用途：当用户拥有多个不同批次测得的大容量表达矩阵，需要在下游分析前进行协调（批次校正）时，可应用该技能。其流程参考 t_bulk_combat.ipynb，在卵巢癌微阵列队列上演示 pyComBat 工作流。
主要能力：加载各批次数据并转置为基因×样本，包装成 anndata.AnnData，为每个队列分配 batch 列；使用 anndata.concat([...], merge='same') 按共享基因合并；调用 ov.bulk.batch_correction(adata, batch_key='batch') 执行 ComBat，校正值存于 adata.layers['batch_correction']，原始计数保留在 adata.X；导出原始与校正矩阵，并保存协调后的 AnnData。
用法：导入 omicverse、anndata、pandas、matplotlib，调用 ov.ov_plot_set()；用 pd.read_pickle(...)/pd.read_csv(...) 读取各批次矩阵；合并后确认每批次样本数均衡；执行校正；通过 adata.to_df().T 与 adata.to_df(layer='batch_correction').T 获取表格并 .to_csv(...)，同时 adata.write_h5ad('adata_batch.h5ad', compression='gzip')。基准比较时，先将原始计数复制到命名层 adata.layers['raw'] = adata.X.copy()，再分别对 raw 与 batch_correction 层运行 ov.pp.pca(adata, layer=..., n_pcs=50)，用 ov.pl.embedding(..., basis='raw|original|X_pca', color='batch', frameon='small') 查看批次混合情况，并绘制前后箱线图，用 ov.pl.red_color、blue_color、green_color 调色板对应批次。
防空验证：断言 adata.obs 含 'batch' 列且批次唯一值大于 1；合并后若 adata.n_vars 小于 100 应警告并检查基因 ID 一致性。
适用场景：合并三个 GEO 卵巢队列、运行 ComBat 并导出原始与校正 CSV；绘制校正前后 PCA 确认批次重叠；保存协调后的 AnnData 以便后续差异表达分析。
限制与提示：基因标识不一致会导致特征丢失，需在合并前统一特征名（如基因符号）；pyComBat 期望对数尺度强度或分布相近的计数，强偏态矩阵建议先做对数转换；若缺少 batch_correction 层，需确认 batch_key 与 adata.obs 列名一致。其余功能、收费或平台信息暂未提供。