用途：该技能为多组学数据整合提供决策框架而非代码，指导智能体在生成任何分析流程前，先正确选择整合策略、批次校正方法与富集方法。
主要能力：
- 整合策略决策：按每层样本量、层间重叠度选择早期（n≥200且完全重叠）、中期（50≤n<200或重叠≥70%）或晚期（n<50、重叠<70%或不同队列）整合。
- 中期方法选择：无监督因子发现用MOFA+；稀疏特征的患者分型用iCluster+；异质数据分型用SNF；监督分类用MKL或DIABLO。
- 批次校正：区分批次与生物学是否混杂；连续数据用ComBat或SVA，计数数据用ComBat-seq；须保护生物学协变量并做校正后验证。
- 部分重叠处理：按重叠度（≥90%、70–90%、50–70%、<50%）选择丢弃、MOFA+、插补或仅晚期整合；缺失超过30%不建议插补。
- 富集分析：ORA、GSEA、ActivePathways、网络方法，以及MSigDB等基因集数据库选择。
- 报告清单与反模式提示。
使用方式：当用户询问跨组学整合、批次校正或方法选择时激活。回答应先给直接建议（≤3句），再给理由与注意事项，目标200–400词；决策树仅供内部推理，不向用户复述遍历过程。
限制：仅适用于多组学场景，单组学应改用单组学技能；样本量差异超过10倍且无重叠策略时不适用；涉及临床试验分层、批次与生物信号无法区分、结果与既有生物学矛盾时应升级给人类专家。具体软件版本、参数默认值等以实际工具文档为准。