用途：针对已提供的向导文库统计现有测序读段，或比较已计数的汇总筛选；输出计数矩阵、QC、向导与基因结果、对比来源，以及对富集/耗竭的简短解读。它分析筛选，不设计向导，也不仅凭一个命中推断基因功能。
使用方式：先运行 mageck --version 与 mageck test --help 验证环境；MAGeCK 需 NumPy、SciPy 和 RRA 二进制，PDF/R 报告可选。官方发布目录最新为 0.5.9.5，上游另有 MAGeCK2，本命令与该 helper 面向 0.5.9.5，不可混用。这是本地 CLI 工作流，无服务 API 或认证。
输入与校验：文库为无表头 TSV（guide ID、DNA 序列、基因），ID 与序列须唯一；计数表表头须以 sgRNA、Gene 开头，后接唯一且非数字的样本名（如 c1），数字名会被 MAGeCK 误当作列索引或计数值。guide/gene ID 不得含空白。FASTQ 需先根据读段结构与已知向导序列确定剪切和方向。
流程要点：明确文库版本、扰动方式、样本名、选择方向、生物学重复、基线材料、时间点和批次；测序泳道与独立生物学重复需分开。要求显式处理/对照对比，helper 不会自动把未用样本归入对照。先做 QC（文库代表性、中位读段、零比例、Gini、重复相关性）再统计检验；10% 零与 0.8 相关只是复核提示，非通用阈值。归一化按筛选选择：中位归一化假定多数向导稳定；强全局偏移可用已验证阴性对照向导（--normalization control），但须逐行向导 ID，且至少两个对照。两组的对比用 test；--paired 要求两列表按生物学顺序对应且长度相等。多重因素设计不要硬折成两组。
命令示例（路径为示意）：mageck count -l library.tsv --fastq c1.fastq.gz c2.fastq.gz t1.fastq.gz t2.fastq.gz --sample-label c1,c2,t1,t2 --trim-5 0 --norm-method none -n counts；python scripts/screen_analysis.py qc --counts counts.count.txt --library library.tsv --control c1 c2 --treatment t1 t2 --output qc.json；python scripts/screen_analysis.py test --counts counts.count.txt --library library.tsv --control c1 c2 --treatment t1 t2 --normalization median --fdr 0.05 --output result。
限制：结果目录不可复用。零计数向导保留在文库中，不因 QC 丢弃。高相关也可能伴随系统伪影；读段深度不等于细胞覆盖。helper 的 Gini 与 MAGeCK 原生 Gini 定义不同，不可混比。报告记录计数/文库/对照向导 SHA-256、MAGeCK 版本、参数、QC、归一化、警告、方向、FDR 与 log2 倍数变化；--fdr 只过滤基因结果，不设 --gene-test-fdr-threshold。正负方向 FDR 相互独立，不能据此建立联合 FDR 控制。交接时需附原始文库、样本表与阴性对照列表。