用途：对单细胞 RNA 测序数据执行 RNA 速率分析，利用未剪接（pre-mRNA）与剪接（成熟 mRNA）丰度比，判断每个细胞中基因处于上调还是下调状态，从而在无需时间序列数据的情况下重建发育轨迹、识别细胞命运决定。
主要能力：轨迹方向推断（快照数据）；细胞命运预测，识别祖细胞及其下游命运；驱动基因识别，找出最能解释轨迹的基因动态；发育生物学建模，如造血、神经发生、上皮间质转化；基于剪接动态的潜在时间（伪时间）估计；为 Scanpy 的 UMAP 嵌入补充方向信息；PAGA 轨迹图及速率置信度、速率伪时间等分析。
使用方式：需计数矩阵同时包含未剪接与剪接 RNA，通常由 STARsolo、kallisto|bustools（lamanno 模式）、velocyto CLI（velocyto run10x / velocyto run）或 alevin-fry/simpleaf 生成，并存入 AnnData 的 layers["spliced"] 与 layers["unspliced"]。安装命令：uv pip install "scvelo==0.3.4"。典型流程为 filter_and_normalize → moments → velocity（stochastic 探索 / dynamical 推荐）→ velocity_graph → 可视化；动力学模式还可运行 recover_dynamics、latent_time、rank_velocity_genes、velocity_confidence、velocity_pseudotime、paga。若在 NumPy 2 下遇到 dtype 或标量赋值错误（常见于 stochastic 模式），可固定 numpy<2（如 numpy==1.26.4）后重跑，并通过对比随机与动力学模式、核对流线与已知生物学来检查结果是否静默失效。moments 会在缺失时内部运行 PCA 与 kNN 图，无需另行调用 sc.pp.neighbors。
适用场景：从快照数据推断分化方向、细胞命运预测、驱动基因发现、发育与分化过程建模，以及为 Scanpy 结果补充方向性。
限制：不负责 QC、归一化、PCA/UMAP、Leiden 聚类与标记基因（应使用 Scanpy 类技能）；不负责 .h5ad 对象读写与层操作；不负责概率整合/批次校正；不负责从 FASTQ 生成剪接/未剪接计数层；不负责基因调控网络推断。官方注明该包目前仅做最低限度维护，发布说明停在 0.2.5，上游 CI 仍以 Python 3.9/3.10 为目标，依赖声明无上限，故建议在独立环境中固定 NumPy 版本安装，而非装入当前 scverse 技术栈。短读长（<100 bp）可能缺失内含子覆盖，细胞数建议至少 2000；动力学模型计算量大，约 1 万细胞需 10–30 分钟。文档、教程、GitHub 与论文等资源链接见官方资料。
说明：其余具体功能、收费、价格与平台信息暂未提供。