用途：把表达矩阵或 features-by-samples 数据渲染为带层次聚类树状图的热图，并需要先明确缩放、距离、连接、叶序、配色与注释等决策。
主要能力：支持 R 的 ComplexHeatmap::Heatmap() 与 pheatmap::pheatmap()，Python 的 seaborn.clustermap() 与 scanpy.pl.heatmap()；可添加行列注释轨道、分组面板与 OncoPrint 等专用样式。
必要用法：三个独立决策是缩放、距离、连接。资料给出按场景的选择表，例如 bulk RNA-seq 常用行 z-score、euclidean、ward.D2；甲基化 beta 值用原始值；共表达模块用 correlation 距离加 average。R 中务必显式写 method='ward.D2'，因为 ward.D 并非 Ward 最小方差准则。ComplexHeatmap 非交互场景必须用 draw() 包裹，否则静默无输出。配色应对发散数据使用对称边界，并用 1%/99% 分位数裁剪极值，如 colorRamp2(c(-bounds,0,bounds), c('#0072B2','white','#D55E00'))。seaborn 中注意 z_score 与 standard_scale 不同且互斥，method='ward' 等价于 R 的 ward.D2。
适用场景：批量 RNA-seq、甲基化、ChIP/ATAC、样本 QC、单细胞 pseudobulk、突变矩阵、药物反应等。
限制：大矩阵下 OLO 叶序较慢，超过 2000 行建议栅格化并提高 raster_quality；稀疏矩阵行 z-score 会失真；有序条件不应聚类列；批次效应需先校正。其他细节暂未提供。