用途：对 bulk RNA-seq 原始整数计数矩阵与分组标签，做差异表达分析，输出按显著性排序的基因列表，并在小样本下控制假阳性率。
主要能力：以 DGEList 构建数据对象；用 filterByExpr 做设计感知过滤；用 normLibSizes 做 TMM/TMMwsp 归一化（归一化因子作为 GLM 的 offset，不直接除计数）；用 estimateDisp 估计负二项离散度；用 glmQLFit + glmQLFTest 做拟似然 F 检验；支持 glmTreat 的倍数变化阈值检验、无截距设计下的 makeContrasts 对比、voom/voomWithQualityWeights 的 limma 路线，以及 catchSalmon 的转录本水平分析。
必要用法：标准流程为 DGEList -> filterByExpr -> normLibSizes -> estimateDisp(robust=TRUE) -> glmQLFit(robust=TRUE) -> glmQLFTest -> topTags。过滤须在归一化与离散度估计之前完成；robust=TRUE 需在 estimateDisp 与 glmQLFit 两处同时设置。
适用场景：常规 bulk RNA-seq（每组 n>=3）、小样本（n=2-3）、文库大小差异大或 RIN 不均、多组对比、转录本水平 DE、单细胞 pseudobulk、跨工具一致性检查。
限制：glmQLFTest 为现代默认，glmLRT 在小 n 下偏保守不足；exactTest 仅限两组单因素；TMM 假设多数基因不变，在细菌应激、病毒宿主关闭、MYC 扩增等场景会失效；edgeR 无 DESeq2 式自动独立过滤，跳过 filterByExpr 会显著影响结果；v4 默认 legacy=FALSE，与 v3 结果存在差异，需 legacy=TRUE 复现旧结果；decideTestsDGE 在 v4 已移除，改用 decideTests。版本参考：edgeR 4.0+、limma 3.58+、statmod 1.5+、tximport 1.30+。