用途：在 AnnData 对象上用 Scanpy 运行标准单细胞 RNA-seq 分析流程，适用于 .h5ad、10X、CSV 数据，涵盖质控、标准化、降维、聚类、标记基因识别、细胞类型注释、轨迹推断与可视化。
主要能力：质控（计算并过滤线粒体比例、基因数、细胞数）；标准化与预处理（normalize_total、log1p、高变基因、regress_out、scale）；降维与聚类（PCA、neighbors、UMAP、t-SNE、Leiden，建议 flavor='igraph'）；标记基因（rank_genes_groups，支持 Wilcoxon，可导出 DataFrame）；细胞类型注释（dotplot、UMAP 标记可视化、按簇映射）；轨迹（PAGA、扩散伪时间）；基因集打分、ComBat 批次校正与发表级出图。
使用方式：导入 scanpy 后用 sc.read_10x_mtx、sc.read_10x_h5、sc.read_h5ad 或 sc.read_csv 读取数据；设置 sc.settings 参数；按流程调用 sc.pp.、sc.tl.、sc.pl.*。附带 scripts/qc_analysis.py 可自动质控，例如 python scripts/qc_analysis.py input_file.h5ad --output filtered.h5ad。注意 Leiden 建议 uv pip install igraph；绘图建议 show=False 后自行 plt.savefig。
适用场景：单细胞转录组的标准下游分析、细胞图谱注释与轨迹研究，以及需要可重复管线的分析。
限制：不处理 .h5ad 对象构建与重塑、RNA 速率、scVI 概率模型、空间转录组、bulk 差异表达，这些应改用 alterlab-anndata、alterlab-scvelo、alterlab-scvi-tools、alterlab-squidpy-spatial、alterlab-pydeseq2。聚类与标记基因检验存在“双重使用”导致的 p 值偏松，应以独立分组或伪 bulk 检验确认显著性。费用、平台与效果等资料暂未提供。