用途：本技能面向基于 scvi-tools 的深度学习单细胞分析，在涉及 scVI、scANVI 或相关模型，或需要深度学习的批次校正与整合、多模态数据（CITE-seq、multiome）、参考映射与标签转移、ATAC-seq 或空间转录组分析、单细胞潜表示学习时使用。
主要能力与模型选择：scRNA-seq 用 scVI 做无监督整合、差异表达与插补；带标签用 scANVI 做标签转移与半监督整合；CITE-seq 用 totalVI；scATAC-seq 用 PeakVI；Multiome 用 MultiVI；空间与 scRNA 参考用 DestVI 做细胞类型解卷积；RNA 速率用 veloVI；跨技术批次效应用 sysVI。
使用方式：从模型/工作流表确定流程，阅读对应 references 文件（环境设置、数据准备、各模型工作流、故障排除）获取步骤与代码；复用 scripts/ 脚本避免重复编写。常用命令：python scripts/prepare_data.py raw.h5ad prepared.h5ad --batch-key batch；python scripts/train_model.py prepared.h5ad results/ --model scvi；python scripts/cluster_embed.py adata.h5ad results/；python scripts/differential_expression.py model/ adata.h5ad de.csv --groupby leiden；python scripts/transfer_labels.py ref_model/ query.h5ad results/；python scripts/integrate_datasets.py results/ data1.h5ad data2.h5ad；python scripts/validate_adata.py data.h5ad --batch-key batch。scripts/model_utils.py 提供 prepare_adata、train_scvi、evaluate_integration、get_marker_genes、save_results、auto_select_model、quick_clustering 等可导入函数。
关键要求：模型要求整数原始计数，需在归一化前保存 adata.layers["counts"] = adata.X.copy()，并用 scvi.model.SCVI.setup_anndata(adata, layer="counts") 指定；HVG 选择建议 2000-4000 个高变基因；整合时指定 batch_key。安装、GPU 与版本问题参考 references/environment_setup.md，调试参考 references/troubleshooting.md。
适用场景：单细胞整合与批次校正、多模态联合分析、参考映射与标签转移、染色质可及性与空间转录组分析、潜表示学习。限制：具体平台支持、收费方式、性能指标与效果数据暂未提供。