用途：scVelo 通过建模 mRNA 剪接动力学，利用每个细胞中未剪接（前体 mRNA）与已剪接（成熟 mRNA）丰度的比例，判断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：支持随机、确定性和动力学三种速率模型；可计算速率图、潜在时间、速率伪时间、速率置信度与长度；进行驱动基因排序、相图绘制、PAGA 轨迹图以及 UMAP 上的速率箭头与流线可视化。动力学模型可估计转录率 fit_alpha、剪接率 fit_beta、降解率 fit_gamma 和拟合似然 fit_likelihood。
使用方式：需先准备包含 layers["spliced"] 与 layers["unspliced"] 的 AnnData 对象，可由 velocyto、STARsolo 或 kallisto|bustools 的 lamanno 模式生成。安装：pip install scvelo。典型流程为 filter_and_normalize、moments、velocity、velocity_graph，动力学模式还需 recover_dynamics，随后可运行 latent_time、rank_velocity_genes、velocity_confidence、velocity_pseudotime 和 paga。
适用场景：发育生物学中的造血、神经发生、上皮间质转化等过程；祖细胞与下游命运识别；为 Scanpy 的 UMAP 嵌入补充方向信息。
限制：需要未剪接读段覆盖，短读长（小于 100 bp）可能缺失内含子覆盖；建议至少 2000 个细胞；动力学模型计算量大，约 1 万细胞需 10 至 30 分钟；k 近邻带宽影响结果，过少噪声大、过多过度平滑；速率方向应与已知生物学一致，随机箭头提示参数或数据问题。文档见 https://scvelo.readthedocs.io/，GitHub 见 https://github.com/theislab/scvelo，论文为 Bergen et al. (2020) Nature Biotechnology，PMID: 32747759。