用途：scvi-tools 是面向单细胞基因组学的概率模型框架，基于 PyTorch 与 PyTorch Lightning，用变分推断和深度生成模型分析多种单细胞数据模态，适用于降维、批次校正、数据整合、细胞类型注释、迁移学习、差异表达、空间去卷积等任务。
主要能力：按模态组织模型。scRNA-seq 有 scVI（无监督降维与批次校正）、scANVI（半监督注释）、AUTOZI、VeloVI、contrastiveVI；ATAC-seq 有 PeakVI、PoissonVI、scBasset；多模态有 totalVI、totalANVI、MultiVI、MrVI、DIAGVI；空间转录组有 DestVI、Stereoscope、Tangram、scVIVA；专用模态有 MethylVI/MethylANVI、CytoVI、Solo、CellAssign。核心模型位于 scvi.model，多数其他模型位于 scvi.external。
使用方式：统一 API 为 setup → train → extract。先以 AnnData 载入并预处理数据，用 setup_anndata 注册 layer、batch_key 及协变量，创建模型并 train()，再取 get_latent_representation() 或 get_normalized_expression()，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]"；可固定版本 uv pip install scvi-tools==1.4.3。
适用场景与限制：适合单细胞多模态整合、批次校正与概率统计检验。要求 Python 3.12+，模型需未归一化的原始计数；建议先过滤低表达基因、选高变基因并注册已知技术协变量。训练默认 PyTorch 后端，另有 JAX 后端与实验性 MLX 后端。官方文档见 https://docs.scvi-tools.org/en/stable/。