmark-coverage.mjs`; depth is not, and cannot be.

package/benchmark/changed.mjs

@@ -19,9 +19,10 @@
  * consequences of a helper module being imported by feature modules — a real
  * dependency, but not the tool's IMPLEMENTATION.
  *
- * Measured, not guessed: 26 of the 57 tools call bindings from more than one
- * module. So a per-file → tool map is not a partition, it is a graph, and the
- * honest model is:
+ * Measured, not guessed: 26 of the tools call bindings from more than one
+ * module (measured when the suite covered 57; the graph property, not the
+ * count, is what matters). So a per-file → tool map is not a partition, it is
+ * a graph, and the honest model is:
  *
  *     changed file → the module(s) it belongs to
  *                  → every module that transitively depends on them

package/benchmark/fixtures.mjs

@@ -98,12 +98,37 @@ export function buildFixtures(makeTemplate) {
 
   // ── an intron-spanning qPCR target ────────────────────────────────────────
   //
-  // `designIntronPrimers` needs the forward primer to straddle the exon-exon
-  // junction with `min_junction_bases` on EACH side, so the junction must fall
-  // inside an 18-28 bp primer window. Seeds and boundaries were searched; this
-  // one yields a pair spanning 12 bp of exon 1 and 6 bp of exon 2.
+  // `designIntronPrimers` needs the junction-spanning primer (the REVERSE one
+  // in the reported pair since 0.23.0) to straddle the exon-exon junction with
+  // `min_junction_bases` on EACH side, so the junction must fall inside an
+  // 18-28 bp primer window. Seeds and boundaries were searched; this one yields
+  // a pair whose reverse primer spans 12 bp of exon 1 and 6 bp of exon 2.
   const INTRON_GENOMIC = `${makeTemplate(400, 1)}${makeTemplate(300, 101)}${makeTemplate(400, 201)}`;
 
+  // ── a sequence with a direct repeat for the dotplot task ─────────────────
+  //
+  // The first 23 bp are repeated verbatim at the end; at word 5 that gives a
+  // known, deterministic number of direct and inverted matches (pinned in
+  // tasks/06-analysis.json and re-proven by `bench --offline`).
+  const DOTPLOT_SEQUENCE = 'TTAGGCACGTAGCTAGGCTAACGTTAGGCACGTAGCTAGGCTAACG';
+
+  // ── embedded-signature screening + FASTQ trimming ─────────────────────────
+  //
+  // The contamination fixture carries a pUC/pBR322 origin fragment at the start
+  // and the Illumina Universal adapter at the end; the middle is a neutral
+  // ACGT repeat, so the expected hit set is exactly those two signatures.
+  const CONTAMINATION_SEQUENCE = 'GTTTGCCGGATCAAGAGCTACCAACTCTTT' + 'ACGT'.repeat(20) + 'AGATCGGAAGAG';
+
+  // Four reads: a low-quality 3' tail (r1), an adapter followed by extra bases
+  // (r2), a poly-G tail (r3), and a read that is too short after trimming (r4).
+  const TRIM_FASTQ_TEXT = [
+    '@r1', 'ACGT'.repeat(10), '+', 'I'.repeat(30) + '!'.repeat(10),
+    '@r2', 'ACGT'.repeat(7) + 'AC' + 'AGATCGGAAGAG' + 'TTTTT', '+', 'I'.repeat(47),
+    '@r3', 'ACGT'.repeat(5) + 'G'.repeat(10), '+', 'I'.repeat(30),
+    '@r4', 'ACGT'.repeat(2) + 'AC', '+', 'I'.repeat(10),
+    '',
+  ].join('\n');
+
   // ── a coding sequence for the codon/ORF tasks ─────────────────────────────
   const CDS = `ATG${'GCT'.repeat(3)}${'GAA'.repeat(3)}${'TTC'.repeat(3)}${'AAA'.repeat(3)}${'GGT'.repeat(3)}${'CGT'.repeat(3)}${'TAC'.repeat(3)}${'GAT'.repeat(3)}${'CTG'.repeat(3)}${'TAA'}`;
 
@@ -140,6 +165,9 @@ export function buildFixtures(makeTemplate) {
     CLONE_INSERT,
     MUTAGENESIS_TEMPLATE,
     MUTAGENESIS_MUTATION: '200A>G',
+    DOTPLOT_SEQUENCE,
+    CONTAMINATION_SEQUENCE,
+    TRIM_FASTQ_TEXT,
     INTRON_GENOMIC,
     INTRON_EXONS: [
       { start: 1, end: 400 },

package/benchmark/profile.mjs

@@ -5,7 +5,7 @@
  *
  * ── Why a hand-built profile exists at all ──────────────────────────────────
  *
- * The model-facing way to get the 57 tools is the "Molecular Biology Lab" agent
+ * The model-facing way to get the 64 tools is the "Molecular Biology Lab" agent
  * preset, and the benchmark would obviously rather run THAT than a
  * reconstruction of it. It cannot: `dsh-headless` refuses a preset for a
  * structural reason, not a configuration one —

package/benchmark/run.mjs

@@ -51,6 +51,7 @@ const FILE_FIXTURES = {
   'chart-violin': { 'ct.csv': FIXTURES.CT_CSV },
   'chart-volcano': { 'de.csv': FIXTURES.DE_CSV },
   'chart-heatmap': { 'expression.tsv': FIXTURES.HEATMAP_TSV },
+  'fastq-trim': { 'reads.fq': FIXTURES.TRIM_FASTQ_TEXT },
 };
 
 /** Where reports land. Gitignored: a report is a measurement, not a source. */

package/benchmark/sequences.mjs

@@ -158,6 +158,7 @@ export const NAMED_SEQUENCES = {
   pcr_forward: FIXTURES.CONSTRUCT.slice(100, 120),
   pcr_reverse: reverseComplementOf(FIXTURES.CONSTRUCT.slice(281, 301)),
   gg_vector: FIXTURES.GG_VECTOR,
+  contamination: FIXTURES.CONTAMINATION_SEQUENCE,
   intron_genomic: FIXTURES.INTRON_GENOMIC,
   gg_insert_1: FIXTURES.GG_INSERTS[0],
   gg_insert_2: FIXTURES.GG_INSERTS[1],