scvi-tools 单细胞组学概率框架

要解决什么问题

单细胞实验往往带来批次效应、多模态未对齐（RNA 与蛋白、ATAC 与表达）以及空间切片上细胞类型混合等问题。传统流程里，归一化后再做 PCA/UMAP 容易把技术噪声当成生物学信号；跨研究整合时，各模态的统计假设也不一致。scvi-tools 把这些问题统一成概率生成模型 + 变分推断：在原始计数上学习潜变量，把批次、供体等协变量显式注册进模型，而不是事后硬凑。

技能如何工作

框架按数据模态组织模型，但 API 模式一致：注册 AnnData → 训练 → 从潜空间或生成模型提取结果。

• scRNA-seq：scVI 做无监督降维与批次校正；scANVI 做半监督注释与整合；VeloVI、contrastiveVI 等覆盖速率与扰动场景。
• ATAC / 染色质：PeakVI、PoissonVI、scBasset 处理峰矩阵或片段计数，并可做 motif 相关分析。
• 多模态：totalVI（CITE-seq）、MultiVI（配对/非配对多组学）、MrVI（多分辨率跨样本）。
• 空间：DestVI、Stereoscope、Tangram 等用于解卷积、映射与细胞-环境关系。
• 专门模态：甲基化（MethylVI）、流式（CytoVI）、双细胞（Solo）、标记物注释（CellAssign）等。

差异表达可走模型学到的生成分布做概率性检验；训练好的权重应持久化，避免重复拟合。实现上基于 PyTorch / PyTorch Lightning，与 scanpy 生态以 AnnData 为中心衔接，可用 GPU 加速。

适用边界与注意点

• 模型期望未归一化的原始计数；先按惯例过滤低表达基因（如 min_counts=3），并常用高可变基因做特征选择。
• 在 setup_anndata 里注册批次、供体等已知技术因素，否则「整合」可能仍残留系统偏差。
• 不同模态对应不同模型类，选错模型或忽略配对/非配对设定，结果会难以解释；复杂管线（多步训练、大规模探索、多工具串联）更适合在可复现的交互环境里分段验证，而不是一次性黑盒跑通。