用途：为多组学数据处理任务提供确定性、可直接复制使用的代码，涵盖基因 ID 映射、批次校正、多组学因子分析整合、富集分析与共识聚类。
主要能力：
- ID 映射：在 HGNC、Ensembl、UniProt 之间转换基因标识，Python 用 mygene，R 用 biomaRt，并处理一对多关系。
- 批次校正：连续数据用 ComBat（pycombat 或 sva），RNA-seq 原始计数用 ComBat-seq，可通过 mod/group 保护生物学协变量。
- 整合：R 用 MOFA2，Python 用 mofapy2，输入为各 omic 层的特征×样本矩阵，输出因子、方差解释与权重。
- 富集：Python 用 gseapy 的 prerank，R 用 fgsea 配合 msigdbr，支持 MSigDB Hallmark 等基因集。
- 共识聚类：Python 基于 scikit-learn 自实现，R 用 ConsensusClusterPlus，按轮廓系数或 CDF 选择 k。
使用方式：技能以“先给命令或代码、后解释”的格式响应，结构为确认输入→可运行代码→关键参数说明→注意事项，每个任务给一个完整示例，代码约 50–100 行。
适用场景：转录组、蛋白质组、甲基化等多组学数据的预处理、整合与下游分析。
限制与注意：基因符号不唯一，应使用 HGNC ID 或 Ensembl 稳定 ID 作主键；ComBat 必须纳入生物学协变量；MOFA 需输入归一化、方差稳定后的连续数据，不可用原始计数；富集排序应结合显著性而非仅倍数变化；fgsea 建议 minSize=15、maxSize=500。具体安装命令与收费信息暂未提供。