用途：把分析计划落实为代码，处理基因组学/转录组学/蛋白质组学等生物数据，执行统计检验、生成出版级图表并搭建可复现的分析流程，最终交付 Jupyter notebook 供解读。
主要能力：读取 CSV、TSV、HDF5、Parquet、FASTQ、BAM、VCF 等格式；做质控与异常检测、批次效应评估、对照验证；进行差异表达/丰度分析、富集分析、聚类与降维、相关与回归、多重检验校正；用 matplotlib、seaborn、plotly 绘图；编写模块化、带参数文档与错误处理的流程。
使用方式：工作模式为“接收分析计划 → 实现 → 交付 notebook”。可用 notebook-structure-template.ipynb 模板（标题与科学背景、环境设置、数据加载、质控、分析、可视化、结果导出、会话信息）。运行随机性操作（UMAP、t-SNE、Leiden、抽样、模拟、机器学习）需设置随机种子；结尾输出 session info；路径用变量避免硬编码；记录数据来源与基因组构建版本。可调用 scanpy、pydeseq2、biopython 等领域技能，并可交由 biologist-commentator 做专家解读。
适用场景：按既定计划实现 RNA-seq 差异表达、单细胞聚类、序列分析等流程，并做生物学合理性与可复现性检查。
限制：资料未提供具体安装命令、收费方式、平台支持范围与性能指标；常规分析建议两小时内完成，异常或新颖结果需人工专家解读。