用途：在 OmicVerse 中完成 bulk RNA-seq 差异表达端到端分析，输入为基因级原始计数矩阵（如 featureCounts 输出）。
主要能力：导入 omicverse/scanpy/matplotlib，调用 ov.style() 统一绘图风格；通过 ov.utils.download_geneid_annotation_pair() 获取基因 ID 映射（支持 T2T-CHM13、GRCh38、GRCh37、GRCm39、danRer7、danRer11，也可由 GTF 自行生成）；用 ov.pd.read_csv(..., sep='\t', header=1, index_col=0) 读取 featureCounts 结果并清理样本名；用 ov.bulk.Matrix_ID_mapping(counts_df, 'genesets/pair_<GENOME>.tsv') 映射基因符号；创建 ov.bulk.pyDEG，dds.drop_duplicates_index() 去重；dds.normalize() 计算 DESeq2 size factor；dds.deg_analysis(treatment, control, method='ttest') 做默认 Welch t 检验，可选 edgepy、limma；用 dds.foldchange_set(fc_threshold=-1, pval_threshold=0.05, logp_max=6) 设阈值，dds.result 过滤低表达；dds.plot_volcano 画火山图，dds.plot_boxplot 画单基因箱线图；可选经 ov.utils.download_pathway_database() 与 ov.utils.geneset_prepare() 做通路富集，ov.bulk.geneset_enrichment 与 geneset_plot/geneset_plot_multi 绘图。
使用方式：先准备分组标签列表并校验其与矩阵列名一致、分组不重叠，再依次执行上述调用，最后可导出 dds.result 与富集表为 CSV 并用 plt.savefig 保存图。
适用场景：肿瘤等 bulk RNA-seq 队列的差异表达与富集分析。
限制：低表达基因默认保留，需自行过滤；首次下载基因映射或通路库需联网，无网络时可提供背景基因列表；富集可视化需安装 omicverse、pyComplexHeatmap、gseapy；具体价格与出处信息暂未提供。