用途：对 bulk RNA-seq 或芯片表达数据做两组间（如病例 vs 对照）差异表达分析，识别差异表达基因。
主要能力：提供 limma、DESeq2、edgeR、t 检验、Wilcoxon 五种统计方法；edgeR 支持 TMM、RLE、upperquartile 归一化；进行 Benjamini-Hochberg 多重检验校正；按 p 值与 logFC 阈值筛选并分类为上调、下调或不显著；生成火山图和差异基因热图。
使用方式：以命令行脚本运行，需表达矩阵和分组文件。基本命令为 Rscript scripts/main.R --input_file ./expression_matrix.csv --group_file ./group_info.csv --output_dir ./output/ --diff_method limma --p_threshold 0.05 --logfc_threshold 0.1 --seed 42。表达矩阵要求基因为行、样本为列，CSV 格式且首列为基因 ID；分组文件含样本 ID 与 group 两列。可用参数包括 -i/--input_file、-g/--group_file、-o/--output_dir、-m/--diff_method、-n/--norm_method、-p/--p_threshold、-f/--logfc_threshold、-s/--seed。
输出：Diffanalysis.csv、volcano_plot.pdf、heatmap.pdf、session_info.txt、temp/rdegs.csv、temp/Diffanalysis_filtered.csv。
适用场景：有明确两组分组的批次表达数据，需要快速得到差异基因列表与可视化结果。
限制：每组至少需 2 个样本；样本名需与表达矩阵列名匹配；limma 建议用于归一化表达值（FPKM、TPM），DESeq2 建议用于原始计数；可能出现无显著基因的筛选错误。脚本依赖相应 R 包，需提前安装；具体安装方式与更多 CLI 示例可参考 references/cli-guide.md，错误处理见 references/troubleshooting.md。