用途：分析 CRISPR-Cas9 遗传筛选，识别必需基因、合成致死相互作用与治疗靶点。
主要能力：提供 8 阶段流程。一，导入 sgRNA 计数矩阵并建立样本条件与重复的设计表。二，质控与过滤，包括文库大小、零计数、低计数过滤与 Gini 系数。三，归一化，含中位数比（类 DESeq2）与总计数（类 CPM），并计算 log2 倍数变化。四，基因级评分，含类 MAGeCK 的 RRA 与类 BAGEL 的贝叶斯因子。五，合成致死检测，比较野生型与突变型评分。六，通路富集，可提交 Enrichr 的 KEGG 与 GO 生物过程。七，药物靶点优先级排序，按必需性 50%、表达 30%、可成药性 20% 加权，并查询 DGIdb。八，生成 markdown 报告。
使用方式：先检查数据文件夹中是否已有预计算结果，如 _executed.ipynb、results、deseq、enrich、stats、simplified.csv，或 analysis.R、run.py、find_.R、*.Rmd 等脚本，有则直接读取或原样执行并引用其输出；仅当不存在时再按本技能重新分析。可读取 notebook：tu run read_executed_notebook '{"data_folder":"<path>","search":"<keyword>"}'。集成工具包括 PubMed_search_articles、ReactomeAnalysis_pathway_enrichment、enrichr_gene_enrichment_analysis、DGIdb_get_drug_gene_interactions、DGIdb_get_gene_druggability、STRING_get_network、kegg_search_pathway、civic_search_evidence_items、COSMIC_get_mutations_by_gene、cBioPortal_get_mutations、ChEMBL_search_targets、GEO_search_rnaseq_datasets、ClinVar_search_variants、gnomad_get_gene_constraints、UniProt_get_function_by_accession 等。脚本内可从 reference_gene_sets 导入 core_essential、nonessential、recovery_rate。
适用场景：全基因组必需性筛选、合成致死、耐药筛选、药物靶点发现、与表达和突变数据整合。
限制与注意：筛选命中是统计结果而非直接生物学结论，应对比 DepMap 泛癌依赖性与公开必需基因集再判断是否具情境特异性。证据分级：RRA p<0.001 且 BAGEL BF>5 且至少 3 条 sgRNA 一致为强命中；p>0.01 或 BF<2 或 sgRNA 效应不一致为弱命中。合成致死命中需 delta-LFC>1.5 且独立细胞系确认。重复相关性通常报告 sgRNA 层级 Spearman，而非基因层级合并值；Reactome 通路名须使用原标签。参考 Li 等（2014）、Hart 等（2015）、Meyers 等（2017）、Tsherniak 等（2017）。详细代码见 ANALYSIS_DETAILS.md、USE_CASES.md、EXAMPLES.md、QUICK_START.md、FALLBACK_PATCH.md。收费、价格与具体平台支持情况资料未提供。