用途：把笔记本中的 MIRA 主题建模部分封装为可复用任务，在计数型单细胞数据上拟合 LDA 主题模型、预测主题使用情况，并可选派生硬聚类标签或基于 RFC 的标签。
主要能力：
- ov.utils.LDA_topic(adata, feature_type='expression', highly_variable_key='highly_variable_features', layers='counts', batch_key=None, learning_rate=0.001, ondisk=False) 构建封装对象。feature_type 分支对模态敏感，文档至少描述 expression 与 accessibility。
- predicted(num_topics=6) 以指定主题数拟合模型，预测主题使用度并写入 LDA_cluster。
- get_results_rfc(adata, use_rep='X_pca', LDA_threshold=0.5, num_topics=6) 在高置信主题分配上训练树分类器，写入 LDA_cluster_rfc 与 LDA_cluster_clf。
使用方式：先用 AnnData，确保所选 layers 键下有计数型层、adata.var 中存在所选高变基因标记；走 RFC 路径前须存在 use_rep 指定的嵌入。onedisk=False 内存运行；ondisk=True 在调参与拟合前写入本地训练/测试数据集，仅在数据集大到内存执行不现实时使用。仅需一次主题到聚类投影时用 predicted 路径；仅在明确需要分类器派生硬标签时用 RFC 路径。
限制：不得用于已无可用计数型层的数据；笔记本的主题数不是通用默认值；无真实 obsm 嵌入时不得用 RFC；onedisk 是运行时模式选择，不属于可复用语义契约。验证时检查封装构建成功、predicted 后主题列与 LDA_cluster 存在、RFC 后 LDA_cluster_rfc 与 LDA_cluster_clf 存在；若只运行有限冒烟路径，应说明拟合是否被跳过或缩减。更多签名、PyTorch 兼容、GPU 与文件系统相关行为暂未提供。