用途：从表达矩阵或其他组学特征矩阵出发，用 LASSO 逻辑回归和交叉验证构建二分类模型，并做嵌入式特征选择。
主要能力：以 alpha=1 的 binomial glmnet 模型拟合，用 cv.glmnet 在指定折数下选择 lambda，提取 lambda.min 处系数；支持可选特征面板过滤；输出 coefficient.csv、feature_matrix.csv、selected_features.txt、missing_features.txt、交叉验证曲线与系数路径 PDF、session_info.txt。
使用方式：命令行运行 Rscript scripts/main.R，必填参数为 --input_file（特征为行、样本为列）、--group_file（含 sample 与 group 列）、--case_group、--control_group；可选 --feature、--nfolds（3/5/7/10，默认 10）、--cv_title、--path_title、--timeout_seconds（默认 1800）、--output_dir、--seed（默认 42）。示例：Rscript scripts/main.R -i ./expression_matrix.csv -g ./groups.csv -c case -t control -o ./output。
适用场景：组学特征矩阵的二分类建模与特征筛选。限制：需安装所需 R 包；两类各至少 2 个样本；样本 ID 须完全匹配；错误以 SKILL_* 代码提示，超时可调大 --timeout_seconds 或减少特征数。具体算法细节见 references/algorithm.md，排错见 references/troubleshooting.md。