用途：编排完整的 bulk RNA-seq 差异表达研究，从原始测序读段到差异基因、通路富集与图表。它本身是路由器而非重实现，把仓库内已有技能按正确顺序连接，并补上唯一缺口——原始读段到基因水平计数矩阵。
主要能力：流程为 FastQC/修剪 → 比对定量（STAR/Salmon）→ 计数 → 差异表达（pydeseq2）→ 富集（pathway-enrichment）→ 图表。提供两条上游路径：路径 A 用 nf-core/rnaseq（经 nextflow 技能驱动，内部已含 tximport，无需桥接脚本）；路径 B 用独立工具（FastQC、fastp/Trim Galore、STAR、Salmon、featureCounts）。核心胶水脚本 scripts/build_counts_matrix.py 支持 --from salmon/star/featurecounts，输出 counts.csv 与 metadata_template.csv。
使用方式：安装依赖 uv pip install pytximport pandas；路径 B 可用 conda 安装 fastqc fastp trim-galore star salmon subread multiqc。先校验样本表 python scripts/validate_samplesheet.py --samplesheet samplesheet.csv，再运行 nextflow run nf-core/rnaseq -r 3.26.0 -profile docker --input samplesheet.csv --genome GRCh38 --aligner star_salmon --outdir results -resume。
适用场景：FASTQ 到差异基因与通路；配置 nf-core/rnaseq 或 STAR/Salmon/featureCounts；生成 DESeq2/PyDESeq2 可用计数矩阵；实验设计核查。
限制：仅适用于 bulk RNA-seq，单细胞用 scanpy；需注意重复数≥3、批次混杂、链特异性、勿用 TPM/FPKM、整数计数、基因 ID 映射等常见陷阱；具体版本与参数需自行固定以保证可复现。