用途：把 LC-MS 峰表（m/z+RT 特征）或脂质组学矩阵（LIPID MAPS 简写变量名）读入 AnnData，运行两条下游路径：非靶向代谢组的峰注释与 mummichog 通路推断，以及脂质组的类别解析、类别聚合与 LION 富集。前提是上游预处理（插补/归一化/取对数）已执行，本技能不负责。
主要能力：read_lcms 解析 m/z 与 RT 到 var['m_z']、var['rt']；annotate_peaks 按加合物与 ppm 容差匹配 KEGG/ChEBI 候选；mummichog_basic 为纯 Python 实现（KEGG 通路库、可设 seed），mummichog_external 封装上游 mummichog PyPI 包（需 pip install mummichog）；parse_lipid 解析 LIPID MAPS 简写，annotate_lipids 添加 lipid_class、total_carbons、total_db；aggregate_by_class 生成类别水平矩阵；lion_enrichment 做 LION 脂质本体过表达富集，fetch_lion_associations 获取本体。识别 PC、PE、PS、PG、PI、PA 及 lyso 变体，SM、Cer、GlcCer 等鞘脂，TAG/TG、DAG/DG、MAG/MG，CE、FA、Chol、BMP。
使用方式：read_lcms(path, feature_id_sep='/', ...) 需按文件实际分隔符传入；mummichog 输入为等长的 mz（道尔顿）与 pvalue 一维数组，需保证长度与顺序一致；通路库与质量库可预先 load_pathways()、fetch_chebi_compounds() 后复用以免重复联网。
适用场景：非靶向 LC-MS 峰表通路推断、脂质名称解析与类别汇总、LION 富集。
限制：仅支持 sum-composition 水平脂质解析，不支持 sn-1/sn-2 全分辨率靶向脂质组；极性需与采集模式一致，混合极性需分别处理；命名代谢物的 ID 映射与 MSEA 富集、多变量分析、预处理链均在其它技能中。未提供的收费、价格、平台支持信息暂未提供。