用途：处理bulk RNA-seq的批次效应。核心观点是差异表达（DE）分析中不要先做批次校正再检验，而应把已知批次作为协变量放进设计矩阵（~ batch + condition），由DESeq2/edgeR/limma在推断阶段扣除批次并正确计算自由度。
主要能力与用法：
- 设计矩阵纳入：DESeqDataSetFromMatrix(..., design = ~ batch + condition) 后 DESeq 并 results；edgeR用model.matrix(~ batch + condition, coldata)配合estimateDisp/glmQLFit/glmQLFTest。连续混杂因素（RIN、建库日期）可直接作为连续协变量。
- ComBat-seq：ComBat_seq(counts, batch, group, full_mod = TRUE)返回整数计数，用于可视化、聚类或需单一校正矩阵的下游工具，不可用于DE检验。ComBat仅适用于对数转换或芯片数据，不可用于原始计数。
- SVA未知批次：num.sv估计数量，svaseq（计数版）/sva（对数版）估计代理变量，加入设计后重跑DE；须检查每个SV与目标变量的相关性，|r|>0.3时不应纳入。
- RUVSeq：RUVg（阴性对照基因如ERCC/管家基因）、RUVs（重复样本）、RUVr（残差）；结果W矩阵加入设计。k值无自动程序，可试k=1,2,3并查看PCA，5-10常见。
- removeBatchEffect(limma)：仅用于可视化，design参数保护目标变量，批次只通过batch=传入。
限制与注意：完全混杂（某条件全在某一批次）不可识别，任何方法都无法修复，需重新采样或设计实验。批次校正后再做DE会膨胀假阳性（Nygaard 2016）。Harmony、MNN、Scanorama、BBKNN仅用于单细胞，不适用于bulk；ComBat系列也不用于单细胞。跨研究建议逐队列DE后做meta分析，而非合并校正后再检验。版本参考：sva 3.50+、DESeq2 1.42+、edgeR 4.0+、limma 3.58+、RUVSeq 1.36+。