用途：整合多模态单细胞数据并选择合适联合方法，覆盖CITE-seq（RNA+蛋白）、10x Multiome（RNA+ATAC）及非配对/对角 RNA+ATAC。
主要能力：先按锚点结构分类任务——水平（同模态、跨细胞）、垂直/配对（同细胞多模态，如CITE-seq、Multiome）、对角/非配对（不同细胞不同模态，如独立scRNA+scATAC）、镶嵌（部分模态缺失），再逐模态在原生流程去噪，最后构建一个联合表示。提供配对方法决策表（WNN、totalVI、MultiVI、MOFA+、mojitoo）与非配对/镶嵌方法决策表（GLUE、Seurat v5 bridge、StabMap、Cobolt/scMoMaT）。
使用方式：R侧用Seurat::FindMultiModalNeighbors()（WNN）、Signac（ATAC LSI）、dsb::DSBNormalizeProtein()（ADT去噪）、Seurat v5 bridge；Python侧用muon/mudata、scvi.model.TOTALVI/MULTIVI、MOFA2/muon.tl.mofa、scglue（对角）。文中给出CITE-seq先DSB去噪再WNN、totalVI联合建模、Multiome各模态独立降维后WNN、MOFA+可解释因子、GLUE对齐等代码模式；参考示例经scanpy 1.10+、Seurat 5.0+、anndata 0.10+测试，版本不符需对照实际API调整。
限制：WNN可能被更噪模态主导，需报告每细胞权重并验证聚类稳定性；插补模态是推断而非测量，基于其的差异表达须标注为模型依赖；GLUE依赖基因组构建一致的先验图，否则对齐失败；合并multiome需统一peak集；DSB需未过滤矩阵提供空液滴；配对与非配对互不适用；R与Python往返有损，建议留在同一生态。ADT背景为三部分混合，CLR不去背景。具体收费、平台与效果资料暂未提供。