用途：scvi-tools 是面向单细胞基因组学的 Python 概率建模框架，基于 PyTorch 和 PyTorch Lightning，用变分推断的深度生成模型分析多种单细胞数据模态。适用于 scRNA-seq 降维、批次校正与整合，ATAC-seq 染色质可及性分析，CITE-seq、multiome 等多模态整合，空间转录组反卷积与映射，差异表达分析，细胞类型注释与迁移学习，以及甲基化、流式/质谱细胞术、RNA 速率等专门模态和自定义概率模型。
主要能力：按模态组织模型。RNA-seq 方面有 scVI（无监督降维与批次校正）、scANVI（半监督注释与整合）、AUTOZI（零膨胀检测）、VeloVI（RNA 速率）、contrastiveVI（扰动效应分离）；ATAC 方面有 PeakVI、PoissonVI、scBasset；多模态有 totalVI、MultiVI、MrVI；空间有 DestVI、Stereoscope、Tangram、scVIVA；专门模态有 MethylVI/MethylANVI、CytoVI、Solo、CellAssign。
使用方式：模型遵循统一 API：setup_anndata 注册数据（指定 layer、batch_key、协变量）→ 创建模型并 train → 用 get_latent_representation、get_normalized_expression 提取结果 → 存回 AnnData 供 scanpy 下游分析。差异表达用 model.differential_expression；模型可用 save/load 持久化。安装：uv pip install scvi-tools；GPU 支持：uv pip install scvi-tools[cuda]。
限制与注意：模型要求未归一化的原始计数数据，需先过滤低计数基因并做高变基因选择；应在 setup_anndata 中登记已知技术因素；建议保存训练好的模型避免重复训练；大数据集可启用 GPU。官方文档、教程与 API 参考见 https://docs.scvi-tools.org/en/stable/。