用途：分析时间序列与纵向RNA-seq，寻找随时间变化的基因，并比较不同组别的轨迹差异。
主要能力：涵盖DESeq2 LRT（含reduced模型）、时间作为因子/连续变量/自然样条、limma-voom加样条、maSigPro、ImpulseDE2、DREAM混合模型、duplicateCorrelation、TCseq，以及DE基因的轨迹聚类（Mfuzz、DPGP、样条+k-means）。资料给出按场景选择方法的决策表，并强调短序列（<8个时间点）下专用时间课程工具假阳性高，DESeq2成对比较+LRT通常更优；纵向数据必须处理伪重复，可用DREAM或把subject作为固定效应。
使用方式：在R中按示例构建DESeqDataSet，用DESeq(dds, test='LRT', reduced=~1)做全时间效应检验；交互检验用~treatment+time+treatment:time对比reduced=~treatment+time。样条用ns(time, df=k)，df不超过唯一时间点数的一半。DREAM用voomWithDreamWeights与dream。ImpulseDE2用runImpulseDE2。聚类前需按基因标准化。
适用场景：药理学、发育生物学等3-6个时间点的实验；多组时间轨迹比较；纵向重复测量；单调饱和型响应；周期性生物需改用Fourier或JTK_CYCLE、MetaCycle。
限制：LRT的log2FoldChange是最后一个系数而非总体效应，效应量需用Wald逐时间点提取；ImpulseDE2已从Bioconductor 3.13移除，需从BiocArchive或GitHub获取，且不适用于振荡、多相或非渐近单调数据；样条df过大易过拟合；DREAM较慢。资料未提供具体收费、平台或效果数据。