用途：在两组或多组样本间检测差异可变剪接（differential alternative splicing），依据实验设计选择统计模型，而非凭偏好选工具。
主要能力：覆盖 rMATS-turbo（连接计数的二项 LRT）、leafcutter（簇水平 Dirichlet-multinomial GLM）、MAJIQ deltapsi/HET（PSI 后验与异质性检验）、SUPPA2（经验/经典检验）、Shiba（连接不平衡校正）等；提供按设计（n=2、n=3、n≥10 异质队列、单患者 vs 队列、时间序列、配对肿瘤-正常、无注释非模式生物、长读长）的决策树，以及阈值建议（宽松 |ΔPSI|>0.05/FDR<0.10，标准 >0.10/<0.05，严格 >0.20/<0.01）。
使用方式：rMATS 用 rmats.py 指定 --b1/--b2 BAM 列表、--gtf、-t paired、--libType、--novelSS、--cstat，配对设计加 --paired-stats，再按 FDR、|IncLevelDifference| 与每重复最小连接数过滤；leafcutter 先用 regtools junctions extract 提取连接，再 leafcutter_cluster_regtools.py 聚类，最后 leafcutter_ds.R 做簇水平检验；MAJIQ 用 majiq build 建剪接图后运行 deltapsi 或 heterogen；SUPPA2 用 generateEvents、psiPerEvent、diffSplice；Shiba 通过 conda 安装后以 Snakemake 加 config.yaml 运行。
适用场景：标准 n=3 vs n=3 建议 rMATS+leafcutter 一致性判定；n=2 小试可用 Shiba；n≥10 异质队列用 MAJIQ HET；单患者 vs ≥20 对照属离群检测（FRASER 2.0/leafcutterMD）。
限制：rMATS 默认 LRT 不原生接受任意协变量，易受批次等混杂影响；leafcutter 簇拓扑可能含糊；MAJIQ HET 在 n=5-10 偏保守；SUPPA2 经验法在 n≤3 时零分布稀疏、FDR 膨胀。工具间不一致需在 IGV 核查并记录。资料未提供具体收费、平台与效果数据。