GSE60450 表达组成检查（原始 counts，仅描述，无归一化/无差异检验）

输入：GSE60450_counts.csv 共 27179 个基因（第一列 gene_id 为原始 Entrez ID，未做 symbol 映射）；
GSE60450_samples.csv 共 12 个样本，cell_type = Basal/Luminal，stage = Virgin/Pregnant/Lactating。
矩阵样本列与样本表 sample 一一对应，基因ID 无空值、无重复，表达值均为有限非负整数 counts。

指标定义
- library_size_counts：该样本所有基因原始 counts 之和。
- detected_genes_counts_gt0：counts > 0 的基因数（检出基因数）。
- top1/top10/top50/top100_pct：counts 最高的 1/10/50/100 个基因的 counts 之和 ÷ 该样本总 counts。
- top1 对应的基因同时记录在 max_gene_id / max_gene_counts。
- 排序：先 cell_type（Basal -> Luminal），再 stage（Virgin -> Pregnant -> Lactating），
  同组内按样本名；同组两个样本为独立样本，不构成配对。

为什么文库大小接近，仍可能有组成偏倚
文库大小只是该样本所有基因 counts 的总和，相同的总和可以由完全不同的组成得到。若某个样本的测序量
集中在少数高表达基因上（例如乳蛋白/分泌相关基因在哺乳期组织中占很大份额），那么其余大量基因合计能分到
的 reads 就相对更少；另一个样本的总 counts 可以几乎相同，但 counts 更均匀地分散在很多基因上。这时用总
counts（或 CPM）做尺度标准化，会把“组成集中”误当成“整体测序量不同”，使前一类样本的其余基因表达被系统
性低估，两样本间同一基因的比例并不可比。Top1/Top10/Top50/Top100 占比正是衡量这种集中程度：若某些分组
曲线明显更高、且在文库大小接近的样本间仍有差异，说明组成差异存在，不能靠文库大小是否接近来判断可比性。
TMM 等组成校正方法针对的正是这种情形；本项目未做 TMM、未做差异表达检验，也未据此判断 RNA 质量是否合格，
因此这里只报告观察到的组成特征，不做组间统计推断。
