Badania genomiczne bardzo często opierają się na obliczeniowo intensywnych analizach zależności pomiędzy cechami, które zazwyczaj reprezentowane są jako przedziały na jednowymiarowym układzie współrzędnych (np. pozycje na chromosomie). W tym kontekście powszechnie wykorzystuje się język programowania Python do manipulacji i analizy danych przechowywanych w tabelarycznej formie wierszy i kolumn, zwanej DataFrame. Biblioteka Pandas jest najczęściej stosowanym pakietem DataFrame w Pythonie, jednak była krytykowana za nieefektywność i problemy ze skalowalnością, które jej nowoczesna alternatywa — Polars — stara się rozwiązać dzięki natywnemu backendowi napisanemu w języku Rust. Polars-bio to biblioteka Pythona umożliwiająca szybkie, równoległe oraz działające w trybie out-of-core operacje na dużych genomowych zbiorach danych typu przedziałowego. Jej główne komponenty zostały zaimplementowane w języku Rust z wykorzystaniem silnika zapytań Apache DataFusion oraz Apache Arrow do efektywnej reprezentacji danych. Biblioteka jest kompatybilna z formatami DataFrame Polars oraz Pandas. W porównaniu wykonanym na zbiorach rzeczywistych i syntetycznych biblioteka osiąga znaczące przyspieszenie (od kilku do kilkudziesięciu razy) względem rozwiązań konkurencyjnych. Jednocześnie działając w trybie strumieniowym zużywa wielokrotnie mniej pamięci operacyjnej, dzięki czemu pozwala przetwarzać większe wolumeny danych. Testy wielowątkowe pokazują dobrą skalowalność rozwiązania.

W ocenie autorów, polars-bio stanowi obecnie najbardziej wydajną jednowęzłową bibliotekę do analizy genomowych DataFrame’ów przedziałowych w Pythonie. Polars-bio jest otwartoźródłowym pakietem Pythona dystrybuowanym na licencji Apache, dostępnym na główne platformy (Linux, macOS, Windows) poprzez repozytorium PyPI. Dokumentacja dostępna jest pod adresem https://biodatageeks.org/polars-bio/, a kod źródłowy znajduje się w serwisach GitHub: https://github.com/biodatageeks/polars-bio oraz Zenodo: https://doi.org/10.5281/zenodo.16374290. Materiały uzupełniające dostępne są w czasopiśmie Bioinformatics online.