用途：分析 Perturb-seq / CROP-seq 单细胞 CRISPR 筛选数据，完成 guide 分配、逃逸细胞剔除、扰动检验与效应量评估。参考示例经 pertpy 0.9+、scanpy 1.10+、anndata 0.10+、sceptre 0.10+ 测试，使用前应核对已安装版本。
主要能力：
- Guide 分配：guide 分配按混合问题处理，用 pertpy.pp.GuideAssignment 的每 guide 背景泊松加前景高斯混合模型按后验分配，而非统一 UMI 阈值；阈值法会因环境污染偏向高丰度 guide。
- 逃逸细胞剔除：用 pertpy.tl.Mixscape 或 Seurat Mixscape 构建局部扰动特征，将细胞分为有效扰动 KO 与非扰动 NP。全 NP 结果与低 guide 效率混淆，不能据此判定基因无功能。
- 校准检验：SCEPTRE 通过条件重采样建模 P(细胞获得该 guide | 技术协变量)，对深度混杂稳健，需先做阴性对照校准检查。
- 效应量：pertpy 的 E-distance 与置换 E-test 在固定 PCA 嵌入中度量扰动移动幅度，依赖嵌入，不跨研究可比。
- 状态内表达变化：按（基因、重复）对原始计数求和做 pseudobulk，再用 DESeq2/edgeR 检验，需每条件至少 2-3 个生物学重复；一次转染对应一个重复，避免伪重复。
- 组成变化：用 Milo 邻域或 scCODA 做差异丰度，需与状态内 DE 分开报告，只重分布细胞的扰动会产生巨大的伪 DE 特征。
典型流程：先分配 guide，再做 Mixscape 去 NP，然后按问题选择 SCEPTRE、E-test、pseudobulk DE 或差异丰度检验。R 端 sceptre 流程为 import_data、set_analysis_parameters、assign_grnas(method='mixture')、run_qc、run_calibration_check，最后 run_discovery_analysis。
限制：领域基础模型（scGPT、Geneformer 等）在未见扰动上未可靠超过均值/加性基线；评估需整扰动留出与 DE 基因指标。API 随版本漂移，提交前应核对已安装文档；多 guide 分析前需先做 doublet 检测。